论文部分内容阅读
由于能源短缺，化石燃料价格过高和环境意识的崛起，现代人开始寻找替代能源解决方案比以往更加热切。燃料电池在许多方面比传统的内燃机(ICEs)更有优势，如高能量密度，高效率和无污染，将成为下一代主要能源之一。
本文主要研究对象是质子交换膜燃料电池(Proton ExchangeMembrane Fuel Cell，PEMFC)也叫做固体聚合物燃料电池(Solid Polymer Fuel Cell，SPFC)，它除了具有燃料电池的一般特点（如能量转化效率高，环境友好等），而且还具有在室温下快速启动，无电解液泄露，产物水易排出，寿命长，更高的比功率和比能量等显著特征。因此，它在燃料电池领域如今已成为研究最为广泛，增长最为快速的分支之一。为了对PEMFC给出合理的设计、优化和控制方案，必须对PEMFC进行数学建模和仿真，本文就PEMFC实验机理模型辨识基于神经网络的Hammerstein模型以及对其预测控制的研究。本文主要研究内容包括:
1.对PEMFC系统搭建实验机理模型。首先对PEMFC通过实验进行建模，获得其实验机理模型，使其能正确反映电堆的实际输出特性。
2.对PEMFC进行神经网络Hammerstein模型辨识。虽然实验机理模型避免了机理模型令人生畏的复杂性，便于对PEMFC进行仿真实验，但是仍然很难对其进行智能控制算法的研究。因此，为了发展有效的控制策略，本文对PEMFC进行神经网络Hammerstein模型辨识。Hammerstein模型不需要获得系统内部基本原理，通过过程输入输出数据可以容易地构建模型。
3.针对已建立的神经网络Hammerstein模型，建立其模型预测控制方案。PEMFC是通过燃料和氧化剂发生电化学反应发电的，负载电流或需求电功的任何改变都会改变PEMFC的操作条件，导致输出电压有很大的波动。如果这些变化时PEMFC工作在偏高或偏低的工作条件下，其实际性能也会受到影响。为了满足负载直流电压的需求并通过控制天然气输入流量保持恒定的燃料利用率，本文基于Hammerstein模型和主控制回路设计了模型预测控制方案。并与PID控制效果进行比较，结果显示预测控制效果要优于PID控制效果。