论文部分内容阅读
质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell, PEMFC)是一种将氢气和氧气的化学能转化成电能的装置,它具有能量转换效率高、环境友好、无噪音、重量轻和工作温度低等优点。因此,在当今能源危机和环境污染日趋严重的情况下,对PEMFC的研究是十分有意义的。在PEMFC系统的运行过程中,质子交换膜脱水或者电极水过剩是不可避免的。一旦发生这些故障,会导致PEMFC的性能不同程度的下降。对PEMFC系统进行容错控制方案有利于PEMFC系统在故障条件下仍然保持稳定的性能输出,因此,本论文针对PEMFC中出现的水故障展开故障诊断与容错控制技术的研究。主要研究内容包括:(1)建立PEMFC的动态数学模型。基于质子交换膜两侧的电化学反应、极化反应、电渗过程以及水浓度差等原理,利用MATLAB/SIMULINK仿真工具,分别建立PEMFC健康、水淹和膜干状态的动态数学模型。仿真结果显示,这些数学模型能够有效地反映PEMFC正常、水淹和膜干状态下输出电压和阴阳极间压力降的变化特性。(2)基于反馈线性化算法对PEMFC系统提出容错控制方案。该容错控制方案包括:故障诊断模块,切换机理模块以及容错控制器集合。在故障诊断模块中,首先基于BP神经网络,建立PEMFC健康状态的辨识模型,辨识健康状态下PEMFC的输出电压和阴极进出口压力降。然后通过与电堆的实时输出电压和阴极进出口压力降进行比较,在线诊断PEMFC膜干和水淹故障。根据在线检测出的故障类型,切换机理模块实时切换到对应的控制器,在容错控制器集合中,利用反馈线性化算法设计了PEMFC健康、水淹和膜干状态的控制器。仿真结果表明,在不同故障模式下,该容错控制方案通过调节阴阳极输入气体的压强,使电压始终跟踪在设定值,同时保持阴阳极的压力降相等。(3)基于神经网络预测控制算法对PEMFC系统提出容错控制方案。该神经网络预测控制算法包括预测模型集合和滚动优化器。在预测模型集合中,利用多个单步BP神经网络预测模型串联的方法,分别构建了PEMFC健康、水淹和膜干状态的多步预测模型。基于三层BP神经网络,建立了滚动优化控制器。该优化控制器以电压跟踪误差及阴阳极间压力降误差最小化为优化目标,实时更新三层前馈神经网络权值和阈值,从而获取PEMFC阴阳极入口压强。仿真结果显示,基于神经网络预测控制的容错控制方案能够避免建立PEMFC复杂的机理模型,并且能有效地跟踪PEMFC输出电压以及保持了阴阳极间压力降平稳。