CN109340569B - 一种气体供应系统自学习控制方法 - Google Patents

一种气体供应系统自学习控制方法 Download PDF

Info

Publication number
CN109340569B
CN109340569B CN201811249818.1A CN201811249818A CN109340569B CN 109340569 B CN109340569 B CN 109340569B CN 201811249818 A CN201811249818 A CN 201811249818A CN 109340569 B CN109340569 B CN 109340569B
Authority
CN
China
Prior art keywords
executing
judging whether
supply system
value
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811249818.1A
Other languages
English (en)
Other versions
CN109340569A (zh
Inventor
盛有冬
郭伟静
姜海林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sinohytec Co Ltd
Original Assignee
Beijing Sinohytec Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sinohytec Co Ltd filed Critical Beijing Sinohytec Co Ltd
Priority to CN201811249818.1A priority Critical patent/CN109340569B/zh
Publication of CN109340569A publication Critical patent/CN109340569A/zh
Application granted granted Critical
Publication of CN109340569B publication Critical patent/CN109340569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17DPIPE-LINE SYSTEMS; PIPE-LINES
    • F17D1/00Pipe-line systems
    • F17D1/02Pipe-line systems for gases or vapours
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17DPIPE-LINE SYSTEMS; PIPE-LINES
    • F17D3/00Arrangements for supervising or controlling working operations
    • F17D3/01Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)

Abstract

本发明提供了一种气体供应系统自学习控制方法,所述控制方法包括多个步骤:判断使能条件;采集预定时间x内气体供应系统的反馈量;计算前馈矩阵
Figure DDA0001841394050000011
判断可信度;以及根据前馈矩阵
Figure DDA0001841394050000012
计算前馈占空比uFF并控制气体供应系统。这种方法的优点在于:能够实时得到适应不同环境状态、不同目标量、不同工作状态的前馈控制量,避免生产制造的偏差或设计参数的更改对控制精度和鲁棒性的影响。

