基于神经网络算法的钒基镍氢电池负极材料性能优化

王红¹，王群群²

1. 广州工程技术职业学院机电工程学院2. 重庆理工大学材料科学与工程学院

摘 要：采用6×36×12×1四层拓扑结构神经网络模型,以钛含量、镍含量、铝含量、铬含量、保温温度和保温时间为输入层参数,以充放电循环稳定性为输出层参数,构建了钒基镍氢电池负极材料性能优化神经网络模型。结果表明,模型具有较强预测能力和较高预测精度,平均相对训练误差4.8%、平均相对预测误差4.9%。与现有V₃Ti Ni_0.56材料相比,神经网络模型优化获得的V₃Ti Ni_0.56Al_0.3Cr_0.4材料在充放电循环30次后的放电容量衰减率从61%减小到26%。

关键词：钒基镍氢电池;负极材料;V₃TiNi_0.56Al_0.3Cr_0.4;神经网络;充放电循环稳定性;