基于ALMBO算法的PEMFC分数阶时域子空间模型研究

针对质子交换膜燃料电池（PEMFC）发电过程复杂难以建模的问题,考虑PEMFC系统的分数阶特性,提出一种基于优化的分数阶时域子空间辨识方法,并建立PEMFC的分数阶状态空间模型。首先,将分数阶微分理论与子空间时域辨识方法相结合,采用Poisson滤波器对输入输出信号进行滤波处理,并引入权重矩阵提高辨识的精度;其次,对Poisson滤波器以及辨识的分数阶阶次寻优,提出一种变异反向学习的自适应帝王蝶优化算法（ALMBO）,在迁移算子中引入变异反向学习策略、并融入自适应权重来提高寻优的精度,防止陷入局部最优解。最后,通过仿真结果验证算法的有效性,所得的PEMFC辨识模型能准确描述PEMFC的动态过程。     

质子交换膜燃料电池模型的频域分数阶子空间辨识

针对质子交换膜燃料电池(PEMFC)系统发电过程中的分数阶特性, 本文提出了一种频域分数阶子空间辨识方法建立PEMFC的分数阶状态空间(FOSS)模型. 考虑到时域分数阶的微分形式计算复杂度较大, 将时域中的分数阶微分在频域中转化为乘积的形式. 首先, 采用随机多频正弦激励信号对时域采集的信号进行处理, 得到输入输出的频率响应数据; 其次, 利用频率响应数据构造实、虚部矩阵; 接着, 通过RQ分解、SVD分解以及最小二乘法求取系统系数矩阵A, B, C, D; 由于参数同元分数阶次α、辅助阶次q以及频域采样点数M未知, 本文提出了一种GA–PSO算法进行优化, 将PSO算法作为主线, 加入GA算法中的选择、交叉和变异操作, 以进一步提高个体的自适应调整搜索方向、增强全局寻优的能力. 仿真结果验证了算法的有效性, 频域分数阶子空间辨识方法得到的输出能够较好的跟随实测数据, 且优化后的辨识结果误差更小, 精确度更高, 能够更准确地描述PEMFC的电特性变化过程.