本文關(guān)鍵詞：PEMFC的容錯控制研究

  更多相關(guān)文章： 質(zhì)子交換膜燃料電池 數(shù)學(xué)模型 故障診斷 容錯控制 反饋線性化 模型預(yù)測控制

【摘要】：質(zhì)子交換膜燃料電池(Proton Exchange Membrane Fuel Cell, PEMFC)是一種將氫氣和氧氣的化學(xué)能轉(zhuǎn)化成電能的裝置,它具有能量轉(zhuǎn)換效率高、環(huán)境友好、無噪音、重量輕和工作溫度低等優(yōu)點。因此,在當(dāng)今能源危機和環(huán)境污染日趨嚴(yán)重的情況下,對PEMFC的研究是十分有意義的。在PEMFC系統(tǒng)的運行過程中,質(zhì)子交換膜脫水或者電極水過剩是不可避免的。一旦發(fā)生這些故障,會導(dǎo)致PEMFC的性能不同程度的下降。對PEMFC系統(tǒng)進行容錯控制方案有利于PEMFC系統(tǒng)在故障條件下仍然保持穩(wěn)定的性能輸出,因此,本論文針對PEMFC中出現(xiàn)的水故障展開故障診斷與容錯控制技術(shù)的研究。主要研究內(nèi)容包括：(1)建立PEMFC的動態(tài)數(shù)學(xué)模型�；谫|(zhì)子交換膜兩側(cè)的電化學(xué)反應(yīng)、極化反應(yīng)、電滲過程以及水濃度差等原理,利用MATLAB/SIMULINK仿真工具,分別建立PEMFC健康、水淹和膜干狀態(tài)的動態(tài)數(shù)學(xué)模型。仿真結(jié)果顯示,這些數(shù)學(xué)模型能夠有效地反映PEMFC正常、水淹和膜干狀態(tài)下輸出電壓和陰陽極間壓力降的變化特性。(2)基于反饋線性化算法對PEMFC系統(tǒng)提出容錯控制方案。該容錯控制方案包括：故障診斷模塊,切換機理模塊以及容錯控制器集合。在故障診斷模塊中,首先基于BP神經(jīng)網(wǎng)絡(luò),建立PEMFC健康狀態(tài)的辨識模型,辨識健康狀態(tài)下PEMFC的輸出電壓和陰極進出口壓力降。然后通過與電堆的實時輸出電壓和陰極進出口壓力降進行比較,在線診斷PEMFC膜干和水淹故障。根據(jù)在線檢測出的故障類型,切換機理模塊實時切換到對應(yīng)的控制器,在容錯控制器集合中,利用反饋線性化算法設(shè)計了PEMFC健康、水淹和膜干狀態(tài)的控制器。仿真結(jié)果表明,在不同故障模式下,該容錯控制方案通過調(diào)節(jié)陰陽極輸入氣體的壓強,使電壓始終跟蹤在設(shè)定值,同時保持陰陽極的壓力降相等。(3)基于神經(jīng)網(wǎng)絡(luò)預(yù)測控制算法對PEMFC系統(tǒng)提出容錯控制方案。該神經(jīng)網(wǎng)絡(luò)預(yù)測控制算法包括預(yù)測模型集合和滾動優(yōu)化器。在預(yù)測模型集合中,利用多個單步BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型串聯(lián)的方法,分別構(gòu)建了PEMFC健康、水淹和膜干狀態(tài)的多步預(yù)測模型�；谌龑覤P神經(jīng)網(wǎng)絡(luò),建立了滾動優(yōu)化控制器。該優(yōu)化控制器以電壓跟蹤誤差及陰陽極間壓力降誤差最小化為優(yōu)化目標(biāo),實時更新三層前饋神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值,從而獲取PEMFC陰陽極入口壓強。仿真結(jié)果顯示,基于神經(jīng)網(wǎng)絡(luò)預(yù)測控制的容錯控制方案能夠避免建立PEMFC復(fù)雜的機理模型,并且能有效地跟蹤PEMFC輸出電壓以及保持了陰陽極間壓力降平穩(wěn)。
【關(guān)鍵詞】：質(zhì)子交換膜燃料電池 數(shù)學(xué)模型 故障診斷 容錯控制 反饋線性化 模型預(yù)測控制
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM911.4
【目錄】：

