平板式固体氧化物燃料电池的建模与仿真研究

基于气流模型以及热模型利用流体力学计算软件Fluent,建立平板式固体氧化物燃料电池（SOFC）的计算流体力学（CFD）模型。模型中采用电化学反应控制方程、质量、动量和能量守恒方程描述电池内的传热传质等物理过程,并对电池内部的运行电压、温度以及各种极化分布情况,进行了数值模拟。研究给出了顺流平板型SOFC与逆流平板型SOFC情况下,运行电压、温度和极化的分布。结果显示逆流平板型SOFC可获得更好的性能,具有更大的电功率密度和燃料利用率。     

基于多孔基片聚合物注入方法的薄膜固体氧化物燃料电池无支撑薄膜制备研究

为了控制薄膜固体氧化物燃料电池阳极的小孔尺寸,该研究提出了一种工艺简便的聚合物注入方法。首先,将液体聚苯乙烯以一定的压力注入到多孔氧化镍-氧化钇稳定的氧化锆(NiO-YSZ)基片;然后,经过机械切割,利用溅射法在阳极基片上沉积 300 nm 厚的电极薄膜;最后,利用热解法将 基片孔隙的聚苯乙烯移除,完成多孔阳极基片上的电极薄膜制备。利用该法获取的 NiO-YSZ 基片具有更好的小孔尺寸可控性,同时可以实现无支撑薄膜的制备,从而显著提高大面积薄膜固体氧化物燃料电池的生产效率。     

启发式动态规划在糖厂澄清工段pH值控制中的应用

糖厂澄清工艺是一个复杂的物理化学反应过程,具有强非线性、时变大时滞、多输入输出等特点,对其建立精确的数学模型和实现pH值的稳定控制非常困难.为此,基于模糊神经网络和启发式动态规划(HDP)控制器,构建了模糊神经网络模型.该模型的具体实现过程是将HDP优化方法应用于澄清工段,模拟试验装置中的中和pH值控制.试验表明,该控制系统取得了很好的控制效果,具有很强的鲁棒性.     

燃料电池的免疫优化小波网络动态建模仿真

直接内部重整固体氧化物燃料电池(DIR-SOFC)是一种直接以碳氢化合物作为燃料,将化学能转化为电能的发电装置。小波网络(WNN)结合了小波分解的多分辨率逼近(MRA)的优点和神经网络非线性过程学习的能力。为了避免考虑DIR-SOFC内部反应复杂、参数耦合严重的情况,采用了WNN作为辨识工具,并结合免疫算法进行优化,对DIR-SOFC的动态特性进行建模。选取入口燃料流速、空气流速和负载电流作为输入量,对燃料电池的输出电压和温度的动态响应进行预测,并与采用RBF神经网络(RBFNN)方法得到的建模结果进行比较。仿真结果表明,通过该动态模型,电压和温度的预测值与验证数据间的相对误差绝对值分别小于0.0007和0.0004,平均相对误差分别为0.0003和0.0002,能够获得较高的精度并有效地对DIR-SOFC进行动态仿真。     

固体氧化物燃料电池温度特性的T-S模糊建模

固体氧化物燃料电池（SOFC）工作温度对于其输出电特性的性能起着重要的作用。由于电池在电化学反应过程中,温度特性呈现强非线性等特性,采用常规机理建模后难以在该模型的基础上较好地管理温度特性。为此,设计了面向控制的改进型T-S模型的模糊建模方法来解决此难题。实验仿真结果表明该模糊模型能精确拟合温度动态响应的映射特性,为下一步控制算法的实现奠定了良好的基础。     

燃料电池发动机优化控制建模与元胞蚂蚁算法

以某燃料电池发动机为原型,将神经网络辨识方法应用到其非线性系统的建模。在此基础上,将元胞蚂蚁算法应用于燃料电池发动机优化控制问题,以低温启动时暖机时间（升温至正常工作温度范围）最短和提高燃料电池发动机的输出功率为优化控制目标。蚂蚁算法是一种新型的进化算法,它具有许多优良的性质,因此被广泛用于求解各类组合优化问题。但基本的蚂蚁算法有许多不足,比如它搜索速度慢。将元胞自动机与蚂蚁算法结合,通过对结点的生死状态演变,加快了算法的寻优速度,并最大可能地避免陷入局部最优。最后通过对模型的测试,采用元胞蚂蚁算法优化后的控制方法基本达到了上述目标,证明了建模的合理性的同时,显示出了该文优化控制方法的优越性。     

