英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
氢-空质子交换膜燃料电池的输出跟踪控制
摘要-氢-空质子交换膜燃料电池是很有前景的清洁能源，然而由于电堆的软特性，电堆的输出跟踪控制仍具有一些挑战性问题，过度和不足的控制都会引起堆栈崩溃和缺氧，这些会严重缩短电堆寿命。传统的控制方式是基于准确的燃料电池模型，这是一个高阶的非线性系统，且包括复杂的控制器设计过程。本文把基于数据的模糊聚类建模技术与滑模控制和积分结合起来，滑模控制器跟踪燃料电池系统的变化，积分控制器消除稳态误差，模拟结果表现良好。
关键词-燃料电池 模糊聚类建模 积分补偿 滑模控制
1介绍
日益严重的石油能源短缺和继续保护的环境促使我们发展新的清洁能源，氢空质子交换膜燃料电池的合成物是水，这在近些年得到了很高的关注。它可以独立或部分独立地应用于超级电容、电池、风能系统的混合系统来提供电能，一个应用上的阻碍就是电堆输出的软特性，燃料电池发出的电流不能及时跟踪负载变化，这是因为电化学反应的非线性特点，这个缺陷可以被第二种能源弥补，比如超级电容，但它提高了成本。
滑模控制作为一个可变结构的控制策略，在非线性系统控制方面有很强的应用价值，成功的滑模控制通常基于精确的建模，但是质子交换膜燃料电池是个高阶非线性系统，不容易得到准确的模型，但模糊聚类建模技术为我们提供了一种通过次级模型的平稳过渡解决非线性系统问题的方法，所以多种负载可以被实时跟踪。
近期的出版物中，研究人员主要聚焦在空气流控制并且认为负载变化是控制系统的阻碍，实际上这是以一种被动的方式来实现电压的跟踪，一个输出反馈电压控制系统已经被设计出来使跟踪误差和归一化命令的能量比最小，然而，电压跟踪误差的减小只能在外租不变的情况下实现。另一个方案是用非线性质子交换膜燃料电池动态的线性参数变参数系统形态的鲁棒控制方法，电压跟踪表现由跟踪误差与命令的比值的优化来反应。本文将滑模控制和模糊聚类建模技术相结合来解决氢-空质子交换膜燃料电池输出的跟踪问题。此外，积分环节用来抵消在固态误差上的不确定影响。
本文的其他部分组织如下，第二部分介绍了质子交换膜燃料电池系统并给出了工作机制和系统的半实验模型。第三部分列出了控制问题，第四部分说明基于模糊聚类模型的滑模控制器。第五部分给出了仿真。第六部分得出结论。
2对氢空质子交换膜燃料电池的描述
氢空质子交换膜燃料电池是一种清洁供能系统，它通过消耗氢气和空气来提供电能，整个系统由五个子系统构成：气体供应系统、加湿系统、控制系统、电堆系统和负载系统。这五个系统中，电堆是核心部分，是电化学反应区域，它有24个电池片，活跃部分面积是160平方厘米，电推在65摄氏度，整个输出点能可达到1KW，湿度系统提供能让质子和电子穿过交换膜的湿度；其他供给系统提供反应物，负载系统消耗发出的电能。以上所有系统由控制系统控制以提高发电效率，氢空质子交换膜燃料电池的机制和半实验模型用来检测输出跟踪算法，主要由激活电压模型、欧姆电压阻抗模型、集中电压模型、阴极流模型和阳极流模型等组成，摩西和参数在表中列出，读者可参考[19][20]。
图1氢-空燃料电池框图
3控制问题
氢空质子交换膜燃料电池是个清洁的能量转换系统，但是燃料电池反应堆具有软特性，传统控制下产生的电流不能实时跟踪负载的变化，因为燃料电池具有高阶非线性特性，这加大了控制问题的复杂性，一方面当产生的电流比要求的大时会引起电堆溢出（stack flooding），另一方面，当电流低于要求时会引起缺氧现象，这两种情况都可能缩短电堆寿命，一种有效的解决方法是构建一个电池、超级电容或其他电能的混合系统，燃料电池提供基本的输出，实际输出和要求的之前的误差由第二个电源补偿，但是这会增加成本和结构的复杂度，本文我们尝试设计一种新的控制算法来实现对氢空质子交换膜燃料电池高阶非线性系统进行无第二辅助电源的控制。
4基于模糊聚类模型的滑模控制设计
- 燃料电池的模糊聚类模型
氢空质子交换膜燃料电池是高阶非线性系统，机械模型很复杂，不能方便地实现输出跟踪控制，不过模糊聚类模型为我们提供了一种简单的解决方法，它近将非线性系统近似为（local sub-models）,通过隶属函数的平滑过度，非线性动态相应可由简单的此模型来描述，所以可通过滑模控制技术来设计输出跟踪控制器。氢空质子交换膜燃料电池可以通过T-S模糊模型来设计，这里模糊参数Ai和Bi可由GK算法的隶属度函数来描述，ai,bi可由使用氢空质子交换膜燃料电池输入输出数据的最小二乘识别法来估算。
GK模糊聚类算法是一种对消耗方程的一种优化，
其中为包含控制过程的输入输出对的观测向量，为范数导出矩阵，m是模糊参数，是ctimes;N矩阵，代表模糊分类。是群集原型向量，矢量内积平方常数，GK算法是一种通过加入合适的距离常量而对标准模糊c法算法的引申，它通过为每个集群引入范数导出矩阵而实现。由于无穷矩阵会影响优化，所以需要对做限制，
