欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022108618238
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 基本电气元件
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种燃料电池系统空气供给回路的控制方法,其特征在于,包括以下步骤:步骤一、燃料电池系统空气供给回路建模,包括电堆模型和空气供给回路模型两部分;

其中电堆模型包括电化学模型、电堆流场气体动态模型和膜含水量模型;空气供给回路模型包括空压机模型、供给管路模型、中冷器模型、加湿器模型、排气管路模型和背压阀模型;

步骤二、模型预测自抗扰控制器设计

(1)建立空气供给回路控制模型

空气供给回路控制系统的状态向量为 控制输T

入为u=[υcp θ],建立燃料电池空气供给回路面向控制的六阶动态方程如下:式中: 为阴极流场氧气质量, 为阴极流场氮气质量,ωcp为空压机转速,psm为供给管路气体压强,msm为供给管路气体质量,prm为排气管路气体压强,υcp为空压机的控制电压,θ为背压阀的开度, 为混合气体中氧气的质量分数,ksm_out为供给管路出口的流量系数,pca为阴极流场气体压强, 为混合气体中氧气质量分数,kca_out为阴极流场出口的流量系数,n为单体燃料电池的数目, 为氧气的摩尔质量,F为法拉第常数,Ist为电堆电流, 为混合气体中氮气的质量分数, 为混合气体中氮气质量分数,Jcp为空压机和电机的连接惯性,ηcm为电机的机械效率,kt、Rcm和kυ为驱动电机的常数,Cp为空气的比热容,Tatm周围环境空气的温度,ηcp为空压机的效率,patm为大气压的压强,γ为比热容比,在空气中一般γ=1.4,Wcp为空压机的出口流量,Ra为理想气体常数,Vsm为供给管路的体积,Tcp_out为空压机的出口气体温度,Tsm为供给管路气体的温度,Trm为排气管路中的气体温度,Vrm为排气管路的容积,Wrm_out为排气管路出口混合气体的质量流量;

(2)阴极流场气体压强滑模微分观测器根据燃料电池空气供给回路系统建立的面向控制模型,阴极流场气体压强pca可以根据排气管路气体压强prm即系统状态量x6进行滑模微分观测器设计:式中:λ0,1,λ0,2,λ1,1,λ1,2为微分器的调节参数,一般为常数,v0,z0,z1是微分器系统内部的状态量;q、p是Terminal吸引因子的设计参数,其满足条件:q>p>0;

排气管路气体压强的跟踪误差为ef1=z0‑x6,系统的干扰ξ(t)=0,系统的观测误差则微分观测器的误差系统如下:燃料电池电堆的阴极流场压强 可在观测出x6的基础上求得:(3)利用输入输出反馈线性化对非线性系统进行解耦将六阶动态模型写成状态空间方程的形式:T

式中:x为n维系统的状态向量,u为系统的输入向量,系统的控制目标y=[psm pca];

阴极流场气体压强pca可以根据流场内各组分气体的压强相加得到:式中: 和Rvapor分别表示氮气、氧气和水蒸气的气体常数,Vca为燃料电池电堆阴极流场的容积,Tst为电堆温度;

状态空间表达式中各部分参数具体表示如下:h1(x)=x4

式中:h2(x)可以根据流场内各组分气体的压强相加得到, 和Rvapor分别表示氮气、氧气和水蒸气的气体常数,Vca为燃料电池电堆阴极流场的容积,Tst为电堆温度;

Lie导数Lfh定义为标量函数h(x)沿向量场f(x)的导数;

空气供给系统的解耦矩阵a(x)如下:定义系统矩阵b(x):

通过系统的解耦矩阵可得,空气供给系统的线性模型:T

通过设计反馈线性化后系统的虚拟控制输入量υ=[υ1 υ2],燃料电池系统的实际控制输入信号u:(4)设计扰动观测器,对系统不确定性的扰动与误差进行观测估计系统包含不确定性项的模型如下:

式中,d1和d2表示系统的未知扰动;

将上式参数进行变换,令:

将系统的扰动观测器设计如下:

则系统观测跟踪误差:

对于三阶的扰动观测器,其增益可配置为:通过配置参数 和 使得扰动观测器的跟踪误差趋近于零,把观测器估计的扰动估计值 回代可得:(5)将扰动估计信号结合模型预测控制器的虚拟控制输出共同作用于反馈线性化的被控系统将反馈线性化后得到的线性模型写成一般状态方程的形式:式中:

则,系统矩阵A,B,C可以写成如下形式:对系统一般状态方程进行离散化处理,离散步长为T,离散后的状态空间方程如下:μ(k+1)=G(T)μ(k)+H(T)υ(k)其中:

AT

G(T)=e ≈TA+I

预测时域为p步长以及控制时域为m步长的预测方程如下:其中:

定义的期望序列R(k+1|k)如式所示:T

R(k+1|k)=[r(k+1|k)r(k+2|k)…r(k+p|k)]式中:r(k+i),(i=1,2,…,p)表示未来k+i时刻的期望值;

当前控制器的优化代价函数J如下:

为得到系统的最优控制序列 对代价函数进行最优值求解,即:

系统的控制约束如下:

式中,υcp_min、υcp_max为空压机的控制电压最小值与最大值;

在预测时域内的输出量偏差如下:

E(k)=Sμμ(k)‑R(k+1)则控制器的优化函数可得:

将上述目标优化函数通过矩阵变化转换为标准二次型函数,令:则优化函数可写为:

结合扰动观测器对被控系统不确定性的估计值 和模型预测控制的虚拟控制输出值υ1,υ2,得到控系统的真实控制输入u1,u2表达式: