燃料电池的模糊神经网络辨识建模与电压控制

针对直接甲醇燃料电池(DMFC)输出电压易受电池负载变化影响的问题,提出了利用模糊神经网络辨识技术建立DMFC的电特性模型.基于该辨识模型,设计了一个自适应模糊神经电压控制器,其参数采用改进的BP算法进行在线修正.仿真结果表明,对DMFC采用辨识建模的方法是有效的,建立的模型精度较高,所设计的自适应模糊神经电压控制器性能优越.     

基于一种改进自适应模糊神经技术的PEMFC系统建模和控制

从质子交换膜燃料电池(PEMFC)实际应用的角度出发，应用自适应模糊神经网络技术对PEMFC系统进行建模与控制．在建模过程中，同时应用实验数据和专家经验对模型进行辨识，使模糊节点具有明确的物理意义和初始参数的选择更加容易．在控制过程中，将训练好的网络模型作为PEMFC控制系统的参考模型，采用自适应神经网络学习算法(ANA)在线对控制器参数进行自适应调整，采用最近邻聚类算法(NCA)对控制器的模糊规则库进行更新．在仿真实验中，将自适应模糊控制算法与PID和传统模糊算法进行比较，结果表明本算法控制性能优良．     

基于模糊辨识的燃料电池建模

通过分析直接甲醇燃料电池(DMFC)的组成结构、工作原理，运用电化学、流体动力学、热力学等学科理论，建立DMFC电池性能数学模型，并根据DMFC实验数据进行了仿真。由于数学模型具有复杂性，难以满足工程上对DMFC控制系统的设计，特别是实时控制需要的情况，因此采用一种基于在线辨识的模糊预测算法对DMFC电堆进行建模。结果表明，这种数学建模是合理和可行的，对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

基于模糊PID的质子交换膜燃料电池输出电压控制

为了保持质子交换膜燃料电池(PEMFC)的输出电压稳定,该文提出了一种电压动态控制模型.设计了一种自适应模糊比例积分微分(PID)控制器.通过3个模糊控制器实时地整定PID控制器参数.当电池负载发生变化时,通过调节氢气流速控制PEMFC电堆的输出电压.仿真结果表明,所建模型能较好地反映PEMFC的动态性能.与PID控制器相比,自适应模糊PID控制器可以使电池的输出电压快速平滑地过渡到设定值.     

基于滑膜控制和SAFNN的鲁棒混沌同步

针对带有干扰的混沌系统,进行了基于自组织自适应模糊神经网络(SAFNN)的同步控制器的设计,采用基于聚类划分的模糊神经网络,推导出模糊神经网络参数在线更新算法,并设计了神经网络结构自适应算法,从隶属度函数的生长、模糊规则的分裂和模糊规则的修剪三个方面动态调整模糊神经网络结构,摒弃了常规的试错法来调整系统的结构和参数,以便更好地满足对计算负荷和控制性能的要求,实现两者之间的平衡;最后结合滑模控制器和鲁棒控制器,对带有干扰的混沌系统进行同步控制仿真,仿真结果表明该方法有效。     

直接甲醇燃料电池的数学建模与神经网络辨识建模

针对直接甲醇燃料电池(DMFC)非线性系统建模问题,提出了两种不同的建模方法(1)采用电化学、流体动力学、热力学等理论,建立了DMFC电池性能数学模型;(2)利用改进型BP神经网络建立DMFC电池性能辨识模型.结合DMFC实验数据进行仿真测试,结果表明这两种建模方法均合理、有效,建立的模型精度较高,从而为设计DMFC在线控制器奠定了基础.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

热障涂层加热系统的自适应模糊预测控制

针对航空发动机热障涂层加热过程中的时变、大惯性、滞后以及高度非线性等问题,提出了一种基于T-S模糊模型的广义预测控制策略来控制涂层的温度。首先,针对模糊C均值(FCM)算法容易陷入局部最优的问题,采用自适应遗传粒子群优化(GA-APSO)算法来优化模糊C均值(FCM)算法的全局寻优能力,并对T-S模糊模型的前件参数进行辨识;其次,采用自适应遗忘因子的递推最小二乘法来估计T-S模糊模型的后件参数。 最后,根据得到的T-S模糊模型设计模糊预测控制器并进行仿真实验。仿真结果表明,在利用自适应遗传粒子群算法对FCM算法进行优化后,算法的初始适应度值、收敛适应度值以及辨识模型的均方误差都有较大程度的降低,说明改良后算法的全局寻优能力得到了很大提升,对样本的模糊聚类效果也更好。在有干扰的情况下利用PID控制器和模糊预测控制器分别跟踪期望温度,相比传统的PID控制,模糊预测控制的控温精度更高,达到稳定期望温度所需时间更短,仿真结果验证了控制方法的有效性。     

