基于模型自学习的燃料电池空气系统自抗扰控制
江维海
程放
李丞
朱仲文
季传龙
合肥工业大学汽车与交通工程学院,安徽 合肥 230000
摘要：面向控制的燃料电池空气系统模型存在工况适应范围小的问题,因此,系统时变后导致的模型不准确将恶化基于模型的控制效果.对此,本研究开发了一种基于贝叶斯学习模型的自抗扰控制策略,以实现宽工况范围和长寿命周期内的精确控制.首先,建立面向控制的燃料电池空气系统四阶模型,采用贝叶斯估计,根据不同工况下燃料电池系统的测试数据对模型参数进行训练,并借助极大似然估计选择空压机流量多项式模型的适宜阶次,降低模型参数时变造成的影响,增大模型的工况适应范围.此外,针对空气系统流量与压力的耦合问题,设计了自抗扰解耦控制方案,将耦合效应视为系统总扰动,利用扩张状态观测器实时估计并补偿至控制律中,实现精准解耦.最后,基于MATLAB/Simulink环境搭建了燃料电池空气系统仿真平台,仿真结果显示,该方法有效确保了模型高精度,实现了流量与压力的精确协同控制,保障了燃料电池系统的安全高效运行.
关键词：质子交换膜燃料电池模型训练阶次选择自抗扰控制
论文发表日期：2025-08-30
在线出版日期：2025-10-10（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1587-1595 )
英文信息