[发明专利]基于深度学习-预测控制的车用燃料电池过氢比控制方法

说明书

本发明涉及一种基于深度学习‑预测控制的车用燃料电池过氢比控制方法，包括以下步骤：步骤S1:构建车用燃料电池电化学输出特性模型和阳极氢气供给系统模型；步骤S2:设计基于深度学习‑预测控制的车用燃料电池过氢比控制器；步骤S3：预测未来N个时刻的车速序列，并计算燃料电池电堆电流；步骤S4:将燃料电池电堆电流、流量控制阀和氢气循环泵实时输出氢气流量、阳极压力及模型线性常值干扰项作为过氢比的模型预测控制模块的输入；并设定目标过氢比为λ_ref，利用过氢比的模型预测控制模块控制输出的流量控制阀和氢气循环泵的控制电压，实现燃料电池过氢比的控制。本发明保证了流量控制阀和循环泵的工作性能，降低系统的功耗，同时也避免交换膜的损坏。

技术领域

本发明涉及燃料电池领域，具体涉及一种基于深度学习-预测控制的车用燃料电池过氢比控制方法。

背景技术

传统的能源利用方式存在两大弊端，一个是受卡诺循环的限制，因为燃料的化学能要转化为热能之后才能进一步的转化成机械能或者是电能；另一个弊端是传统能源的使用导致了环境污染和能源缺乏的问题日益严重，影响了世界经济可持续发展。因此可再生能源的开发和利用成为了一种必然趋势。燃料电池，特别是常用的车载中的质子交换膜燃料电池，由于所具有的零污染、低噪声和高的能量转换效率等优点，使其成为了该研究领域的关注对象。

质子交换膜燃料电池发动机主要包括了空气供给系统、氢气供给系统、电堆、冷却系统。氢气供应系统的组成包括高压氢气罐、流量控制阀、氢气输送系统以及氢气循环泵。氢气量的大小和燃料电池的发电效率紧密相关。倘若氢气量过小，则会导致氢气供应的不足，对燃料电池会造成不可逆的损害，同时也降低了燃料电池的使用寿命；如果氢气量过大，就会造成氢气浪费，使电堆阳极的输入氢气利用率降低，因此对其精确控制是十分重要。为了提高氢气利用率，引入了氢气循环泵，其功能是将未参与反应的氢气再次引到供给歧管中，使氢气得到了循环，增加氢气的利用率。

燃料电池阳极氢气的供给量是根据工况进行提供的，所以汽车的行驶车速的变化将会导致氢气量的需求变化，为了进一步的提高氢气量控制的响应速度，则需要对车速进行预测。由于车速会受到多种因素的影响，具有比较明显的时变性和非线性，因此对其进行预测要求较高。

发明内容

有鉴于此，本发明的目的在于提供一种基于深度学习-预测控制的车用燃料电池过氢比控制方法，保证了流量控制阀和循环泵的工作性能，降低系统的功耗，同时也避免了交换膜的损坏，实时对燃料电池的过氢比的调节。

为实现上述目的，本发明采用如下技术方案：

一种基于深度学习-预测控制的车用燃料电池过氢比控制方法，包括以下步骤：

步骤S1:构建车用燃料电池电化学输出特性模型和阳极氢气供给系统模型；

步骤S2:根据阳极氢气供给系统模型，设计深度学习预测控制器，包含车速预测模型和过氢比预测控制模型；

步骤S3:将车速传感器测得的Z个历史车速输入车速预测模型，利用深度学习预测方法，预测未来N个时刻的车速序列，并通过车辆动力学等式以及燃料电池电化学输出特性模型，计算燃料电池电堆电流；

步骤S4:将燃料电池电堆电流作为扰动电流，并将扰动电流、流量传感器测得的流量控制阀和氢气循环泵实时输出氢气流量、压力传感器测得的阳极压力及模型线性化过程中留下的常值干扰项作为过氢比的模型预测控制模块的输入；并设定过氢比的模型预测控制模块的目标过氢比为λ_ref，利用过氢比的模型预测控制模块控制输出的流量控制阀和氢气循环泵的控制电压，实现在不同工况下对燃料电池过氢比的控制。

进一步的，所述车用燃料电池过氢比，具体为：

燃料电池阳极输入的氢气流量和电化学反应消耗的氢气流量之比