Cuckoo search algorithm with onlooker bee search for modeling PEMFCs using T2FNN
Cuckoo search algorithm with onlooker bee search for modeling PEMFCs using T2FNN
复制标题
布谷鸟搜索算法与旁观者蜜蜂搜索一起使用 T2FNN 建模 PEMFC
DOI：
10.1016/j.engappai.2019.07.019
复制
发表时间：
2019-10
影响因子：
8
通讯作者：
王宁
中科院分区：
文献类型：
--
作者：
朱笑花;王宁
精确的数学模型在质子交换膜燃料电池（PEMFC）的模拟和分析中发挥着重要作用。本文提出了使用 2 型模糊神经网络 (T2FNN) 的 PEMFC 非线性建模方法。为了优化 T2FNN 的调整，提出了一种新颖的布谷鸟搜索算法，即带有旁观者蜜蜂搜索的布谷鸟搜索算法（ObCS）。在ObCS中，使用基于对立的学习策略来使初始种群分布更加均匀。设计了一种改进的围观蜂搜索局部搜索策略，以提高局部搜索能力。两组测试函数的数值实验表明，与基本 CS、两种改进的 CS 以及其他最先进的优化算法相比，ObCS 具有更高的解质量。最后，应用 ObCS 来优化 T2FNN 的参数，以建模 PEMFC。实验结果表明，与基于 CS 和 RLS 的 T2FNN 相比，基于 ObCS 和 RLS 的 T2FNN 是一种更有效的技术。
The accurate mathematical model plays an important role in the simulation and analysis of proton exchange membrane fuel cells (PEMFCs). This paper proposes the nonlinear modeling approach using type-2 fuzzy neural network (T2FNN) for PEMFCs. For the optimal tuning of the T2FNN, a novel cuckoo search algorithm, the cuckoo search algorithm with onlooker bee search (ObCS) is proposed. In ObCS, the opposition based learning strategy is used to make the initial population distribution more uniform. A modified local search strategy on onlooker bee search is designed to improve the local search ability. Numerical experiments with two groups of test functions show that the ObCS has a higher quality of solutions in comparison with the basic CS, the two improved CSs, and the other state-of-the-art optimization algorithms. Finally, the ObCS is applied to optimize the parameters of the T2FNN for modeling a PEMFC. The experimental results demonstrate that the ObCS and RLS based T2FNN is a more efficient technique by comparing with the CS and RLS based T2FNN.
登录
查看更多内容
使用基于老化和挑战性 P 系统的优化算法对质子交换膜燃料电池堆进行建模和优化
影响因子：
9
作者：
Shipin Yang;Ryad Chellali;Xiaohua Lu;Lijuan Li;Cuimei Bo
通讯作者：
Cuimei Bo
影响因子：
6
作者：
Chih-Min Lin;Tien-Loc Le;Tuan-Tu Huynh
通讯作者：
Chih-Min Lin;Tien-Loc Le;Tuan-Tu Huynh
影响因子：
7.2
作者：
Sadık Ata;K. Dincer
通讯作者：
Sadık Ata;K. Dincer
影响因子：
8.5
作者：
Gotmare, Akhilesh;Patidar, Rohan;George, Nithin V.
通讯作者：
George, Nithin V.
DOI：
10.1016/j.future.2017.08.041
发表时间：
2018-04-01
影响因子：
7.5
作者：
Hou, Yue;Zhao, Long;Lu, Huaiwei
通讯作者：
Lu, Huaiwei