固体氧化物燃料电池(SOFC)作为一种新型能源,具有能量转换效率高、对环境污染影响小、燃料来源丰富等独特的优点。然而,内部剧烈的化学反应和高达1000℃的工作温度导致SOFC在结构分析、控制器设计以及安全保障等方面存在一系列问题。因此如何提高SOFC的运行效率和稳定性一直是近年来的研究热点和难点。由于SOFC内完全密闭的环境和复杂的过程导致系统不可避免的会遭受各种不确定性和非线性,例如SOFC内部参数不确定性,甲烷水蒸气重整(MSR)反应动力学模型中温度对甲烷转换率的影响是非线性的,氢氧反应(HOR)电化学模型中氢气流速对电池输出电压的影响也是非线性的。因此,严重依赖于模型精度的传统控制方法在反应过程控制中效率低下,可靠性不高。而迭代学习控制(ILC)能以非常简单的方式处理不确定度相当高的动态系统,且仅需较少的先验知识和计算量,同时适应性强,易于实现。本文利用ILC方法用于SOFC系统的精确控制,具体内容如下:首先根据SOFC的工作原理对SOFC内部MSR反应进行动力学建模,通过模型以及实验数据初步分析模型中部分参数对甲烷转换率的影响。随后提出两个ILC方案分别用于精确控制甲烷在MSR反应中的转换效率,不同的情况对应不同的输入变量,即分别考虑反应温度作为输入的单输入系统以及水蒸气和氮气对甲烷的流速比作为多输入的多输入系统。进一步分析解决了ILC的学习收敛条件、学习速度和鲁棒性等问题。尽管MSR过程具有复杂的动力学过程和严重的潜在不确定性,但ILC结构简单、无模型性使其具有一定的适用性,并通过数值模拟验证了所提ILC方案的有效性。最后通过能斯特方程建立HOR电化学模型,根据模型特点设计了ILC控制器。通过仿真证明了ILC算法的有效性,实现了SOFC输出电压的精确控制。结果表明,由于SOFC是一个电化学循环系统,其内部反应总是以重复的方式进行,整个控制系统呈现出清晰的可重复动力学。ILC是SOFC动力学模型的一种固有控制方法,通过之前的实验信息对当前输入信号进行改进,最终得到期望的输出结果。因此我们能够利用ILC方法,针对SOFC系统设计控制器,最终达到提高SOFC运行效率和稳定性的目的。