Description

一种气体供应系统自学习控制方法
技术领域
本发明涉及一种控制方法,具体而言,涉及一种气体供应系统自学习控制方法。
背景技术
氢燃料电池汽车技术日趋发展成熟,作为一种零污染、零排放的新能源汽车,氢燃料电池汽车已经越来越多的进入到了交通系统,得到公众的广泛认可。燃料电池车以氢气为燃料,通过燃料发动机,将化学能高效转化为电能从而驱动汽车,整个过程仅排出纯净的水,因而是不久的将来取代传统化石燃料汽车的最理想的节能环保型零排放交通工具。
伴随着需求量的增加,批量化生产成为必然,在确保功能完整性、产品安全性、可靠性的基础上,开发简洁、适用的产品架构对于降低车载氢系统的成本、故障率以及提高工程化生产效率具有重要的意义,是当前车载氢系统新技术的一个重要研究方向。燃料电池汽车车载氢系统的设计即是其中的一个方面。
用气装置中反应气体的消耗,以及废气或产物的排出,都对用气装置的压力以及反应气体的浓度造成扰动。当反应气体的消耗流量以及废气或产物的排出流量变化剧烈时,单独的PID(Proportion Integration Differentiation)反馈控制无法保证压力和浓度的稳定。现行的控制方法采用预先标定的前馈控制加上PID反馈控制的方法,上述控制方法存在以下缺点:
第一、随着工作的进行,用气装置中内部状态将逐渐偏离预先标定的状态,标定的前馈控制量会逐渐不满足控制需求,控制效果将变差;
第二、由于生产制造的偏差或设计参数的更改,在一套气体供应系统中标定的前馈参数,将不适用于另一套气体供应系统,需要重新标定,给技术人员增加了额外的工作量。
综上所述,需要提供一种气体供应系统自学习控制方法,其能够克服现有技术的缺陷。
发明内容
本发明旨在提供一种气体供应系统自学习控制方法,其能够克服现有技术的缺陷。本发明的发明目的通过以下技术方案得以实现。
本发明的一个实施方式提供了一种气体供应系统自学习控制方法,其中所述控制方法包括多个步骤:
步骤1:判断是否满足全部使能条件,若“是”,将采样时刻k设为0,然后执行步骤2;若“否”,方法结束;
步骤2:检测预定时间x内气体供应系统的反馈量;
步骤3:计算前馈矩阵
Figure GDA0002504474850000021
步骤4:判断反馈量是否可信,若“是”,执行步骤5;若“否”,方法结束;以及
步骤5:根据前馈矩阵
Figure GDA0002504474850000022
计算前馈占空比uFF并控制气体供应系统,
其中所述步骤3的计算前馈矩阵
Figure GDA0002504474850000023
包括:
步骤301:判断采样时刻k是否大于0,若“是”,执行步骤303;若“否”,执行步骤302;
步骤302:将中间变量相关性矩阵Pk设定为初始值,将前馈矩阵
Figure GDA0002504474850000024
设定为预设的初始值,然后执行步骤309;
步骤303:采集当前时刻的控制阀驱动信号的数量值yk,气体目标压力的数量值ptgt,吹扫阀开关的开度upurge的数量值和氢气消耗流量的数量值Q;
步骤304:根据控制阀驱动信号yk,气体目标压力ptgt,吹扫阀开关的开度upurge和氢气消耗流量Q获得当前时刻的自学习算法的输入量xk
步骤305:根据当前时刻的自学习算法的输入量xk上一时刻的相关性矩阵Pk-1,计算当前时刻的增益系数矩阵Kk
步骤306:根据当前时刻的增益系数矩阵Kk和上一时刻的相关性矩阵Pk-1,计算当前k时刻的相关性矩阵Pk
步骤307:根据当前时刻的控制阀驱动信号yk,自学习算法的输入量xk和上一时刻的前馈矩阵
Figure GDA0002504474850000031
计算当前时刻的气体压力控制误差rk
步骤308:根据当前时刻的增益系数矩阵Kk,控制误差rk和上一时刻的前馈矩阵
Figure GDA0002504474850000032
计算当前时刻的前馈矩阵
Figure GDA0002504474850000033
以及
步骤309:设定采样时刻k=k+1,然后执行步骤4。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,其中所述步骤1的使能条件包括:
步骤101:判断自学习算法使能硬件开关是否开启,若“是”,执行步骤102;若“否”,方法结束;
步骤102:判断气体压力控制误差在预设时间内的最大值是否大于设定的阈值,若“是”,执行步骤104;若“否”,执行步骤103;
步骤103:判断气体压力控制误差在预设时间内的最小值是否小于设定的阈值,若“是”,执行步骤104;若“否”,方法结束;
步骤104:判断气体流量在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤105;若“否”,方法结束;
步骤105:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,将采样时刻k设为0,然后执行步骤2;若“否”,方法结束。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,其中所述步骤4的判断反馈量是否可信包括:
步骤401:判断气体压力控制误差的绝对值在预设时间内的平均值是否小于设定的阈值,若“是”,执行步骤402;若“否”,方法结束;
步骤402:判断气体压力控制误差在预设时间内的最大值是否小于设定的阈值,若“是”,执行步骤404;若“否”,执行步骤403;
