质子交换膜燃料电池动态响应建模与仿真研究

为研究质子交换膜燃料电池(PEMFC)电堆的输出响应,利用Matlab-Simulink仿真工具对PEMFC进行系统动态模型建立.通过使用燃料电池测试系统,在不同的运行条件下对PEMFC的暂态电响应进行测量和分析.实验数据与仿真结果吻合较好,表明该模型是有效和可操作的,有助于改善PEMFC的设计,提高其性能.     

质子交换膜燃料电池动态建模与仿真

基于质子交换膜燃料电池(PEMFC)的动态输出特性,利用Matlab/Simulink仿真工具提出一种新颖的PEMFC动态模型.通过使用新加坡淡马锡理工学院燃料电池应用中心的燃料电池测试系统,对PEMFC的暂态电响应进行测量和分析.仿真结果与实验数据吻合较好,并且通过在不同运行条件下的结果比较,证明该模型能够有效反映PEMFC系统的动态特性.该建模方法有助于改善PEMFC系统动态模型、PEMFC的输出性能以及可应用于PEMFC实时控制系统的设计.     

一种改进的质子交换膜燃料电池动态建模

为研究质子交换膜燃料电池(PEMFC)的输出特性,在目前已提出的动态模型基础上进行了改进,并加入气体流量模型和热力学模型,利用Matlab-Simulink仿真工具,建立了一种新颖的PEMFC系统动态模型.仿真结果表明该模型较好地反映出PEMFC系统的动态特性,有助于进一步完善PEMFC系统模型,为改进PEMFC输出性能和设计实时控制系统,提供了可靠依据.     

基于自适应模糊神经技术的质子交换膜燃料电池建模与控制

质子交换膜燃料电池(PEMFC)是21世纪最有生命力的发电技术之一。本文从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。在建模与控制过程中,将训练好的网络模型作为PEMFC控制系统的参考模型,并在线对控制模型参数进行自适应调整。所设计的控制器的性能在仿真和试验结果中得以证明。     

基于神经网络辨识的质子交换膜燃料电池建模

针对质子交换膜燃料电池(PEMFC)系统过于复杂，难以建模，而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力，将神经网络辨识方法应用到PEMFC强非线性系统的建模中，避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量，电池电压、电流密度为输出量，利用500组实验数据作为训练样本，采用改进型BP算法，建立了不同温度下电池电压—电流密度动态响应模型。仿真结果表明，方法可行，建立的模型精度较高，从而为设计PEMFC实时控制系统奠定了基础。     

质子交换膜燃料电池建模与稳态分析

对质子交换膜燃料电池（PEMFC）电堆进行电输出特性研究，有助于改善燃料电池的设计，提高其性能。通过所建立的电堆参数模型，就能够研究主要运行参变量对电堆输出性能和电堆非线性内阻产生的影响。仿真和测试结果表明此参数模型是可操作和有效的，并可方便的用于PEMFC控制方法研究。     

基于模糊辨识的PEMFC电特性模型

提出了一种基于非线性系统模糊辨识建立质子交换膜燃料电池(PEMFC)电特性模型的新方法,并建立了包括反应气体的压力、电池的温度和电池负载多变量的质子交换膜燃料电池电特性模型。通过与相关文献中的建模方法和模型仿真的结果比较,表明该模糊辨识建模方法具有建模简单、模型精度高等优点。研究结果对质子交换膜燃料电池控制系统的建模和控制具有一定的实用价值。     

微尺度学在微型燃料电池数学模型中的应用

以微型质子交换膜燃料电池（μPEMFC）为研究对象，结合传统燃料电池的数学理论，运用微尺度流体学，建立了电池的数学模型。该模型根据动量守恒、质量守恒以及电化学、微／纳米尺度流体学，分析了微通道特性对电池性能的影响。通过仿真曲线与已公开的实验结果地比较，验证了模型的准确性。     

基于PI和神经网络混合模型的音圈电机迟滞建模

为有效控制具有迟滞特性的音圈电机,首先需对迟滞进行建模。针对结构复杂,不能准确描述动态迟滞特性的PI模型的缺点,提出了基于PI(Prandtl-Ishlinskii)和神经网络混合迟滞模型。该模型分为两部分,第一部分由少量不同阀值的Backlash叠加而成,构成了一般迟滞特性;第二部分为神经网络,用于实现一般迟滞特性到对音圈电机迟滞特性的逼近,并实现对迟滞回环动态特性描述。仿真实验表明,所提出的基于PI和神经网络混合迟滞模型,与PI模型相比较,结构简单,建模精度高。     

