在全球日益增长的能源需求、愈演愈烈的环境危机、与日俱增的人口压力等背景下,新型的清洁能源利用方式越来越受到人们的重视。其中,质子交换膜燃料电池具有高效率、零污染、低噪音、启动快等优势,具有广阔的发展前景,是下一代车用动力的发展方向之一。在针对燃料电池发动机的控制方面,常利用集总参数模型设计状态观测和控制算法。然而,燃料电池是一个“气-水-电-热-力”耦合的复杂系统,面向控制的集总参数模型过于简化,忽略了燃料电池内部各物理量在空间上分布的不均匀特性,对于局部缺气等现象没有明确的描述。为了提高燃料电池的耐久性和运行稳定性,需要重点关注物质组分在内部分布的差异性,尤其是内部最低氧气浓度等参数。本文从数值模型出发,提出了燃料电池的降维模型。该降维模型结合了数值模型和集总参数模型的优点,既能体现重要参数在燃料电池内部分布的极值,还具有计算量小适合用于实时控制的特点。在模型验证方面,仅仅依靠极化曲线的测试结果无法验证降维模型对于内部物质状态分布的描述,本文针对大活性面积燃料电池单片设计了在线气体组分采样分析实验系统,利用该系统能够在燃料电池运行过程中实时采集流场内部不同位置的气体组分,并对降维模型进行标定和验证。本文进一步将降维模型结合排气管两相流压降模型,设计膜水含量状态估计算法和最低氧气浓度估计算法。本文将降维模型进一步简化,整合进燃料电池发动机系统模型,设计氢气喷射控制算法和空气供气控制算法,并对阴极排气再循环的控制进行了实验探索。最终综合各部分算法在燃料电池发动机测试台上进行实验验证。本文的创新点包括:提出了面向控制,并能描述物质组分内部差异的燃料电池降维模型;设计了大活性面积、多流道燃料电池在线气体采样实验系统,并通过实验对模型进行了标定验证;基于降维模型,实现了双循环燃料电池系统的氢气喷射控制,空气供气控制,以及阴极排气再循环控制。本文的工作在面向控制的集总参数模型框架内引入了对参数分布的描述,在燃料电池的建模和控制方法方面做出了新的探索,对燃料电池领域的研究者具有一定的参考价值。