在质子交换膜燃料电池（PEMFC）控制领域中,为了防止氧饥饿现象的发生,通常将过氧量作为调节时参考的重要性能指标。空气压缩机是过氧量调节过程中重要的执行机构,然而随着环境的改变,压缩机内部可能会出现不确定性故障。微小故障的累积不仅会影响过氧量的调节性能,严重情况下可能会降低压缩机的使用寿命,从而造成安全事故。针对以上问题,本文以PEMFC中的空气供给子系统为研究对象,提出了基于Super-Twisting算法的压缩机故障信号重建策略。并且,针对故障信号可能对过氧量调节性能产生不利影响这一现实问题,提出了基于改进后的Super-Twisting算法以及自适应动态规划算法的容错控制策略。具体来说,本文主要研究内容如下:首先,本文介绍了燃料电池空气供给子系统中空气压缩机模型、供给歧管模型以及阴极歧管模型的动力学方程式,并由此引出简化后的燃料电池四阶状态空间方程式。通过详细阐述过氧量与净功率这两个性能指标,点明了其在燃料电池控制领域中的重要意义与价值。其次,针对燃料电池系统中的空气压缩机可能出现不确定性故障这一问题,本文将SuperTwisting算法引入到燃料电池故障观测器的设计中。该方法的思想是通过矩阵变换的方式将压缩机故障信号转移到可测输出通道中,随后通过反馈基于Super-Twisting算法的输出误差插入项的方式完成对压缩机故障信号的重建工作。特别地,本文还通过仿真实验,分析比较了对传统Super-Twisting算法加入比例积分线性项前后,所设计观测器的追踪速度以及追踪精度的变化情况。最后,针对故障信号可能对过氧量调节性能产生不利影响这一问题,本文设计了一种基于改进后的Super-Twisting算法以及自适应动态规划算法的主动容错控制策略。控制框架采用双环级联结构,控制过程被分解为过氧量控制和压缩机角速度控制。故障信号被加入到了所建立的性能指标函数当中。为了求解复杂的HJB方程,采用一个单层的神经网络近似所设定的性能指标函数,并借用李雅普诺夫函数作为分析工具证明了神经网络权值的收敛性以及所设计控制器的收敛性。