燃料電池發(fā)動機系統(tǒng)建模與預測控制研究.pdf

1、燃料電池發(fā)動機系統(tǒng)具有時變性、滯后性、不確定性、強耦合和強非線性，這些復雜特性為燃料電池發(fā)動機的控制增加了難度。為了提高燃料電池發(fā)動機系統(tǒng)的動態(tài)響應能力、運行性能和穩(wěn)定性，針對目前現(xiàn)有的燃料電池模型多為組件或單電池模型、缺乏結合輔助設備建立的系統(tǒng)級模型、控制參數(shù)單一等特點，本文從系統(tǒng)的角度出發(fā)，把燃料電池堆和輔助系統(tǒng)結合起來，設計了燃料電池發(fā)動機系統(tǒng)，建立了燃料電池發(fā)動機神經網絡模型，并設計燃料電池發(fā)動機系統(tǒng)預測控制器。本文的主要研究成

2、果如下： 對質子交換膜燃料電池發(fā)動機系統(tǒng)組成結構進行了研究和設計。提出了一種基于多層CAN網絡的分布式燃料電池發(fā)動機控制系統(tǒng)結構，將系統(tǒng)任務進行模塊化分配。這種控制結構能夠減輕主控制器的運算開銷，提高系統(tǒng)的運行效率，同時便于系統(tǒng)的維護和擴展。 在分析已有的質子交換膜燃料電池模型基礎上，結合燃料電池電堆和各輔助系統(tǒng)，建立了燃料電池發(fā)動機各子系統(tǒng)模型；在此基礎上，提出了一種燃料電池發(fā)動機系統(tǒng)級的綜合動態(tài)模型，并仿真分析了操作

3、條件對燃料電池發(fā)動機動態(tài)性能的影響。 從系統(tǒng)的角度出發(fā)，提出了基于Elman神經網絡的燃料電池發(fā)動機系統(tǒng)模型。并利用該模型進行動態(tài)特性研究。仿真結果表明神經網絡輸出與實驗輸出吻合，驗證了所建立的Elman神經網絡模型能較好的逼近實際的燃料電池發(fā)動機系統(tǒng)，為燃料電池發(fā)動機系統(tǒng)預測控制提供了較為準確的數(shù)學模型。 對燃料電池發(fā)動機系統(tǒng)的優(yōu)化控制策略進行了研究，提出了一種基于雙神經網絡的燃料電池發(fā)動機預測控制策略，采用基于神經網