步骤403:判断气体压力控制误差在预设时间内的最小值是否大于设定的阈值,若“是”,执行步骤404;若“否”,方法结束;
步骤404:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤405;若“否”,方法结束;
步骤405:判断气体压力在预设时间内的方差是否小于设定的阈值,若“是”,然后执行步骤406;若“否”,方法结束;
步骤406:判断气体压力在预设时间内的标准差是否小于设定的阈值,若“是”,然后执行步骤5;若“否”,方法结束。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,其中任一比较判断步骤均包含防抖确认。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,其中所述气体供应系统包括注氢组件、储氢组件和供氢组件,注氢组件、储氢组件和供氢组件通过管路组件连通。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,所述气体供应系统包括供氢组件、储氢组件和注氢组件,储氢组件包括多个储氢气瓶和多个瓶口阀,供氢组件包括电子调压阀、安全阀和手动阀,外部燃料电池发动机与吹扫阀均设有检测装置,注氢组件通过管路分别与供氢组件的电子调压阀和储氢组件的多个瓶口阀连通,每个瓶口阀分别与一个储氢气瓶连通,电子调压阀通过管路与安全阀连通,电子调压阀还通过三通管路与手动阀和外部燃料电池发动机连通,外部燃料电池发动机还与吹扫阀连通,所述气体供应系统自学习控制方法得到的前馈占空比uFF和现有系统的反馈占空比uFB相加得到的占空比u,气体供应系统根据占空比u控制电子调压阀B1的开度。
该气体供应系统自学习控制方法的优点在于:能够实时得到适应不同环境状态、不同目标量、不同工作状态的前馈控制量,控制算法还能避免生产制造的偏差或设计参数的更改对控制精度和鲁棒性的影响。增加使能条件能够避免频繁的不必要的自学习过程,减少控制单元的计算负荷,同时避免由此产生的错误的自学习结果。增加可信度判断能够避免系统噪声或算法缺陷造成的错误的自学习结果,提高算法的稳定性。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于举例说明本发明的技术方案,而并非意在对本发明的保护范围构成限制。图中:
图1示出了根据本发明一个实施方式的气体供应系统自学习控制方法的流程图。
图2示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的判断使能条件的流程图。
图3示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的计算前馈矩阵
Figure GDA0002504474850000051
处理的流程图。
图4示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的判断反馈量是否可信的流程图。
图5示出了如图1所示的根据本发明一个实施方式的气体供应系统的框图。
具体实施方式
图1-5和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案,已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将落在本发明的保护范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此,本发明并不局限于下述可选实施方式,而仅由权利要求和它们的等同物限定。
图1和图3示出了根据本发明一个实施方式的气体供应系统自学习控制方法的流程图。如图1所示,所述控制方法包括多个步骤:
步骤1:判断是否满足全部使能条件,若“是”,执行步骤1a;若“否”,方法结束;
步骤1a:将采样时刻k设为0,然后执行步骤2;
步骤2:检测预定时间x内气体供应系统的反馈量;
步骤3:计算前馈矩阵
Figure GDA0002504474850000061
前馈矩阵
Figure GDA0002504474850000062
为1×2矩阵[k1,k2];
步骤4:判断反馈量是否可信,若“是”,执行步骤5;若“否”,方法结束;以及
步骤5:根据前馈矩阵
Figure GDA0002504474850000063
计算前馈占空比uFF,并控制气体供应系统,前馈占空比uFF的计算公式为uFF=upurge*ptgt*k1+Q*k2,其中ptgt为气体目标压力的数量值,upurge为吹扫阀开关的开度的数量值,Q为氢气消耗流量的数量值,
其中所述步骤3的计算前馈矩阵
Figure GDA0002504474850000064
包括:
步骤301:判断采样时刻k是否大于0,若“是”,执行步骤303;若“否”,执行步骤302;
步骤302:将中间变量相关性矩阵Pk设定为初始值,将前馈矩阵
Figure GDA0002504474850000065
设定为预设的初始值,然后执行步骤309;
步骤303:采集当前时刻的控制阀驱动信号的数量值yk,气体目标压力的数量值ptgt,吹扫阀开关的开度upurge的数量值和氢气消耗流量的数量值Q;
步骤304:根据控制阀驱动信号yk,气体目标压力ptgt,吹扫阀开关的开度upurge和氢气消耗流量Q获得当前时刻的自学习算法的输入量xk,计算公式为xk=[ptgt*upurge,Q];
