燃料电池发电技术已被认为是继火力发电、水力发电、核能发电之后的第四大能量转化发电方式，是二十一世纪全新高效、节能、清洁的发电方式之一。直接甲醇燃料电池(DMFC)作为其中的一种，除了具有燃料电池的共性特点外，还具有室温快速启动、无腐蚀、装置轻便、机动性强、可靠性高等特点。此外，由于DMFC是直接采用甲醇作为燃料，而甲醇在室温下为液态，具有高能量密度，价格便宜，存储携带方便。与质子交换膜燃料电池(PEMFC)相比，DMFC不需要甲醇重整机构，避免了系统整体效率的降低和结构的复杂化。应用领域非常广泛，主要集中在电子产品电源(手机、PDA、笔记本电脑等电源)，移动电源(通讯移动电源、作战武器电源、运输工具移动电源等)，分散电源(偏远地区小型分散电源、家庭不间断电源、KW级的固定发电装置)等领域。90年代初，由于Nation的成功研制，DMFC电极性能得到了极大的提高，致使全球许多发达国家开始对DMFC的研究产生了积极的关注，并为此成立的一些研究机构，投入了大笔的资金。目前，DMFC已开始逐步走出实验室进入笔记本电脑、手机等便携式电源的应用领域。 本文课题源自于上海交通大学燃料电池研究所正在进行的DMFC单电池及电堆发电系统的研制，针对DMFC的输出特性、模型、控制方面的问题进行了研究。本论文的主要工作包括： 1.基于电池实验和输出特性数学模型模拟仿真这两种方法，本文定性地分析了影响DMFC输出性能的因素。DMFC输出性能是反映电池性能好坏的综合体现。论文将影响DMFC输出性能的因素分为两类，一类为运行参数，它包括DMFC运行的温度，阴阳极压力，反应物的湿度和流量等；另一类是材料和结构参数，包括元件材料、元件的结构尺寸及加工和DMFC的组装等。本文的重点是研究DMFC在运行过程中如何通过调节运行参数提高电池的输出特性。 2.为了更深入地了解运行参数对DMFC输出性能的影响，本文采用基于ROLS算法的RBF神经网络与相应的实验数据，分别建立不同工作温度、压力、甲醇浓度、甲醇流速、空气流速、阴极气体增湿温度等情况下的DMFC输出特性神经网络模型。该建模方法与传统的DMFC建模方法相比能够非常方便地实现多参数建模，并且模型结构简单，精度高。所建模型能够方便的应用于DMFC的系统控制中。 3.基于所建立的电池输出特性经验机理模型，通过实验和仿真分析，发现模型中一些系数的取值对模型精度有较大影响。在模型预测中，这些系数都是取实验测定的经验值，因此很难较大范围地适应于电池实际运行条件，能够造成模型精度降低的问题。为了提高模型的预测精度，本文提出了采用遗传算法对模型中的系数进行辨识优化的思路，使DMFC输出特性经验机理模型的输出与电池实际的电压/电流密度响应之间的误差达到预定的精度要求。仿真和实验不仅证明了本文设计的遗传算法的有效性，同时也证实了采用遗传算法优化模型系数，提高模型精度的思路是正确的。 4.由于DMFC的工作温度对反应物质的传输特性、质子膜水合程度、催化剂反应活度等因素有重要的影响，而这些因素决定着电池的输出性能和使用寿命。因此，如何把温度控制在给定范围内，减小温度波动是提高DMFC输出性能的关键。本文首先采用基于粒子群优化算法的RBF神经网络辨识的方法建立了DMFC电堆的温度模型，然后基于该温度辨识模型，分别采用基于Rough集理论的自适应神经模糊控制和基于BP神经网络整定的PID控制这两种方法对影响温度的有效操作参数进行调整，目的使电池的工作温度保持在较佳的状态下。根据控制结果，本文总结了这两种控制算法的优缺点，验证了所设计的基于Rough集理论的自适应神经模糊控制器性能优越。其次，在对DMFC电压控制方面，本文主要研究在电流产生了连续跳变的情况下，通过调整燃料流速，进而使电池的输出电压受电流跳变的影响达到最小，能够使电池运行在其期望值。对电压进行有效控制的最终目标依然是保证DMFC具有良好的输出特性，提高电池的使用寿命，防止电池损坏。由仿真和实验结果可知，基于Rough集理论的自适应神经模糊控制器，在电流连续阶跃跳变的情况下，依然能够使电池的输出电压平滑、迅速、稳定地到达设定电压值，而且在控制过程中尽可能减少了电压的波动，控制器的性能良好。