近年来,对燃料电池技术的研究引起了多家研究机构的广泛兴趣.在许多商业领域都有其应用前景.直接甲醇燃料电池(DMFC)直接以甲醇为燃料,甲醇具有较高的电化学活性,体积能量密度较高,其水溶液易于携带和存储,无需中间转化装置,DMFC 系统结构简单.在相同的功率密度下,DMFC 体积小,成本低,特别适用于便携式电源和车用动力电源. 为了改进DMFC系统的设计和性能,则必须对DMFC的运行过程和影响因素进行深入的研究.由于DMFC系统本身的复杂性,很难获得DMFC的数学模型.本文首先建立了DMFC单电池的电压模型并用BP神经网络进行辨识,然后定量研究了甲醇渗透问题,最后实现了DMFC电堆温度的建模和控制.本论文的主要工作有: 1) 分别从DMFC阴极、阳极、电解质膜及DMFC整体的角度分类介绍了DMFC模型化研究进展,并指出DMFC模型化研究最大的困难在于,研究结果不能很好地与试验数据吻合,并可能出现较大的偏差.详细研究了DMFC的伏安特性,建立了其理论电压模型,并采用基于L-M算法的改进型BP神经网络建立了不同温度下DMFC神经网络电压辨识模型. 2)首先详细描述了直接甲醇燃料电池中甲醇渗透的研究进展,并进一步阐述了它对DMFC电池性能的影响情况.然后推出了一个MEA的完整模型,模型包括阳极,膜,阴极模型及边界条件的确定,物理参数的选取等.使用这个模型,研究了三种甲醇渗透的可能情况及其对阴极和电池电压的影响,仿真结果定量说明了甲醇从阳极渗透到阴极并在阴极发生了电化学氧化反应,这一电化学反应降低了低电流密度时电池和阴极的电压. 3)详细研究了模糊控制与神经网络的基础理论和融合技术,结合两者的优点,提出了一种全网络化结构的神经模糊控制器.它用五层神经网络实现了模糊控制器的全部功能:模糊化、模糊推理和反模糊.在研究了标准遗传算法优、缺点的基础上,采用多点交叉、灾变算子、最优保留及用模糊控制的方法确定交叉和变异概率等多种改进策略设计了一种改进的遗传算法.其中针对多目标遗传算法的特点,基于模糊集理论,提出一种基于模糊规则优化的模糊遗传算法及其算法结构,即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率,同时寻找与优化对象相匹配的最佳模糊规则.在数学函数上的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量.最后,用改进的模糊遗传算法综合优化神经模糊控制器的结构和参数,同时生成相应的神经模糊控制器.仿真结果和实验数据表明,优化后得到的神经模糊控制器具有较好的动态性能和较强的鲁棒性.以上研究为DMFC温度系统的控制器设计做好了准备. 4)用一个径向基函数(RBF)神经网络来建立DMFC电堆的多输入多输出非线性温度模型,并提出了RBF神经网络的辨识方法,从而避开了DMFC电堆的内部复杂性.5)最后,在DMFC电堆温度控制过程中,将训练好的RBF网络模型作为DMFC控制系统的参考模型,设计了一个DMFC电堆的新型自适应神经模糊控制器,并采用改进模糊遗传算法对神经模糊控制器的参数和规则进行了综合优化.仿真结果表明,本文所设计的神经模糊控制器的性能要优于非线性PID和传统模糊控制器.