Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/66793
Title: ระบบควบคุมสำหรับหน่วยทดสอบเซลล์เชื้อเพลิงพีอีเอ็มแบบเซลล์เดียว
Other Titles: system for a single-cell pemfc test statin
Authors: วราภรณ์ เริงฤทธิ์
Advisors: พรพจน์ เปี่ยมสมบูรณ์
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
Advisor's Email: Pornpote.P@Chula.ac.th
Subjects: เซลล์เชื้อเพลิงชนิดเมมเบรนแลกเปลี่ยนโปรตอน
แบบจำลองทางคณิตศาสตร์
นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
Proton exchange membrane fuel cells
Mathematical models
Neural networks (Computer science)
Issue Date: 2548
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: งานวิจัยนี้เพื่อพัฒนาแบบจำลองทางคณิตศาสตร์แบบนิวรอลเน็ตเวิร์กเทียมของหน่วยทดสอบเซลล์เชื้อเพลิงพีอีเอ็มแบบเซลล์เดียวเพื่อทำนายความสัมพันธ์ระหว่างตัวแปรอินพุตกับตัวแปรเอาท์พุต โครงสร้างของนิวรอลเน็ตเวิร์กประกอบด้วยชั้นอินพุตจำนวน 4 โหนด ชั้นซ่อนจำนวน 4 โหนด โดยใช้ฟังก์ชัน tanh-sigmoid เป็นแอคติเวชันฟังก์ชันและมีชั้นเอาท์พุตจำนวน 3 โหนด ซึ่งใช้ฟังก์ชันเชิงเส้นเป็นแอคติเวชันฟังก์ชัน กำหนดให้ค่าอุณหภูมิของเซลล์ อัตราการไหลชองแก๊สไฮโดรเจน อัตราการไหลของแก๊สออกซิเจนและค่าความหนาแน่นกระแสเป็นข้อมูลทางด้านอินพุต ส่วนข้อมูลทางด้านเอาท์พุตประกอบด้วยอัตราการเกิดน้ำ ค่าศักย์ไฟฟ้าและค่ากำลังไฟฟ้าที่เกิดขึ้น วิธีการฝึกนิวรอลเน็ตเวิร์กเป็นแบบ Levenberg-Marquardt back propagation (LMBP) ซึ่งส่งผลให้การเรียนรู้ของเน็ตเวิร์กมีอัตราการลู่เข้าสู่ค่าที่กำหนดตามค่าเป้าหมายได้เร็วและได้ค่าสมรรถนะดีกว่าค่าเป้าหมาย แบบจำลองนิวรอลเน็ตเวิร์กที่ได้ถูกนำมาใช้เป็นเสมือนหน่วยทดสอบเพื่อทำการจำลองระบบควบคุมกระบวนการแบบพลวัตของเซลล์เชื้อเพลิง จากการทดลองได้ระบบควบคุมที่สามารถตอบสนองการเปลี่ยนแปลงของปัจจัยต่างๆได้
Other Abstract: This thesis is to develop an artificial neural network (ANN) model of a single-cell PEM fuel cell test station for predicting the relationship of input variables and output variables. The architecture of neural network is consisted of 4 nodes of input layer, 4 nodes of a hidden layer with tanh-sigmoid activation functions and three nodes of output layer with linear activation function. Specify the cell temperature, flow of hydrogen, flow of oxygen and current density as inputs, with water production, cell voltage and power as outputs. To train the network, Levenberg-Marquardt back propagation (LMBP) was used since it is an efficient method. The solution was quickly converge and better target was achieved. The obtained ANN was used as a process model for designing a control system. The system was tested and its performance was satisfactory.
Description: วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2548
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: เคมีเทคนิค
URI: http://cuir.car.chula.ac.th/handle/123456789/66793
ISBN: 9741746431
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
Warapron_re_front_p.pdfหน้าปก บทคัดย่อ และสารบัญ1.11 MBAdobe PDFView/Open
Warapron_re_ch1_p.pdfบทที่ 1677 kBAdobe PDFView/Open
Warapron_re_ch2_p.pdfบทที่ 21.46 MBAdobe PDFView/Open
Warapron_re_ch3_p.pdfบทที่ 31.62 MBAdobe PDFView/Open
Warapron_re_ch4_p.pdfบทที่ 41.29 MBAdobe PDFView/Open
Warapron_re_ch5_p.pdfบทที่ 52.88 MBAdobe PDFView/Open
Warapron_re_ch6_p.pdfบทที่ 6629.1 kBAdobe PDFView/Open
Warapron_re_back_p.pdfบรรณานุกรม และภาคผนวก1.17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.