基于人工智能的燃料电池控制系统及控制方法技术方案

本发明专利技术公开一种基于人工智能的燃料电池控制系统及控制方法。所述基于人工智能的燃料电池控制系统包括数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构。同时还提供一种上述燃料电池控制系统的控制方法。

【技术实现步骤摘要】
基于人工智能的燃料电池控制系统及控制方法
本专利技术涉及燃料电池系统控制
，具体涉及一种基于人工智能的燃料电池控制系统及控制方法。
技术介绍
随着燃料电池汽车技术的迅速发展，燃料电池系统作为一种常态的车用发电装置，其将化学能对应转化成电能以为汽车提供动力。在所述燃料电池产品中，鉴于氢燃料电池具有较佳清洁效果，对环境友好的特点，从而受到广泛关注。现有技术的燃料电池作为电力输出设备，其输出的控制系统相对较为复杂，同时所述燃料电池自身性能亦受多种因素影响，且各种不同因素之间相互耦合而彼此影响。为评价所述燃料电池的技术性能优劣，业界有采用性能曲线作为参考标准评价所述的燃料电池的性能。所谓燃料电池性能曲线，是指电堆厂家进行大量的试验标定得到的性能较好的燃料电池性能输出曲线。但是，现有技术的燃料电池性能曲线是基于现有技术手段的基础上获得的，其并未考虑各零部件的功率消耗。因此，通过传统的燃料电池控制方法获取的燃料电池输出曲线并不是最佳的输出曲线。鉴于此，有必要提供一种新的燃料电池控制系统控制所述燃料电池的电力输出，有效改本文档来自技高网...

【技术保护点】
1.一种基于人工智能的燃料电池控制系统，包括依次相接设置的数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，其特征在于，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构。/n

【技术特征摘要】
1.一种基于人工智能的燃料电池控制系统，包括依次相接设置的数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，其特征在于，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构。


2.根据权利要求1所述的基于人工智能的燃料电池控制系统，其特征在于，所述数据采集模组包括多个传感器单元，所述传感器单元是温度测量单元、压力测量单元、流量测量单元、电压测量单元、电流测量单元、转速测量单元及开度测量单元中的至少一种。


3.根据权利要求2所述的基于人工智能的燃料电池控制系统，其特征在于，所述数据传输模组收集所述多个传感器单元所采集到的模拟感应信号，并对应转换为数字感应信号传输至所述数据学习模型。


4.根据权利要求1所述的基于人工智能的燃料电池控制系统，其特征在于，所述控制器产生控制信号触发所述燃料电池控制系统的开关命令、执行转速及阀门开关操作指令，驱动所述处理器控制所述燃料电池控制系统处于最佳运行状态。<...

【专利技术属性】
技术研发人员：孙一堡，庞深，
申请(专利权)人：北京氢澜科技有限公司，
类型：发明
国别省市：北京;11