基于递归模糊神经网络的PEMFC温度控制研究
【出 处】:
【作 者】:
李春华
[1] ;
朱新坚
[2]
【摘 要】质子交换膜燃料电池(PEMFC)的工作温度对其发电性能和电池寿命具有重要影响,但由于PEMFC的非线性和时变特性。传统的控制策略较难获得很好的温度控制性能,以此推荐使用一种具有模糊推理、在线学习和动态映射能力的递归模糊神经网络控制器(RFNNC),将PEMFC工作温度有效控制在允许范围内。基于能量守恒定律建立PEM-FC的动态热模型,采用误差反传技术对该控制器参数进行自适应调整。仿真实验显示,RFNNC仅需35S达到稳态,波动较小。比较RFNNC与PI控制和模糊控制的控制结果表明,推荐使用的RFNNC具有较好的温度跟踪性能。
相关热词搜索: 质子交换膜燃料电池(PEMFC) 热模型 递归模糊神经网络(RFNN) 温度控制