基于RBF神经网络的PEMFC变换器控制策略研究.docx

基于RBF神经网络的PEMFC变换器控制策略研究
基于RBF神经网络的PEMFC变换器控制策略研究
摘要
为了提高聚合物电解质燃料电池(PEMFC)变换器的控制性能，本论文采用基于径向基函数(RBF)神经网络的控制策略进行研究。通过建立PEMFC系统的数学模型，采用RBF神经网络进行控制器设计，并且在MATLAB/Simulink中进行仿真分析。研究结果表明，基于RBF神经网络的控制策略可以有效提高PEMFC变换器的控制精度和速度，实现稳定可靠的控制。
关键词:PEMFC,变换器,RBF神经网络,控制策略,仿真分析
引言
聚合物电解质燃料电池(PEMFC)是一种新型的清洁能源，具有高效、低污染、便携等优点，因此受到了广泛的关注和研究。然而，在PEMFC系统中，由于其瞬态响应较弱，波动较大，因此需要对其进行精确控制，以实现安全可靠地运行。其中，PEMFC变换器作为PEMFC系统的一个关键部件，其控制精度和速度对整个系统的性能影响非常大。
在过去的研究中，很多学者都对PEMFC变换器的控制问题进行了深入研究，其中最常见的控制策略是PID控制和模糊PID控制。虽然这些控制方法具有一定的控制效果，但在实际运行中仍然存在一些问题，如收敛速度较慢、控制精度不够高等。因此，研究一种新的控制策略，以提高PEMFC变换器的控制性能就显得非常重要。
聚合物电解质燃料电池系统
PEMFC系统由燃料供应子系统、空气供应子系统、电化学堆和控制系统等部分组成。
其中燃料供应子系统主要包括燃料储罐、燃料泵和燃料气路等部分。空气供应子系统包括空气滤清器、空气泵和空气管路等部分。电化学堆是PEMFC系统最核心的部分，它由阳极、阴极、质子交换膜和两侧的电流集电板组成。控制器是PEMFC系统的大脑，通过对PEMFC系统各个部分的控制来实现系统的安全稳定运行。
PEMFC变换器控制策略
PEMFC变换器控制策略的目的在于将输出电压和电流控制在一定范围内，使其输出电负载匹配。传统的PID控制方法由于其控制精度和速度不够高，因此需要采用一种新的控制策略，以提高控制精度和速度。本论文采用基于RBF神经网络的控制策略进行研究。
RBF神经网络由输入层、隐含层和输出层组成，其中隐含层采用径向基函数进行构建。通过BP算法进行训练，不断调整权值和阈值，最终实现对系统的精确控制。
仿真分析
通过建立PEMFC变换器的数学模型，采用基于RBF神经网络的控制策略进行控制器设计并在MATLAB/Simulink中进行仿真分析。仿真结果表明，基于RBF神经网络的控制策略可以有效提高PEMFC变换器的控制精度和速度。同时，与传统的PID控制方法相比，基于RBF神经网络的控制策略对系统响应速度的提高更加明显。
结论
本论文通过采用基于RBF神经网络的控制策略来提高PEMFC变换器的控制性能，仿真结果表明该方法的控制精度和速度都超过了传统的PID控制方法。因此，建议在实际运行中采用基于RBF神经网络的控制策略来进行PEMFC变换器的控制。同时，在研究过程中也发现一些问题，如RBF神经网络的训练过程需要时间较长，需要进一步优化和改进。