摘要： 在航空方面，对以甲烷为燃料的固体氧化物燃料电池（ｓｏｌｉｄｏｘｉｄｅｆｕｅｌｃｅｌｌ，ＳＯＦＣ）－燃气轮机（ｇａｓｔｕｒｂｉｎｅ，ＧＴ）混合动力系统展开了相应的研究。考虑到ＳＯＦＣ-ＧＴ混合动力系统复杂的仿真模型，难以满足飞行器飞行过程中对混合动力系统实时控制的需要，本文提出了改进的量子粒子群算法（ｉｍｐｒｏｖｅｄｑｕａｎｔｕｍｂｅｈａｖｉｏｒｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ＩＱＰＳＯ）径向基函数（ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ，ＲＢＦ）神经网络模型来描述ＳＯＦＣ-ＧＴ混合动力系统在不同高度下燃油流量与效率之间的非线性特性。同时考虑到数据来源不足，本文首先建立了以甲烷为燃料的直接内部重整ＳＯＦＣ-ＧＴ混合动力系统的数学仿真模型，并且考虑了ＧＴ效率变化对混合动力系统效率的影响，然后基于该模型获取了ＩＱＰＳＯ-ＲＢＦ神经网络模型的训练和预测数据。结果表明：不考虑ＧＴ效率变化使得ＳＯＦＣ-ＧＴ混合系统效率计算结果偏高；相对于ＱＰＳＯ-ＲＢＦ神经网络模型和ＰＳＯ-ＲＢＦ神经网络模型，ＩＱＰＳＯ-ＲＢＦ模型能更好地预测在不同高度下ＳＯＦＣ-ＧＴ系统效率在不同燃油流量下的变化规律。

关键词: ＳＯＦＣ-ＧＴ系统, 径向基函数, 高度特性, 改进的量子粒子群算法

中图分类号: 

• V231.1+1