给出了一种用于直接甲醇燃料电池(DMFC)温度响应的人工智能建模方法。采用BP网络、Elman神经网络与自适应神经模糊推理系统(ANFIS)避免了精确数学模型的复杂性。详细描述了辨识结构、算法和模型训练方案。通过不同模型之间的仿真对比,得出了三种网络的最优结构参数。仿真结果满足精度要求,得出ANFIS模型性能最优。在ANFIS模型基础上对DMFC温度响应特性作了简要分析。通过仿真模型可快速得到其输入输出特性,使DMFC温度响应的在线预测与控制成为可能。