并联型混合建模方法在诺西肽发酵过程中的应用

针对诺西肽发酵过程中菌体浓度的估计问题,提出了一种并联型混合建模方法.该混合模型分两部分:机理模型部分和误差补偿模型部分.利用二氧化碳释放率方程与茵体生长动力学模型,推导出了一种新的茵体生长动态模型,并以此作为混合模型的机理模型部分;利用神经网络构成误差补偿模型部分,其中该部分的辅助变量是在分析与诺西肽发酵过程对应的非结构模型的基础上,根据隐函数存在定理选取的.实验结果验证了所提方法的有效性.     

质子交换膜燃料电池混合建模研究

支撑向量机（SVM）理论完备,泛化能力强,很适合对燃料电池建模。但是建立高维SVM模型需要大量的实验数据,为了克服这一困难,使用SVM和压力增量机理模型相结合的方法对质子交换膜燃料电池进行混合建模：SVM模型只考虑电流和温度对电压的影响,而压力增量模型则在此基础上预测阴极压力和阳极压力对电压的影响。混合后的模型能够预测不同电流、温度、阴极压力和阳极压力下的输出电压。结果表明这种方法建立的数学模型误差小于1.6%,能够达到很好的拟合精度。     

质子交换膜燃料电池温度控制仿真模型

通过对质子交换膜燃料电池电化学反应的热力学特性分析计算，建立了质子交换膜燃料电池的热力系统动态数学模型，并且在Matlab／Simulink平台上建立了温度控制仿真模型。从实用的角度，结合燃料电池发动机研发工作，提出了一套不需要精确的系统内部特性和结构参数的燃料电池温度控制仿真模型建模方法。     

质子交换膜燃料电池电堆温度的非线性控制

基于质子交换膜燃料电池电堆的能量守恒，建立了在大范围的负载扰动下电池电堆温度的非线性模型。利用状态反馈线性化的输出对干扰基本解耦的新方法进行模型线性化，再依据最优控制理论设计了保证电堆温度恒定的非线性控制器。通过实验和仿真结果表明该控制器能够获得较好的控制效果。     

煤气管道服役期预估神经网络模型的建立与应用

神经网络模型具备的针对大量无规则数据自学习的能力,适于解决城镇煤气管道布局复杂、影响因素众多、服役期限难以计算的问题。基于BP神经网络算法建立的煤气管道年限模型,经过训练对比,选择了最优的BP网络模型,结合共轭梯度法,改进了该算法收敛慢、易出现震荡的问题,实现了对城镇管道漏损的定量分析,结合某市煤气管道漏损的实际案例验证其可行性,满足预估管道服役期限的工程要求。     

Control model of neural network based on novel genetic algorithm for PEMFC

The operating temperature of PEMFC stack is a very important control parameter. In operating process, electro-chemical reaction and the humidity of proton exchange membrane vary sensibly with it, the variation of operating temperature has a significant influence on the output performance and lifespan of fuel cells. The most existing PEMFC mathematical models are too complicated to apply in on-line control process, so it is necessary to find a simple accurate stable control method. In this paper, a novel genetic algorithm (NGA) is presented, which possesses stronger global searching and local optimizing capacities than SGA. NGA is applied to optimize rapidly the weights of neural network according to the population of excellent individuals, neural networks technique is used to establish a self-adjusted control model for PEMFC system. The results of simulation and experiment are given in the end.     

基于神经网络最优组合预测方法的应用研究

针对最优组合预测模型最优权重分配时往往出现负权重等方面的不足 ,建立了基于 Ann模型组合预测模型 ,并进行了实证研究 ,结果表明该模型比最优组合预测具有更高的拟合精度 .最后从机理分析其中的原因 .     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

燃料电池汽车动力系统动态数学模型

建立了用于燃料电池汽车功率平衡控制算法设计的动力系统动态数学模型。该数学模型包括燃料电池发动机、电机及其控制器、动力蓄电池组。采用最小二乘参数辨识方法对模型中的未知参数进行了估计。基于所建立的数学模型通过设计线性二次型调节器建立了基于状态反馈的燃料电池汽车动力系统功率平衡控制算法。离线仿真和转鼓测试结果证明：所设计的控制算法达到既定的控制目标，从而证明所建立的动力系统数学模型用于控制算法的设计可行。离线仿真同实测数据对比证明：所建立的系统动态数学模型达到了较高的仿真精度。