[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有效
| 申请号： | 201910627710.X | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110335646B | 公开（公告）日： | 2022-06-17 |
| 发明（设计）人： | 王亚雄;陈锦洲;钟浩;陈家瑄 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G16C20/30 | 分类号： | G16C20/30;G16C20/70;H01M8/04992 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 陈明鑫;蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
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 |
||
| 搜索关键词： | 基于 深度 学习 预测 控制 燃料电池 方法 | ||
【主权项】：
1.一种基于深度学习‑预测控制的车用燃料电池过氢比控制方法，其特征在于，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λref，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910627710.X/，转载请声明来源钻瓜专利网。
