Glikozlu yakıt hücrelerinin nöral hesaplama yaklaşımı ile modellenmesi

Abstract

The direct oxidation, in a fuel cell, of organic compounds derived from biomass is a very attractive way of converting chemical energy into electrical energy. Unlike electricity production by conventional heat cycles, a Carnot type relation does not limit the efficiency of energy production by fuel cells and efficiencies of 80% have been obtained in practice at useful power levels. Recently, the electrooxidation of D.glucose has become the subject of many investigations in connection with the problem of devising both electrochemical sensors for determining sugar concentration in blood and implantable glucose fuel cells indented for artificial hearts and heart pacers. In this study, the modelling of the electrooxidation of D.glucose on palladium electrode in alkaline medium was realised by using a three layer feed-forward ANN with error propagation learning algorithm which is the most widely and effectively used technique in ANN applications.

Özet

Biyo kütleden elde edilen organik moleküllerin yakıt pillerindeki doğrudan yanma tepkimesi, kimyasal enerjinin elektrik enerjisine dönüşümü açısından önemlidir. Termodinamik açıdan, Carnot limit çevrimleri olmadığından %80 gibi yüksek bir verimle, bu sistemde doğrudan elektrik enerjisi eldesi mümkün olabilmektedir. Son yıllarda D.Glikozun elektrooksidasyon reaksiyonu bu amaç doğrultusunda biyomedikal sistemlerde üzerinde yoğun araştırmaların odaklandığı bir konu olmuştur. Bu çalışmada palladyum elektrot üzerinde D.Glikozun elektrooksidasyonu, ileri beslemeli yapay sinir ağı (YSA) yaklaşımı kullanılarak modellenmiştir. Ayrıca ölçme sınırlarının dışında kalan değerler için akım yoğunluğu kestirimleri yapılmıştır.