步骤305:根据当前时刻的自学习算法的输入量xk上一时刻的相关性矩阵Pk-1,计算当前时刻的增益系数矩阵Kk,计算公式为:
Kk=Pk-1xk/(λ-xk TPk-1xk)
其中T代表矩阵转置,λ为预设的系数,λ越小,历史数据在迭代计算中所占的比例越小λ越大,历史数据在迭代计算中所占的比例越大;
步骤306:根据当前时刻的增益系数矩阵Kk和上一时刻的相关性矩阵Pk-1,计算当前k时刻的相关性矩阵Pk,计算公式为:
Pk=(I+Kkxk)Pk-1
其中I为单位矩阵,形状与Kkxk一致,内部元素都为1;
步骤307:根据当前时刻的控制阀驱动信号yk,自学习算法的输入量xk和上一时刻的前馈矩阵
Figure GDA0002504474850000071
计算当前时刻的气体压力控制误差rk,计算公式为
Figure GDA0002504474850000072
步骤308:根据当前时刻的增益系数矩阵Kk,控制误差rk和上一时刻的前馈矩阵
Figure GDA0002504474850000073
计算当前时刻的前馈矩阵
Figure GDA0002504474850000074
计算公式为
Figure GDA0002504474850000075
以及
步骤309:设定采样时刻k=k+1,然后执行步骤4。
图2示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的判断使能条件的流程图,其中所述步骤1的使能条件包括:
步骤101:判断自学习算法使能硬件开关是否开启,若“是”,执行步骤102;若“否”,方法结束;
步骤102:判断气体压力控制误差在预设时间内的最大值是否大于设定的阈值,若“是”,执行步骤104;若“否”,执行步骤103;
步骤103:判断气体压力控制误差在预设时间内的最小值是否小于设定的阈值,若“是”,执行步骤104;若“否”,方法结束;
步骤104:判断气体流量在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤105;若“否”,方法结束;
步骤105:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,将采样时刻k设为0,然后执行步骤2;若“否”,方法结束。
图3示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的计算前馈矩阵
Figure GDA0002504474850000081
处理的流程图。其中
图4示出了如图1所示的根据本发明一个实施方式的气体供应系统自学习控制方法的判断可信度的流程图,其中所述步骤4的判断反馈量是否可信包括:
步骤401:判断气体压力控制误差的绝对值在预设时间内的平均值是否小于设定的阈值,若“是”,执行步骤402;若“否”,方法结束;
步骤402:判断气体压力控制误差在预设时间内的最大值是否小于设定的阈值,若“是”,执行步骤404;若“否”,执行步骤403;
步骤403:判断气体压力控制误差在预设时间内的最小值是否大于设定的阈值,若“是”,执行步骤404;若“否”,方法结束;
步骤404:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤405;若“否”,方法结束;
步骤405:判断气体压力在预设时间内的方差是否小于设定的阈值,若“是”,然后执行步骤406;若“否”,方法结束;
步骤406:判断气体压力在预设时间内的标准差是否小于设定的阈值,若“是”,然后执行步骤5;若“否”,方法结束。
根据本发明的上述一个实施方式提供的气体供应系统自学习控制方法,其中任一比较判断步骤均包含防抖确认。
图5示出了如图1所示的根据本发明一个实施方式的气体供应系统的框图,其中所述气体供应系统包括供氢组件A、储氢组件B和注氢组件C,储氢组件B包括多个储氢气瓶B1和多个瓶口阀B2,供氢组件包括电子调压阀A1、安全阀A2和手动阀A3,外部燃料电池发动机D与吹扫阀E均设有检测装置(未示出),注氢组件C通过管路分别与供氢组件A的电子调压阀A1和储氢组件B的多个瓶口阀B2连通,每个瓶口阀B2分别与一个储氢气瓶B1连通,电子调压阀B1通过管路与安全阀B2连通,电子调压阀B1还通过三通管路与手动阀B3和外部燃料电池发动机D连通,外部燃料电池发动机D还与吹扫阀E连通,吹扫阀E用于排出废气,外部燃料电池发动机D的检测装置用于检测氢气消耗流量Q,吹扫阀E的检测装置用于检测吹扫阀开关的开度upurge,所述气体供应系统自学习控制方法得到的前馈占空比uFF和现有系统的反馈占空比uFB相加得到的占空比u,气体供应系统根据占空比u控制电子调压阀B1的开度。
该气体供应系统自学习控制方法的优点在于:能够实时得到适应不同环境状态、不同目标量、不同工作状态的前馈控制量,控制算法还能避免生产制造的偏差或设计参数的更改对控制精度和鲁棒性的影响。增加使能条件能够避免频繁的不必要的自学习过程,减少控制单元的计算负荷,同时避免由此产生的错误的自学习结果。增加可信度判断能够避免系统噪声或算法缺陷造成的错误的自学习结果,提高算法的稳定性。
当然应意识到,虽然通过本发明的示例已经进行了前面的描述,但是对本发明做出的将对本领域的技术人员显而易见的这样和其他的改进及改变应认为落入如本文提出的本发明宽广范围内。因此,尽管本发明已经参照了优选的实施方式进行描述,但是,其意并不是使具新颖性的设备由此而受到限制,相反,其旨在包括符合上述公开部分、权利要求的广阔范围之内的各种改进和等同修改。