基于模糊T-S自适应观测器的近空间飞行器故障诊断与容错控制

提出了一种基于自适应观测器的故障诊断与容错控制策略,应用到近空间高超声速飞行器(NSHV)上处理执行器故障.NSHV是非线性、多变量和强耦合的系统,首先使用T-S模糊技术建模,基于T-S模型设计自适应故障诊断观测器(AFDO).然后定义AFDO和实际系统误差的范数作为残差来检测故障,采用自适应故障估计算法估计系统故障.基于所得故障信息,设计容错控制器(FTC)来补偿执行器的失效.通过求解线性矩阵不等式得到AFDO的增益矩阵,采用Lyapunov理论证明了误差系统的稳定性.最后,对高超声速飞行器的纵向模型进行算法验证,仿真结果表明了所提方法的有效性.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.     

Neural—networks—based Modelling and a Fuzzy Neural Networks Controller of MCFC

Molten Carbonate Fuel Cells(MCFC) are produced with a highly efficient and clean power generation technology which will soon be widely utilized.The temperature characters of MCFC stack are briefly analyzed.A radial basis function (RBF) neural networks identification technology is applied to set up the temperature nonlinear model of MCFC stack,and the identification structure,algorithm and modeling training process are given in detail.A fuzzy controllery of MCFC stack is designed.In order to improve its online control ability,a neural network trained by the I/O data of a fuzzy controller is designed.The neural networks can memorize and expand the inference rules of the fuzzy controller and substitute for the fuzzy controller to control MCFC stack online,A detailed design of the controller is given,The validity of MCFC stack modilling based on neural networks and the superior performance of the fuzzy neural networks controller are proved by Simulations.     

质子交换膜燃料电池电堆温度特性的模糊建模

根据PEMPC电堆温度控制的需要,建立了PEMFC电堆的工作温度与运行参量之间的定量关系模型,为建立面向控制的PEMFC温度非线性模型提供了一种新思路.在建模过程中,采用模糊辨识方法建立PEMFC控制系统的模糊模型,仿真和实验结果表明,该模糊辨识方法对质子交换膜燃料电池电堆的建模和控制提供了一条可供参考的途径.     

MCFC电堆的自适应模糊控制器的设计

根据熔融碳酸盐燃料电池（MCFC）的数学模型，为了在温度允许界限内保持MCFC电堆对外电压输出的恒定，采用自适应模糊控制理论对MCFC电堆的控制进行研究，设计了一种具有两个自适应调整模块（参数调整模块和聚类分析模块）的模糊控制器，仿真结果表明自适应模糊控制方法在性能和效果上都比PID控制有明显的提高，从而能够保证MCFC电堆在运动过程中的可靠性。     

用于直接甲醇燃料电池系统甲醇浓度控制的软测量

为了提高直接甲醇燃料电池燃料的效率,并使该系统微型化,提出了一种用于控制该系统中循环甲醇浓度的软测量算法。该算法利用甲醇浓度对电化学响应的特性,将电堆的电流、电压以及温度作为对浓度的响应参数,将每片电池作为传感原件,准确测量电池的电流、电压和温度。结果表明,采用该算法从实验结果推测值的甲醇浓度误差小于0.40%。该算法可用于微型燃料电池的开发。     

加热炉待轧时炉温模糊决策

基于对加热炉动态过程受控特征分析,将数学模型方法、模糊控制理论和模糊优化方法应用于加热炉动态过程炉温优化及控制研究.建立了加热炉待轧时炉温模糊优化模型,构造了以钢坯导热机理模型为基础的炉温在线模糊控制决策系统.在此基础上对典型待轧过程进行了炉温控制决策的计算机数值仿真.结果表明,炉温模糊决策结果使在炉钢坯获得了满意的控制效果.本文的模型方法可以有效地应用于加热炉控制系统.