基于人工神经网络的固体氧化物燃料电池性能 预测模型开发

固体氧化物燃料电池(Solid-Oxide Fuel Cell,SOFC)因其能量转换效率高而备受关注,但其相 关技术非常复杂,技术成熟度比质子交换膜燃料电池、直接甲醇燃料电池等其他类型的燃料电池低。 SOFC 的微观结构是影响其性能的因素之一,为加速 SOFC 的商业化应用,需要对其复杂微观结构进 行有效优化。同时,SOFC 性能测试实验耗时长、费用高,而高可靠性的 SOFC 计算机模型可用来缩 短 SOFC 微观结构优化时间和降低研发成本。该研究根据阳极支撑 SOFC 结构变化对应的性能实验 数据,开发了一种基于人工神经网络的、根据结构特性来预测其性能的 SOFC 计算机模型。实验过程 利用部分数据对该人工神经网络进行训练,并利用另一部分数据对其进行验证。结果显示,所开发的 SOFC 模型能够准确地根据微观结构的变化呈现其性能变化,适合用于 SOFC 微观结构的优化。     

基于深度学习的SOFC球壳结构检测方法

为优化固体氧化物燃料电池(SOFC)制备工艺提供数据支持和理论依据,提出一种基于光学显微镜微观图像的球壳检测方法。在SOFC阳极微观图像上如果出现球壳结构,表明氧化镍(NiO)未完全还原,该现象严重影响电池的电化学性能、稳定性和使用寿命。为此,利用深度学习方法对SOFC光学显微镜图像进行球壳结构检测,分析阳极NiO的还原程度,通过预选框尺度、网络结构及参数的优化来提高检测性能。为充分利用有限的数据训练网络模型,对训练数据进行扩增。实验结果表明,该检测方法可准确有效地检测与识别形状复杂的SOFC阳极球壳结构,具有检测速度快,球壳结构定位精度较高等优点。     

两种固体氧化物燃料电池系统的故障建模与仿真对比研究

固体氧化物燃料电池(SOFC)系统的建模方式较多,而基于机理模型的故障诊断是能够通过系统的动态趋势辨别故障的有效手段之一,但该方法对机理模型的准确性有要求.此外,不同的燃料供给系统采用的系统结构也是有差异的,进而导致在相同故障下SOFC系统的动态响应也是不同的.因此,本文基于两种燃料供应方式,提出了分别以纯氢气和天然气作为燃料的SOFC系统结构,并基于原有机理知识进行MATLAB/Simulink系统建模.经与真实SOFC系统实验对比,搭建的系统模型能够有效模拟系统在无故障状态下的动态变化;另外,在无故障模型的基础上,分别加入两类常见故障,其一为风机故障,其二为燃料供应管路泄露.最后通过仿真分析,明确了所搭建模型的合理性,且发现了两种燃料供应对SOFC系统热响应特性是不同的,对SOFC系统故障的检测和设备选型具有重要意义.     

基于神经网络和混合遗传算法的优化控制研究

本文主要提出一种对复杂系统进行智能优化控制的解决方案,首先采用神经网络对欲控制的复杂系统进行建模,然后采用实际数据构建针对性的神经网络模型,最后用混合遗传算法对神经网络模型进行制定参数寻优,从而获得对复杂系统的智能优化控制。在理论探讨的基础上,本文给出了此优化控制方法的相关MATLAB程序,只要针对具体问题稍加调整,相信此程序能较好地解决实际中复杂系统的优化控制问题。     

Optimal Controller Design with Communication Delay for Solid Oxide Fuel Cell

Development of distributed control algorithms has attracted significant attention for control of large‐scale processes. In distributed control systems, there are signal transmissions between local subsystems. One subsystem does not have complete knowledge of the whole system and interactions between subsystems are not completely considered. Communication delay also places limitations on achievable best performance. In this paper, considering communication delay, a distributed method is proposed to design an optimal controller using a discrete linear model. The advantage of the proposed method is in taking communication delay into account and being robust against subsystem failure. The proposed approach has been applied on a solid oxide fuel cell, which is extremely nonlinear and has a huge number of state variables. The results show the advantages and applicability of the proposed method.     

