固体氧化物燃料电池（SOFC）是继水力发电、热力发电和原子能发电后的新一代能源技术,具有清洁高效、燃料来源广泛、安静和使用寿命长等优点,受到国内外众多学者的高度关注。SOFC属于高温燃料电池,对其实物一方面的研究多集中于材料选取和结构设计,另一方面的研究多集中于动力学建模和性能控制。SOFC属于多输入多输出的复杂系统,其性能易受到外界相关环境因素的影响,必须设计具有强抗干扰性的控制器才能保证其工作在理想状态。本文主要应用神经网络对SOFC的建模和控制进行研究。首先,在考虑合理假设条件和基本电压损失（活化极化电压、浓差极化电压、欧姆极化电压）的基础上,结合质量守恒定律和理想气体的状态方程建立SOFC的动力学模型。然后,依据SOFC动力学模型设计出BP神经网络的基本架构,并应用仿真实验数据进行拟合得到精度更好且适宜控制的SOFC BP神经网络模型。在此基础上采用遗传算法和免疫遗传算法进一步对模型进行优化。最后,分别设计出模糊控制器、神经模糊控制器和改进的神经模糊控制器对SOFC的输出电压进行控制,使输出电压维持稳定。同时,本文还对阶跃扰动作用的情况下的系统响应进行了研究,分析了系统的抗干扰能力。MATLAB/Simulink仿真结果表明,文中建立的SOFC动力学模型可有效反映氢气输入摩尔流量、氧气输入摩尔流量、水蒸气输入摩尔流量、温度和输出电压间的关系。根据SOFC动力学模型建立的SOFC BP神经网络模型可有效预测SOFC的输出电压,且利用遗传算法和免疫遗传算法优化的SOFC BP神经网络模型精度更高,更能准确反应SOFC的实际状况。文中所设计的模糊控制策略、神经模糊控制策略、改进的神经模糊控制策略均可有效控制SOFC的输出电压,实现SOFC输出电压在短时间内达到期望值,具有较好的响应速度和精度,且改进的神经模糊控制系统输出电压精度更高,响应速度更快。在抗干扰能力方面,三种控制策略均有较好的抗干扰能力。相较而言,采用改进的神经模糊控制算法的SOFC的输出电压受氢气输入摩尔流量、氧气输入摩尔流量、水蒸气输入摩尔流量、温度等干扰的影响最小,抗干扰能力更强,也进一步验证了本文所建立模型的可靠性以及所设计算法的有效性。