微生物燃料电池(MFCs)作为一种新型的能量回收和废水处理技术,近年来受到了广泛的关注。作为一种生物电化学反应器,微生物燃料电池可以直接将化学能转化为电能,在清除污染物质的同时产生清洁能源。然而,MFCs中的生化反应速率较低导致功率输出低,暂时无法广泛应用于工业生产之中。由于MFCs系统模型复杂,时滞性严重,影响因素众多的特点,仅仅通过实验进行性能测试是耗时且不经济的。通过数学模型来分析整个系统并深入了解运行条件,对于提高MFCs的发电性能,突破MFCs发展瓶颈具有重要意义。本文采用实验与理论相结合的方法分别对微生物燃料电池数据采集与建模,模型分析优化与控制以及系统故障诊断方面进行了自上而下的研究,本文主要研究内容如下:(1)微生物燃料电池的数据采集及启动过程建模问题针对微生物燃料电池启动阶段影响因素复杂,建模困难的问题,选择沉积物微生物燃料电池启动过程作为研究对象,使用在线监测技术分别测量了启动过程中温度,p H和电压的变化数据并详细分析了他们之间的关系。在SMFCs启动阶段的后期,使用径向基神经网络和极限学习机神经网络进行非线性系统建模,并对p H数据进行了预测。实验结果表明,极限学习机网络预测结果更佳。(2)微生物燃料电池模型的动态分析问题针对微生物燃料电池模型复杂,可控参数对系统影响不明的问题,依据MFCs系统中的生物化学反应机理,在MATLAB环境下建立了连续搅拌槽式双室MFCs的电化学模型,并进行动态性能分析,研究了乙酸盐进料浓度和电流密度对电池性能的影响。(3)微生物燃料电池模型的分析与优化问题针对微生物燃料电池模型非线性强、鲁棒性差,不确定性高的问题,设计了一个模型优化综合框架。首先,将全局灵敏度分析与不确定性分析相结合,分析了不确定参数对系统的影响,并根据分析结果对不确定参数进行了优化。其次,在优化后数学模型的基础上,将变量选择与神经网络相结合,提出了一个简化的MFCs神经网络模型。实验结果表明,该框架可以有效提高系统鲁棒性,降低模型复杂度,为优化系统模型和提高模型通用性提供了全新的方法。(4)微生物燃料电池模型的控制问题针对微生物燃料电池模型非线性强,控制困难的问题,选取反步法作为核心控制方法应用于MFCs系统当中,仿真结果表明,所提出的控制律可以使系统有效跟踪控制目标。(5)微生物燃料电池系统的故障诊断问题针对微生物燃料电池系统的故障排除困难的问题,提出了一种基于小波包与自组织映射网络的微生物燃料电池的故障诊断方法,并证明了该算法的有效性和准确性。