【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于预测神经网络控制器的电池动态特性控制方法,包括以下步骤:1)获取未来期望输出动态特性序列值:yd(t+j);2)从神经网络预测器获取预测输出动态特性值x(t+j/t);3)计算神经网络预测模型输出较系统实际输出的误差e1(t)=y(t)-x(t);4)以上一步的误差为基础,修正预测输出动态特性值:;5)计算预测输出误差:ed(t+j)=yd(t+j)-y(t+j/t);6)将性能指标极小化,获得控制的最优序列u(t+j);7)将获取的最优控制量u(t)作用到PEMFC系统,判断供能是否结束,若是则学习完毕,若否则返回步骤1)。与现有技术相比,本专利技术具有较强的鲁棒性、较强的学习能力、较高的控制精度、并具有自适应能力等优点。【专利说明】
本专利技术涉及一种燃料电池动态特性的控制方法,尤其是涉及。
技术介绍
工业及海洋技术的发展需要越来越多的能在海底、野外等环境进行焊接或探测作业的无缆自主机器人和远程遥控操作机器人,这就需要找到合适的能源为其提供动力。PEMFC具有低运行温度、高功率密度、快速响应、寿命长、稳 ...
【技术保护点】
一种质子交换膜燃料电池动态特性的控制方法,其特征在于,包括以下步骤:1)获取未来期望输出动态特性序列值:yd(t+j),其中j=N,N+1,…,P;2)从神经网络预测器获取预测输出动态特性值x(t+j/t);3)计算神经网络预测模型输出较系统实际输出的误差e1(t)=y(t)‑x(t);4)以上一步的误差为基础,修正预测输出动态特性值:y(t+jt)=x(t+jt)+hj[y(t+j)-y(t+jt-1)];]]>5)计算预测输出误差:ed(t+j)=yd(t+j)‑y(t+j/t);6)将性能指标极小化,获得控制的最优序列u(t+j);7)将获取的最优控制量u(t)作用到 ...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。