利用拉格朗日乘法，可得到如下Ai矩阵：
这里的F是第i个聚类的模糊协方差矩阵，由下式决定：
逐点隶属函数可定义如下：
为了定义一个滑模控制器，逐点隶属函数必须转化为某些数学函数，但是逐点隶属度函数通常由分段指数隶属函数代替，这些隶属函数的特征由它们的或决定，并且不能直接用于控制器设计中。为了解决这个问题，双层隐性神经元和线性输出神经元前馈网络被用来将隐式隶属函数转化成显式的。过程如下：
所以T-S模糊模型可以由下式得到：
图2隐性隶属度函数转化为显性隶属度函数
后件部参数ai，bi的估值可被看作是以下形式的最小二乘估算问题：
是输出矩阵；是测量矩阵；
是参数矩阵；
是噪声矩阵。
最小二乘法问题解决方法是
B. 滑模输出跟踪控制
从公式8可以看出，是在用神经网络替代了逐点隶属度函数后的y，u变量的描述函数。重新把8式写出来，可以得到
其中
设T为采样时间，让
我们可以得到
定义误差，误差变化率为，参考量和采样时的误差变化率参考量。
在采样时间k和k 1的切换函数为和
在上式中，控制动作写成
设计一个离散趋近率，，讲上式带入15式，可以得到控制定律。
其中
C. 稳态补偿
尽管模糊聚类模型可以反映出非线性燃料电池系统的动态响应，但是它不能完全替代燃料电池系统，因为其具有不确定性，但是，这个缺点可通过引入积分环节来弥补。核心方法是由模糊聚类模型跟踪动态响应，通过积分环节消除静态误差。积分控制器是一个辅助方法。设置积分参数的最重要的标准是要保持控制系统的稳定性。
仿真
为了给氢-空燃料电池设计滑模控制器，机理模型不能被直接应用，因为燃料电池的高阶非线性特性，然而T-S模型可以通过由模糊聚类技术得到输入输出数据得到。赋值25，频率0.06pi;，0.012pi;和0.03pi;的多正弦信号作为信号源，加到空气流量计集电压上，电堆电流变化。这些输入信号和电堆的输出电压被采集并作为模型的数据集，被划分为两部分，一半是给模糊聚类模型，另一半是用来验证。聚类的数量由c=3定义，模糊系数由m=2决定，终点判据为0.01。由图3可以看出，模糊聚类模型的输出与准确数据相符。这是通过三个独立的局部模型的重叠实现的，从隶属函数的定义平滑过度过来。
要设计滑模控制器，最好为输入变量u和输出变量y构造出显性隶属函数，因为在分子分母表现出的输入输出的变化可以消除，所以，滑模控制器的控制定律可以直接被计算出来。本文中，十乙状结肠隐层神经元和线性输出神经元的两层前馈网络被用来近似由模糊聚类技术得到的逐点隶属度函数，和为输入输出变化构造显性方程。
图3图像比较：过程输出、模型输出、独立区域模型和履行程度
三个独立的区域模型由此构造出来：
据此、公式8和神经网络计算结果，氢-空燃料电池模型可写成
用增量定义第二个方程为：
设，得到控制动作
在simulink的仿真如图4，氢空燃料电池模型由simulink library中的模块进行仿真，模拟了动作电压，欧姆电压损失，浓度电压，阴极流和阳极流等等。电堆电压设置由极化曲线决定，电堆的输出电流作为代表负载变化的输入电流。电堆的温度控制在65℃，输出电压由控制空气流量和氢气流量来控制。控制动作由两部分组成：一是用于跟踪电池动态响应的滑模控制器，另一部分是用来弥补稳态误差的积分控制器（积分系数设为0.9），滑模控制器在MATLAB m-s函数中编写。
控制表现在图5中反应出来，可以看到，电堆输出电压和被负载电流极化的参考信号非常吻合，控制动作在子图中显示出来。红色的点画线是滑模控制器的输出，绿色点画线是积分补偿的输出，蓝色实线是被用来设置空气流速或氢气流速电压的复合信号。可以看出，由符合控制器生成的控制动作可以在物理上被实现，因为电压变化是在0V-5V之间。如果没有辅助电源，本文推荐的控制算法可实现对高阶非线性氢-空燃料电池系统的输出跟踪控制。
为了验证本文的方法，我们将它与PID控制器进行比较，PID控制器参数为，图6 是仿真结果，可以看出PID控制器在第30s和第130s之间工作状况很好，但由于非线性，在第130s之后出现了震荡，相反本文的方法表现良好。
结论
本论文建议了输出跟踪滑模控制算法，针对氢-空燃料电池的电堆输出电压控制，算法基于
模糊聚类模型和积分环节。燃料电池的非线性机理半实验混合模型用来模拟控制算法，非线
图4氢-空燃料电池系统的Simulink仿真图<!--
全文共4112字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15360]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
