神经网络在pem燃料电池温度控制中的应用分析-application and analysis of neural network in pem fuel cell temperature control.docxVIP

摘要 摘要 质子交换膜燃料电池已经成为当今燃料电池领域中研究最广泛、发展最快的 一个分支。为了给设计、优化和应用质子交换膜燃料电池提供科学的依据，需要 相应的测试系统对其运行的各种参数进行精确控制。本文结合电子科技大学承担 的项目“质子交换膜燃料电池测试系统”，对系统中的露点加湿器温度控制和电 堆温度控制展开研究。 针对露点加湿器温度控制系统的高度非线性以及大范围负载扰动的特性，本 文提出将神经网络与 PID 控制器相结合的控制方式，利用神经网络的的任意非线 性表达能力，通过系统的训练整定 PID 控制器的参数，以达到最优的 PID 控制。 文中分别设计了基于 BP 神经网络和基于径向基函数神经网络的 PID 控制系统，详 细研究了这两种前向网络的结构和训练算法，并对它们的实验结果进行了比较研 究。 PEM 燃料电池电堆温度控制系统是具有时变性、大滞后、不确定性和非线性 的强耦合系统，难以建立精确的数学模型，因此本文采用对模型精度要求不高同 时又具有高质量控制性能的模糊神经网络控制器对其进行控制。它是一种基于神 经网络理论和模糊逻辑的复合智能控制，通过神经网络的学习能力来优化模糊逻 辑的经验规则，从而实现对电堆温度的有效控制。本文在 Matlab/Simulink 平台建 立了电堆温度控制系统的模型并进行了仿真，模糊神经网络控制器在较大幅度变 化的系统参数下都得到了很好的仿真曲线，说明模糊神经网络控制系统具有很好 鲁棒性和良好的控制品质，能够满足参数时变的 PEM 燃料电池电堆温度控制系统 的要求。 关键词：质子交换膜燃料电池，温度控制，BP 神经网络，径向基函数神经网络， 模糊神经网络 I II II Abstract Abstract Nowadays proton exchange membrane fuel cell(PEMFC) has been a most widely studied and fastest developed embranchment in fuel cell research. In order to provide reasonable principle for design, optimizing and application of fuel cell, a testing and measurement system is necessary to control the parameters of the fuel cell accurately. The focus of this dissertation is the research of temperature control of dew point humidifier and PEMFC stack, And the research is based on the project about PEMFC Testing and Measurement System taken by UESTC. In the dissertation, a sort of PID controller based on neural network is put forward to effectively solve the dew point humidifier temperature control problems caused by the large range of disturbances and nonlinear. Using the capacity of arbitrary nonlinear expressiveness, neural network can help to achieve the best control effects through trainning systemic performance and adjusting PID parameters automatically. Two neural network for controller design is introduced: BP and RBF, including their structure, trainning algorithm and comparison of experiment data. PEMFC stack temperature control system is a strong-coupling system with characteristics of time-change, long-hysteresis, uncertainty and nonlinea