Claims (5)

1.一种气体供应系统自学习控制方法,其特征在于,所述控制方法包括多个步骤:
步骤1:判断是否满足全部使能条件,若“是”,将采样时刻k设为0,然后执行步骤2;若“否”,方法结束;
步骤2:检测预定时间x内气体供应系统的反馈量;
步骤3:计算前馈矩阵
Figure FDA0002504474840000011
步骤4:判断反馈量是否可信,若“是”,执行步骤5;若“否”,方法结束;以及
步骤5:根据前馈矩阵
Figure FDA0002504474840000012
计算前馈占空比uFF并控制气体供应系统,
其中所述步骤3的计算前馈矩阵
Figure FDA0002504474840000013
包括:
步骤301:判断采样时刻k是否大于0,若“是”,执行步骤303;若“否”,执行步骤302;
步骤302:将中间变量相关性矩阵Pk设定为初始值,将前馈矩阵
Figure FDA0002504474840000014
设定为预设的初始值,然后执行步骤309;
步骤303:采集当前时刻的控制阀驱动信号的数量值yk,气体目标压力的数量值ptgt,吹扫阀开关的开度upurge的数量值和氢气消耗流量的数量值Q;
步骤304:根据控制阀驱动信号yk,气体目标压力ptgt,吹扫阀开关的开度upurge和氢气消耗流量Q获得当前时刻的自学习算法的输入量xk
步骤305:根据当前时刻的自学习算法的输入量xk上一时刻的相关性矩阵Pk-1,计算当前时刻的增益系数矩阵Kk
步骤306:根据当前时刻的增益系数矩阵Kk和上一时刻的相关性矩阵Pk-1,计算当前k时刻的相关性矩阵Pk
步骤307:根据当前时刻的控制阀驱动信号yk,自学习算法的输入量xk和上一时刻的前馈矩阵
Figure FDA0002504474840000015
计算当前时刻的气体压力控制误差rk
步骤308:根据当前时刻的增益系数矩阵Kk,控制误差rk和上一时刻的前馈矩阵
Figure FDA0002504474840000021
计算当前时刻的前馈矩阵
Figure FDA0002504474840000022
以及
步骤309:设定采样时刻k=k+1,然后执行步骤4。
2.如权利要求1所述的气体供应系统自学习控制方法,其特征在于,所述步骤1的使能条件包括:
步骤101:判断自学习算法使能硬件开关是否开启,若“是”,执行步骤102;若“否”,方法结束;
步骤102:判断气体压力控制误差在预设时间内的最大值是否大于设定的阈值,若“是”,执行步骤104;若“否”,执行步骤103;
步骤103:判断气体压力控制误差在预设时间内的最小值是否小于设定的阈值,若“是”,执行步骤104;若“否”,方法结束;
步骤104:判断气体流量在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤105;若“否”,方法结束;
步骤105:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,将采样时刻k设为0,然后执行步骤2;若“否”,方法结束。
3.如权利要求1所述的气体供应系统自学习控制方法,其特征在于,所述步骤4的判断反馈量是否可信包括:
步骤401:判断气体压力控制误差的绝对值在预设时间内的平均值是否小于设定的阈值,若“是”,执行步骤402;若“否”,方法结束;
步骤402:判断气体压力控制误差在预设时间内的最大值是否小于设定的阈值,若“是”,执行步骤404;若“否”,执行步骤403;
步骤403:判断气体压力控制误差在预设时间内的最小值是否大于设定的阈值,若“是”,执行步骤404;若“否”,方法结束;
步骤404:判断气体压力在预设时间内的峰值是否小于设定的阈值,若“是”,执行步骤405;若“否”,方法结束;
步骤405:判断气体压力在预设时间内的方差是否小于设定的阈值,若“是”,然后执行步骤406;若“否”,方法结束;
步骤406:判断气体压力在预设时间内的标准差是否小于设定的阈值,若“是”,然后执行步骤5;若“否”,方法结束。
4.如权利要求2和权利要求3中任一权利要求所述的气体供应系统自学习控制方法,其特征在于,任一比较判断步骤均包含防抖确认。
5.如权利要求1所述的气体供应系统自学习控制方法,其特征在于,所述气体供应系统包括供氢组件、储氢组件和注氢组件,储氢组件包括多个储氢气瓶和多个瓶口阀,供氢组件包括电子调压阀、安全阀和手动阀,外部燃料电池发动机与吹扫阀均设有检测装置,注氢组件通过管路分别与供氢组件的电子调压阀和储氢组件的多个瓶口阀连通,每个瓶口阀分别与一个储氢气瓶连通,电子调压阀通过管路与安全阀连通,电子调压阀还通过三通管路与手动阀和外部燃料电池发动机连通,外部燃料电池发动机还与吹扫阀连通,所述气体供应系统自学习控制方法得到的前馈占空比uFF和现有系统的反馈占空比uFB相加得到的占空比u,气体供应系统根据占空比u控制电子调压阀B1的开度。
CN201811249818.1A 2018-10-25 2018-10-25 一种气体供应系统自学习控制方法 Active CN109340569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811249818.1A CN109340569B (zh) 2018-10-25 2018-10-25 一种气体供应系统自学习控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811249818.1A CN109340569B (zh) 2018-10-25 2018-10-25 一种气体供应系统自学习控制方法

Publications (2)

Publication Number Publication Date
CN109340569A CN109340569A (zh) 2019-02-15
CN109340569B true CN109340569B (zh) 2020-08-25

