PEMFC的容错控制研究

发布时间：2017-08-06 12:32

  本文关键词：PEMFC的容错控制研究

  更多相关文章： 质子交换膜燃料电池 数学模型 故障诊断 容错控制 反馈线性化 模型预测控制

【摘要】：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。
【关键词】：质子交换膜燃料电池 数学模型 故障诊断 容错控制 反馈线性化 模型预测控制
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM911.4
【目录】：

• 摘要5-7
• Abstract7-11
• 第一章 绪论11-18
• 1.1 课题的背景及意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 燃料电池研究现状12-13
• 1.2.2 PEMFC故障诊断研究现状13-14
• 1.2.3 PEMFC容错控制研究现状14-16
• 1.3 结构安排16-18
• 第二章 PEMFC数学模型的建立18-39
• 2.1 PEMFC基本原理18-19
• 2.2 健康状态下PEMFC数学模型19-31
• 2.2.1 阳极流量模型20-21
• 2.2.2 阴极流量模型21-24
• 2.2.3 输出电压模型24-27
• 2.2.4 膜水合模型27-31
• 2.3 膜干状态下PEMFC数学模型31-33
• 2.4 水淹状态下PEMFC数学模型33-34
• 2.5 仿真验证34-38
• 2.6 本章小结38-39
• 第三章 基于反馈线性化的PEMFC容错控制39-58
• 3.1 基于反馈线性化的容错控制方案39-40
• 3.2 PEMFC故障诊断40-43
• 3.2.1 故障诊断策略40-42
• 3.2.2 健康状态BP神经网络的建立42-43
• 3.3 重构控制器的设计43-51
• 3.3.1 线性反馈控制器43-46
• 3.3.2 基于线性反馈控制的重构控制器46-51
• 3.4 仿真结果51-56
• 3.4.1 健康状态的容错控制51-53
• 3.4.2 膜干故障的容错控制53-55
• 3.4.3 水淹故障的容错控制55-56
• 3.5 本章小结56-58
• 第四章 基于模型预测控制的PEMFC容错控制58-75
• 4.1 基于MPC的容错控制方案58-59
• 4.2 神经网络模型预测控制59-71
• 4.2.1 神经网络模型预测控制结构59-61
• 4.2.2 健康状态下神经网络预测模型61-63
• 4.2.3 膜干状态下神经网络预测模型63-64
• 4.2.4 水淹状态下神经网络预测模型64-65
• 4.2.5 基于递推多步预测控制65-71
• 4.3 仿真结果71-74
• 4.3.1 健康状态的容错控制71-72
• 4.3.2 膜干故障的容错控制72-73
• 4.3.3 水淹故障的容错控制73-74
• 4.4 本章小结74-75
• 第五章 总结与展望75-77
• 5.1 总结75-76
• 5.2 展望76-77
• 致谢77-78
• 参考文献78-82

【参考文献】

中国期刊全文数据库 前5条

1 华周发;余意;潘牧;;动态响应对质子交换膜燃料电池性能影响研究[J];电源技术;2011年11期

2 张丽彬;陈晓宁;吴文健;高洪涛;;质子交换膜燃料电池发展前景探讨[J];农业工程技术(新能源产业);2011年04期

3 王秋彦;鞠建波;宋振宇;;故障诊断技术研究现状及发展趋势[J];电子测量技术;2009年04期

4 宋霞;陈壁峰;张永生;肖金生;;车用PEM燃料电池发动机的动态响应特性[J];车用发动机;2008年S1期

5 于春梅;张洪才;;工业过程故障诊断方法的研究进展[J];合肥工业大学学报(自然科学版);2008年01期

中国博士学位论文全文数据库 前3条

1 宋满存;质子交换膜燃料电池水淹过程研究及故障诊断系统设计[D];清华大学;2013年

2 李奇;质子交换膜燃料电池系统建模及其控制方法研究[D];西南交通大学;2011年

3 华周发;质子交换膜燃料电池动态响应研究[D];武汉理工大学;2010年

中国硕士学位论文全文数据库 前5条

1 杨春;基于神经网络的非线性预测控制算法的研究[D];太原理工大学;2012年

2 陈雪娇;空冷型质子交换膜燃料电池动态特性控制与性能测试研究[D];南京理工大学;2012年

3 陈建华;基于神经网络的非线性预测控制研究及其应用[D];华北电力大学（北京）;2007年

4 宋娟;燃料电池发动机多传感器的故障诊断与容错技术研究[D];武汉理工大学;2006年

5 段向军;基于神经网络的预测控制方法研究[D];大庆石油学院;2005年

，

本文编号：629890