基于NARMA-L2神经网络的燃料电池供气系统解耦控制

摘要

针对燃料电池供气系统在负载变化下，空气流量与压力的非线性强耦合问题，首先在燃料电池供气系统过氧比跟踪与净功率输出最大化为目标的控制框架上，分析了空压机转速和背压阀开度变化对流量与压力之间强耦合关系的影响。接着，通过辨识系统传递函数矩阵，采用NARMA-L2神经网络构建反馈解耦控制器，基于历史工况数据训练网络权值，隐式学习耦合路径并生成动态补偿信号以抵消前馈控制误差。最后，通过四组对比仿真(无解耦控制、对角解耦控制、基于预期动态法的PID前馈解耦及NARMA-L2神经网络解耦)验证了该策略的有效性。结果表明，NARMA-L2神经网络反馈解耦控制下，系统在负载工况变化时动态性能较大提高，空气流量和压力响应速度与超调量显著改善，优于其他策略。

关键词

燃料电池供气系统 / NARMA-L2神经网络 / 解耦控制 / 动态性能

基金资助

贵州省科技计划项目(黔科合支撑[2023]一般400)