Family

ID=65311801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811249818.1A Active CN109340569B (zh) 2018-10-25 2018-10-25 一种气体供应系统自学习控制方法

Country Status (1)

Country Link
CN (1) CN109340569B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113687666B (zh) * 2021-08-19 2023-11-03 上海智能新能源汽车科创功能平台有限公司 一种燃料电池测试系统的气体供给方法、系统和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2917239A1 (fr) * 2007-06-05 2008-12-12 Renault Sas Dispositif de commande d'un circuit d'alimentation en air d'un systeme de pile a combustible.
CN103115243A (zh) * 2013-02-05 2013-05-22 中国石油天然气股份有限公司 一种天然气管道分输电动调节阀的控制设备及其方法
CN104712902A (zh) * 2013-12-12 2015-06-17 中国科学院大连化学物理研究所 一种气体恒流量输出的前馈控制装置和方法
CN107120676A (zh) * 2017-06-14 2017-09-01 中国大唐集团科学技术研究院有限公司华东分公司 一种火电机组基于历史数据循环学习的燃料控制方法
CN107134921A (zh) * 2016-02-26 2017-09-05 丰田自动车株式会社 电压控制系统、燃料电池系统及电压控制系统的控制方法
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN108258278A (zh) * 2016-12-28 2018-07-06 广东合即得能源科技有限公司 一种全时四驱水氢电动汽车

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2917239A1 (fr) * 2007-06-05 2008-12-12 Renault Sas Dispositif de commande d'un circuit d'alimentation en air d'un systeme de pile a combustible.
CN103115243A (zh) * 2013-02-05 2013-05-22 中国石油天然气股份有限公司 一种天然气管道分输电动调节阀的控制设备及其方法
CN104712902A (zh) * 2013-12-12 2015-06-17 中国科学院大连化学物理研究所 一种气体恒流量输出的前馈控制装置和方法
CN107134921A (zh) * 2016-02-26 2017-09-05 丰田自动车株式会社 电压控制系统、燃料电池系统及电压控制系统的控制方法
CN108258278A (zh) * 2016-12-28 2018-07-06 广东合即得能源科技有限公司 一种全时四驱水氢电动汽车
CN107203135A (zh) * 2017-06-08 2017-09-26 东莞中子科学中心 一种基于动态反馈‑前馈的自适应控制系统
CN107120676A (zh) * 2017-06-14 2017-09-01 中国大唐集团科学技术研究院有限公司华东分公司 一种火电机组基于历史数据循环学习的燃料控制方法

Also Published As

Publication number Publication date
CN109340569A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN109524693B (zh) 燃料电池空气供给系统模型预测控制方法
CN103016184B (zh) 电控柴油机EGR系统NOx排放量监控方法及装置
US10811709B2 (en) Method of controlling purge of fuel cell system for vehicle
CN112072142B (zh) 一种基于模型预测控制的燃料电池控制方法和系统
CN101496209B (zh) 燃料电池系统
US6632552B2 (en) Water purge fuel cell system and method
Ashok et al. A review on control system architecture of a SI engine management system
CN111584906B (zh) 一种基于深度强化学习的燃料电池系统的燃料供给方法
CN101507036B (zh) 燃料电池系统及开关阀的诊断方法
WO2021139539A1 (zh) 一种车载氢系统的控制方法、装置及车载氢系统
CN103732895A (zh) 滑模控制器和内燃机系统控制装置
CN111180769B (zh) 空压机的防喘振控制方法及系统
CN101868877B (zh) 燃料电池系统
CN112054230B (zh) 一种用于氢燃料电池排水排气装置的故障诊断方法及系统
US20130164644A1 (en) System and method for controlling pressure oscillation in anode of fuel cell stack
CN112635802A (zh) 一种车用质子交换膜燃料电池系统氢气控制方法
CN102182578B (zh) 电控柴油机EGR系统NOx排放水平监控方法及装置
CN109340569B (zh) 一种气体供应系统自学习控制方法
CN102720603A (zh) Egr阀初始位置自学习方法
CN101861671B (zh) 燃料电池系统
CN110534777A (zh) 用于燃料电池的空气供应控制方法及控制系统
CN113299951B (zh) 一种质子交换膜燃料电池阴极压力及流量观测方法
CN115320387A (zh) 基于多源信息融合的车用燃料电池膜湿度预测方法及系统
US20160079620A1 (en) Hydrogen purging device and method for fuel cell system
US20090011302A1 (en) Fuel Cell System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant