一种基于迭代学习的燃料电池排气过程阳极压力控制方法技术

本发明专利技术公开了一种基于迭代学习的燃料电池排气过程阳极压力控制方法，包括：初始化迭代控制参数至存储模块；获取被控对象在控制量序列下的输出；计算误差指标，评估控制效果；通过误差信息和迭代学习矩阵更新控制量序列；进入下一次排气过程，返回步骤2，重复执行步骤2至步骤5的过程。本发明专利技术方法以阳极入流气体质量流量为控制量，迭代更新控制量序列，控制排气过程阳极压力准确跟踪设定值，由于该方法为数据驱动、无模型控制，省去了对被控对象的建模工作，对于被控对象的参数摄动具备一定学习补偿能力，改善了系统控制品质，延长了质子交换膜燃料电池的使用寿命。

【技术实现步骤摘要】
一种基于迭代学习的燃料电池排气过程阳极压力控制方法
本专利技术属于新能源自动控制
，尤其涉及一种基于迭代学习的燃料电池排气过程阳极压力控制方法。
技术介绍
随着增长的能源需求和环保标准，发展清洁的新能源技术是当今世界发展的趋势。燃料电池技术通过电化学反应，直接将燃料中的化学能转化为电能，是一类具有广泛前景的能源利用技术。其中质子交换膜燃料电池具有高能源转换效率、高能量密度、无污染排放、噪音小和运行温度低的特点，因而得到了广泛的商业应用。为节约设计和运行成本，大多数质子交换膜燃料电池采用封闭阳极的运行方式，省去了额外的燃料循环设备，提高了燃料利用率。这种运行方式会导致水蒸气和氮气等不利于电化学反应的组分积聚在阳极流道，影响燃料电池性能，必须通过周期性排气过程将这些杂质气体组分排出。然而周期性排气过程又会导致阳极压力较大的波动，而负载稳定时阴极压力基本不变，阴、阳极两侧较大压差对质子交换膜施加因此有必要对排气过程的阳极侧压力施加高水平控制。目前国内外学者针对排气过程中阳极压力控制问题的研究主要集中在排气周期和持续时间的静态优化，对于排气过程的动态优化控制仍有不足。目前，有学者使用比例-积分-微分(PID，ProportionIntegrationDifferentiation)控制器或模型预测控制(MPC，ModelPredictiveControl)对阳极压力进行控制，取得了一定效果。然而由于PID控制器属事后控制，阳极压力不可避免会产生较大的波动；MPC是基于模型的预测控制方法，其控制效果取决于控制模型的准确度，在被控对象动态特性复杂时，控制模型的建立或辨识需要大量的工作，且难度较大。同时，PID和MPC控制策略的控制器参数往往是预先整定且投入使用后不再进行调整，当被控对象发生参数摄动，动态特性随之发生改变时，固定参数控制器的控制效果将发生恶化，甚至影响系统稳定性。
技术实现思路
针对现有控制方案中存在的问题和不足，考虑到质子交换膜燃料电池排气过程具有周期性且动态特性复杂的特点，本专利技术提供了一种基于迭代学习的燃料电池排气过程阳极压力控制方法，省去被控对象的先验知识和辨识建模，具备补偿被控对象参数摄动的能力，在排气过程中实现质子交换膜燃料电池阳极压力准确跟踪设定值，减少阳极压力值的波动，提升质子交换膜燃料电池的使用寿命。为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于迭代学习的燃料电池排气过程阳极压力控制方法，以周期性排气过程中的阳极压力为被控量，阳极入流气体质量流量为控制量，设计迭代学习控制流程，具有数据驱动和无模型的特征，实现质子交换膜燃料电池排气过程阳极压力准确跟踪设定值，具体步骤如下：步骤1，选择阳极压力为排气过程被控量，阳极入流气体质量流量为排气过程控制量，初始化迭代学习控制相关参数至存储模块(存储模块可以是计算机硬盘或者其他存储设备)，所述初始化迭代学习控制相关参数包括初始化排气过程中阳极压力设定值序列yref、阳极入流气体质量流量初始控制量序列u0、迭代学习矩阵ΓP和ΓD，并置迭代变量k为初始值；步骤2，将存储模块中的控制量序列应用至质子交换膜燃料电池排气过程，获取第k次迭代后排气过程阳极压力的输出序列yk；步骤3，计算相应的误差指标，评估第k次迭代后控制量序列uk对阳极压力的控制效果，包括计算阳极压力绝对误差序列ek，误差微分序列和均方根误差RMSEk，若均方根误差RMSEk小于设定的均方根误差阈值RMSEc，则不对控制量序列进行更新，取当前存储模块中的控制量序列为后续排气过程采用的控制量序列，转至步骤5，否则转至步骤4；步骤4，根据绝对误差序列和误差微分序列，利用迭代学习矩阵计算得新的控制量序列uk+1，更新存储模块中的控制量序列，同时更新迭代变量k＝k+1；步骤5，进入下一次排气过程，返回步骤2，重复执行步骤2至步骤5的过程(该过程在燃料电池寿命内是无限循环的)。本专利技术步骤1中，所述排气过程阳极压力设定值序列yref、阳极入流气体质量流量初始控制量序列u0分别具有如下形式：yref＝[yref(T0)yref(T1)…yref(TN-1)]1×N(1)u0＝[u0(T0)u0(T1)…u0(TN-1)]1×N(2)其中，一次排气过程从T0时刻持续至TN-1时刻，N为采样个数，一般取为排气过程持续时间TN-1-T0与采样时间T的比值，yref(Ti),i＝0,1,...,N-1表示一次排气过程中第i+1个采样时刻的阳极压力设定值，u0(Ti),i＝0,1,...,N-1表示一次排气过程中第i+1个采样时刻的阳极入流气体质量流量初始值，且u0＝a·[11…1]1×N,或由其他参考控制器确定。本专利技术步骤1中，所述初始化迭代学习矩阵ΓP、ΓD和置迭代变量k为初始值，分别如下式实现：k＝0(5)其中，i＝0,1,...,N-1为比例迭代学习矩阵ΓP的第i个对角线元素，i＝0,1,...,N-1为微分迭代学习矩阵ΓD的第i个对角线元素，ΓP和ΓD可在保证迭代收敛的前提下任意选取，迭代变量k记录了控制量序列更新的次数。本专利技术步骤2中，所述第k次迭代后排气过程阳极压力的输出序列yk具有如下形式：yk＝[yk(T0)yk(T1)…yk(TN-1)]1×N(6)其中，yk(Ti),i＝0,1,...,N-1表示第k次迭代后阳极压力在一次排气过程中第i+1个时刻的采样值，且第0次迭代即k的值为0时表示未对初始控制量序列进行更新。本专利技术步骤3中，所述第k次迭代后控制量序列uk具有如下形式：uk＝[uk(T0)uk(T1)…uk(TN-1)]1×N(7)其中，uk(Ti),i＝0,1,...,N-1表示第k次迭代后阳极入流气体质量流量在一次排气过程中第i+1个采样时刻的值，且k＝0时有uk＝u0。本专利技术步骤3中，通过如下公式计算阳极压力绝对误差序列ek，误差微分序列和均方根误差RMSEk：ek＝[ek(T0)ek(T1)…ek(TN-1)]1×N＝yref-yk(8)其中，ek(Ti),i＝0,1,...,N-1表示第k次迭代后阳极压力绝对误差在一次排气过程中第i+1个采样时刻的值，i＝0,1,...,N-1表示第k次迭代后阳极压力误差微分在一次排气过程中第i+1个采样时刻的值。本专利技术步骤3中所述均方根误差阈值RMSEc与阳极压力具有相同的量纲，决定了迭代结束时阳极压力输出与设定值的吻合程度。本专利技术步骤4中，所述根据绝对误差序列和误差微分序列，利用迭代学习矩阵计算得新控制量序列uk+1的公式如下：作为本专利技术的一种优选方案，步骤1中阳极压力设定值序列yref一般取为质子交换膜燃料电池阴极压力，以保证在排气过程中的控制目标是通过迭代学习减小阴极、阳极之间的压力差，从而降低排气过程中因压力差而作用在质子交换膜上的应力，延长燃料电池的使用寿命。作为本专利技术的一种优选方案，步骤1中用于获取阳极入流气体质量流量初始控制量序列u0的其他参考控制器可以是PID或MPC等，则u0为该参考控制器在质子交换膜燃料电池一次排气过程中通过阳极入流气体质量流量对阳极压力进行控制而生成控制量序列。作为本专利技术的一种优选方案，步骤1中用于获取阳极入流气体质量流量初始控制量序列u0的其他参考控制器也可以是本专利技术所述迭代学习控制器，本文档来自技高网...