• 摘要5-7
• Abstract7-11
• 第一章 緒論11-18
• 1.1 課題的背景及意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 燃料電池研究現(xiàn)狀12-13
• 1.2.2 PEMFC故障診斷研究現(xiàn)狀13-14
• 1.2.3 PEMFC容錯控制研究現(xiàn)狀14-16
• 1.3 結(jié)構(gòu)安排16-18
• 第二章 PEMFC數(shù)學(xué)模型的建立18-39
• 2.1 PEMFC基本原理18-19
• 2.2 健康狀態(tài)下PEMFC數(shù)學(xué)模型19-31
• 2.2.1 陽極流量模型20-21
• 2.2.2 陰極流量模型21-24
• 2.2.3 輸出電壓模型24-27
• 2.2.4 膜水合模型27-31
• 2.3 膜干狀態(tài)下PEMFC數(shù)學(xué)模型31-33
• 2.4 水淹狀態(tài)下PEMFC數(shù)學(xué)模型33-34
• 2.5 仿真驗證34-38
• 2.6 本章小結(jié)38-39
• 第三章 基于反饋線性化的PEMFC容錯控制39-58
• 3.1 基于反饋線性化的容錯控制方案39-40
• 3.2 PEMFC故障診斷40-43
• 3.2.1 故障診斷策略40-42
• 3.2.2 健康狀態(tài)BP神經(jīng)網(wǎng)絡(luò)的建立42-43
• 3.3 重構(gòu)控制器的設(shè)計43-51
• 3.3.1 線性反饋控制器43-46
• 3.3.2 基于線性反饋控制的重構(gòu)控制器46-51
• 3.4 仿真結(jié)果51-56
• 3.4.1 健康狀態(tài)的容錯控制51-53
• 3.4.2 膜干故障的容錯控制53-55
• 3.4.3 水淹故障的容錯控制55-56
• 3.5 本章小結(jié)56-58
• 第四章 基于模型預(yù)測控制的PEMFC容錯控制58-75
• 4.1 基于MPC的容錯控制方案58-59
• 4.2 神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制59-71
• 4.2.1 神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制結(jié)構(gòu)59-61
• 4.2.2 健康狀態(tài)下神經(jīng)網(wǎng)絡(luò)預(yù)測模型61-63
• 4.2.3 膜干狀態(tài)下神經(jīng)網(wǎng)絡(luò)預(yù)測模型63-64
• 4.2.4 水淹狀態(tài)下神經(jīng)網(wǎng)絡(luò)預(yù)測模型64-65
• 4.2.5 基于遞推多步預(yù)測控制65-71
• 4.3 仿真結(jié)果71-74
• 4.3.1 健康狀態(tài)的容錯控制71-72
• 4.3.2 膜干故障的容錯控制72-73
• 4.3.3 水淹故障的容錯控制73-74
• 4.4 本章小結(jié)74-75
• 第五章 總結(jié)與展望75-77
• 5.1 總結(jié)75-76
• 5.2 展望76-77
• 致謝77-78
• 參考文獻78-82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 華周發(fā);余意;潘牧;;動態(tài)響應(yīng)對質(zhì)子交換膜燃料電池性能影響研究[J];電源技術(shù);2011年11期

2 張麗彬;陳曉寧;吳文健;高洪濤;;質(zhì)子交換膜燃料電池發(fā)展前景探討[J];農(nóng)業(yè)工程技術(shù)(新能源產(chǎn)業(yè));2011年04期

3 王秋彥;鞠建波;宋振宇;;故障診斷技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J];電子測量技術(shù);2009年04期

4 宋霞;陳壁峰;張永生;肖金生;;車用PEM燃料電池發(fā)動機的動態(tài)響應(yīng)特性[J];車用發(fā)動機;2008年S1期

5 于春梅;張洪才;;工業(yè)過程故障診斷方法的研究進展[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 宋滿存;質(zhì)子交換膜燃料電池水淹過程研究及故障診斷系統(tǒng)設(shè)計[D];清華大學(xué);2013年

2 李奇;質(zhì)子交換膜燃料電池系統(tǒng)建模及其控制方法研究[D];西南交通大學(xué);2011年

3 華周發(fā);質(zhì)子交換膜燃料電池動態(tài)響應(yīng)研究[D];武漢理工大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 楊春;基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制算法的研究[D];太原理工大學(xué);2012年

2 陳雪嬌;空冷型質(zhì)子交換膜燃料電池動態(tài)特性控制與性能測試研究[D];南京理工大學(xué);2012年

3 陳建華;基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制研究及其應(yīng)用[D];華北電力大學(xué)（北京）;2007年

4 宋娟;燃料電池發(fā)動機多傳感器的故障診斷與容錯技術(shù)研究[D];武漢理工大學(xué);2006年

5 段向軍;基于神經(jīng)網(wǎng)絡(luò)的預(yù)測控制方法研究[D];大慶石油學(xué)院;2005年

，

本文編號：629890