Comparative study of a new semi-empirical model of the proton exchange membrane fuel cell for online prognostics applications
Notice bibliographique
Résumé
The prognostic of the proton exchange membrane fuel cell is a current topic of research. Consequently, the complexity of its degradation mechanisms has led to the development of semi-empirical models to improve predictive analysis. The accurate estimation of parameters for these models is a challenging task due to their multivariate, nonlinear, and complex characteristics. This work proposes a new semi-empirical model of the proton exchange membrane fuel cell and compares it with a widely used model in the literature. Unlike other similar studies, this comparison not only focuses on minimizing the sum of squared errors in relation to the experimental data but also evaluates the variation in the solution set and the computational effort involved. For both models, the unknown parameters are estimated using the recent Pelican Optimization Algorithm. Four datasets are used to evaluate the development of the proposed model and the selected benchmark model. The first three datasets are open-access and well-recognized in academic literature, whereas the fourth dataset was obtained from a developed experimental test bench. The results show that the proposed model achieves high accuracy, with a mean absolute percentage error lower than 0.89% and the sum of squared errors below 0.9272 for all the studied scenarios. This model reduces parameter variation and decreases the relative standard deviation by over 12.7% compared to the utilized benchmark model for the first three datasets. Hence, the proposed model not only improves the precision of the estimated parameters without a notable increase in error but also reduces the computational load by at least 21.7% across all case studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».