【技术保护点】
1.一种基于迭代学习的燃料电池排气过程阳极压力控制方法，其特征在于，包括以下步骤：步骤1，选择阳极压力为排气过程被控量，阳极入流气体质量流量为排气过程控制量，初始化迭代学习控制相关参数至存储模块，所述初始化迭代学习控制相关参数包括初始化排气过程中阳极压力设定值序列yref、阳极入流气体质量流量初始控制量序列u0、迭代学习矩阵ΓP和ΓD，并置迭代变量k为初始值；步骤2，将存储模块中的控制量序列应用至质子交换膜燃料电池排气过程，获取第k次迭代后排气过程阳极压力的输出序列yk；步骤3，计算相应的误差指标，评估第k次迭代后控制量序列uk对阳极压力的控制效果，包括计算阳极压力绝对误差序列ek，误差微分序列

【技术特征摘要】
1.一种基于迭代学习的燃料电池排气过程阳极压力控制方法，其特征在于，包括以下步骤：步骤1，选择阳极压力为排气过程被控量，阳极入流气体质量流量为排气过程控制量，初始化迭代学习控制相关参数至存储模块，所述初始化迭代学习控制相关参数包括初始化排气过程中阳极压力设定值序列yref、阳极入流气体质量流量初始控制量序列u0、迭代学习矩阵ΓP和ΓD，并置迭代变量k为初始值；步骤2，将存储模块中的控制量序列应用至质子交换膜燃料电池排气过程，获取第k次迭代后排气过程阳极压力的输出序列yk；步骤3，计算相应的误差指标，评估第k次迭代后控制量序列uk对阳极压力的控制效果，包括计算阳极压力绝对误差序列ek，误差微分序列和均方根误差RMSEk，若均方根误差RMSEk小于设定的均方根误差阈值RMSEc，则不对控制量序列进行更新，取当前存储模块中的控制量序列为后续排气过程采用的控制量序列，转至步骤5，否则转至步骤4；步骤4，根据绝对误差序列和误差微分序列，利用迭代学习矩阵计算得新的控制量序列uk+1，更新存储模块中的控制量序列，同时更新迭代变量k＝k+1；步骤5，进入下一次排气过程，返回步骤2，重复执行步骤2至步骤5的过程。2.根据权利要求1所述的方法，其特征在于，步骤1中，所述排气过程阳极压力设定值序列yref、阳极入流气体质量流量初始控制量序列u0分别具有如下形式：yref＝[yref(T0)yref(T1)…yref(TN-1)]1×N(1)u0＝[u0(T0)u0(T1)…u0(TN-1)]1×N(2)其中，一次排气过程从T0时刻持续至TN-1时刻，N为采样个数，yref(Ti),i＝0,1,...,N-1表示一次排气过程中第i+1个采样时刻的阳极压力设定值，u0(Ti),i＝0,1,...,N-1表示一次排气过程中第i+1个采样时刻的阳极入流气体质量流量初始值，且u0＝a·[11…1]1×N,或由其他参考控制...

【专利技术属性】
技术研发人员：沈炯，潘天尧，孙立，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32