管式SOFC数学模型及系统性能分析

固体氧化物燃料电池(SOFC)是一种高效低污染的新型能源。该文基于物质和能量守恒并耦合流体流动、热量产生和传递以及电化学知识建立了以天然气为燃料的管式固体氧化物燃料电池的数学模型,对模型进行求解,并分析系统参数(电流密度、工作压力、燃料的摩尔流量等)对系统性能(发电量、发电效率等)的影响。结果表明:SOFC系统的发电效率可以达到50.73%。通过增加单电池个数来减小电流密度可以增加系统发电量和发电效率,但是会增加系统投资;增大燃料电池的工作压力可以改善系统的性能;而增加燃料的摩尔流量(燃料利用率不变)会使系统的发电效率降低。     

一种神经网络PID控制在燃料电池测试系统中的应用研究

对燃料电池测试系统中露点加湿器的温度控制进行研究,提出了一种用BP神经网络进行参数整定、积分分离的PID控制算法.利用神经网络的任意非线性表达能力,通过对系统的学习来调整PID参数,实现最优的PID控制.通过在实际燃料电池测试系统中的实验表明,这一算法实现的PID控制系统控制稳态好、过冲小、收敛快.     

燃料电池发动机的模糊神经网络温度控制研究

燃料电池发动机的温度控制是整个系统控制的重要环节,其控制效果对系统输出性能影响重大;针对发动机温度控制惯性大和超调量大的特点,研究了质子交换膜燃料电池发动机的发电原理及其循环水温度控制系统的结构;结合电加热、风冷与水冷的温度控制方案,提出了利用模糊神经网络控制算法对燃料电池发动机进行温度控制的方法;实验结果表明使用了该算法进行温度控制的燃料电池发动机系统温度响应速度快且超调量小,其动态性能得到了较大的改善。     

执行依赖启发式动态规划PMSM控制策略研究

永磁同步电机算法中的PID参数固定不变,自适应能力较差;近似动态规划具有自学习能力,能动态调整参数,增强系统的自适应能力;文章将近似动态规划中的代表性算法——执行依赖启发式动态规划与类PI网络相结合,根据环境反馈对各个策略进行评价,选取评价最优的策略在线调整动作网络参数,对永磁同步电机进行自适应最优控制;仿真结果表明,执行依赖启发式动态规划加PI控制算法在系统速度变化和负载变化过程中,动态效果和稳态精度优于传统PID控制.     

燃料电池控制系统开发

首先介绍了燃料电池的原理和分类，质子交换膜燃料电池的主要特点和技术问题；并针对PEMFC电堆系统的复杂性，提出了PEMFC电堆系统结构．系统结构主要包括：燃料贮存与供给系统、空气供给系统、冷却水循环系统、功率测量系统、控制系统、报警系统和通讯系统。然后以定点DSP芯片TMS320F2812作为控制系统的核心，详细分析了质子交换膜燃料电池控制系统的硬件设计和软件设计；采用了合适的控制策略和控制算法，形成了实用化的燃料电池控制系统的雏形。     

燃料电池车分布式控制网络的研究

介绍了燃料电池电动车分布式整车控制系统的任务和组成，分析了各ECU节点的功能。讨论了车载光纤CAN分布式通信网络的设计，提出了基于有源星形耦合器的光纤CAN星形通信网络，并设计了一个基于CPLD的带CANH、CANL接口的星形耦合器。简要介绍了燃料电池车分布式控制网络的传送协议。装车试验表明燃料电池车分布式控制网络设计合理，取得了满意的控制效果。     

利用人工神经网络SNC进行最优励磁控制

BP神经网络是一种多层结构的映射网络。由于它计算简单、存储量小，并具有分布并行处理特性，所以是目前应用最广的一种模型。本文设计了一种BP神经网络的监督学习控制器（SNC），在线性最优励磁控制的基础上，利用3层BP神经网络对柴油发电机的控制过程进行监督学习。通过对网络的训练，使其能达到实时控制的目的。仿真结果表明，所设计的SNC在系统运行方式较大的变化范围内，都能提供很好的控制性能。