CN110165248B - 燃料电池发动机空气供给系统容错控制方法 - Google Patents

燃料电池发动机空气供给系统容错控制方法 Download PDF

Info

Publication number
CN110165248B
CN110165248B CN201910447646.7A CN201910447646A CN110165248B CN 110165248 B CN110165248 B CN 110165248B CN 201910447646 A CN201910447646 A CN 201910447646A CN 110165248 B CN110165248 B CN 110165248B
Authority
CN
China
Prior art keywords
fuel cell
total current
moment
cell engine
time
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
CN201910447646.7A
Other languages
English (en)
Other versions
CN110165248A (zh
Inventor
全睿
吴帆
王成继
常雨芳
王粟
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.)
Hanrui Hydrogen Technology Group Co ltd
Original Assignee
Hubei University of Technology
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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN201910447646.7A priority Critical patent/CN110165248B/zh
Publication of CN110165248A publication Critical patent/CN110165248A/zh
Application granted granted Critical
Publication of CN110165248B publication Critical patent/CN110165248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04082Arrangements for control of reactant parameters, e.g. pressure or concentration
    • H01M8/04089Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04082Arrangements for control of reactant parameters, e.g. pressure or concentration
    • H01M8/04201Reactant storage and supply, e.g. means for feeding, pipes
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0432Temperature; Ambient temperature
    • H01M8/04358Temperature; Ambient temperature of the coolant
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0438Pressure; Ambient pressure; Flow
    • H01M8/04388Pressure; Ambient pressure; Flow of anode reactants at the inlet or inside the fuel cell
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04664Failure or abnormal function
    • H01M8/04679Failure or abnormal function of fuel cell stacks
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00Fuel cells; Manufacture thereof
    • H01M8/04Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30Hydrogen technology
    • Y02E60/50Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种所设计的燃料电池发动机空气供给系统容错控制方法为采集数据‑训练神经网络‑神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’‑计算燃料电池发动机所需的空气流量‑根据计算出的空气流量,结合空压机流量和转速之间的性能测试曲线查出期望的空压机目标转速,由燃料电池发动机主控制器给空压机发出期望的空压机目标转速命令,直至空压机实际转速值达到期望的空压机目标转速。在电流传感器采集数据不准或短时间失效和出现故障情况下,根据其它关联度较高的传感器值预测出电堆总电流值,从而精准的控制空气供给量并满足一定裕量,避免频繁停机操作或氧气挨饿对电堆的损害,进一步提高了燃料电池发动机的容错性能。

Description

燃料电池发动机空气供给系统容错控制方法
技术领域
本发明属于燃料电池发动机技术领域,具体涉及一种燃料电池发动机空气供给系统容错控制方法。
背景技术
燃料电池由于能量转换效率高、零污染、运行平稳、无噪声等优点,是未来汽车的终极动力方案,目前成为国内外相关企业和单位的研发热点,并处在产业化初期。燃料电池发动机是集电堆、氢气供给系统、空气供给系统、水热管理系统、控制系统为一体的发电装置,在整车运行或台架实验中,由于内外部因素(如电磁干扰、振动、寿命)的影响,难免会出现相关传感器短期或长时间失效甚至故障,现有的燃料电池发动机控制器通常会采取紧急停机操作进行处理,降低了燃料电池发动机的容错性能,这样会造成燃料电池发动机难以高效、可靠和安全工作。为了提高燃料电池汽车的安全可靠性,有必要在燃料电池发动机某些传感器出现失效和故障时,燃料电池发动机控制器仍然能有效控制相关执行部件,保证燃料电池发动机一定时间内的容错运行。
发明内容
本发明的目的就是针对上述技术的不足,提供一种能精准控制空气供给量的燃料电池发动机空气供给系统容错控制方法。
为实现上述目的,本发明所设计的燃料电池发动机空气供给系统容错控制方法如下:
1)采集数据
采集燃料电池发动机正常运行时当前时刻N及当前时刻的前N-1时刻、N-2时刻……N-M时刻对应的M+1个高压氢源压力PHS、M+1个进堆氢气压力PIH、M+1个进堆循环水温度TIC、M+1个出堆循环水温度TOC、M+1个电堆总电压SV和M+1个总电流SC传感器值,每组采集数据均包括同一时刻采集的高压氢源压力PHS、进堆氢气压力PIH、进堆循环水温度TIC、出堆循环水温度TOC、电堆总电压SV和总电流SC传感器值,共获得M+1组采集数据;
2)训练神经网络
以燃料电池发动机T时刻至T-k时刻的高压氢源压力PHST~PHST-k、进堆氢气压力PIHT~PIHT-k、进堆循环水温度TICT~TICT-k、出堆循环水温度TOCT~TOCT-k和电堆总电压SVT~SVT-k,以及T-1时刻至T-k时刻的电堆总电流SCT-1~SCT-k作为输入,以T时刻的电堆总电流SCT作为输出;以燃料电池发动机T+1时刻至T+1-k时刻的高压氢源压力PHST+1~PHST+1-k、进堆氢气压力PIHT+1~PIHT+1-k、进堆循环水温度TICT+1~TICT+1-k、出堆循环水温度TOCT+1~TOCT+1-k和电堆总电压SVT+1~SVT+1-k,以及T时刻至T+1-k时刻的电堆总电流SCT~SCT+1-k作为输入,以T+1时刻的电堆总电流SCT+1作为输出,依时间进行滚动类推,选取电堆总电流SC中以预设电流增幅在0~预设的最大电流值范围内由低到高对应的多个时刻的数据离线训练神经网络,直至训练误差小于预设值;
3)神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
在燃料电池发动机正常运行中实时采集燃料电池发动机T’时刻对应的T’时刻至T’-k时刻的高压氢源压力PHST’~PHST’-k、进堆氢气压力PIHT’~PIHT’-k、进堆循环水温度TICT’~TICT’-k、出堆循环水温度TOCT’~TOCT’-k和电堆总电压SVT’~SVT’-k,以及T’-1时刻至T’-k时刻的电堆总电流SCT’~SCT’+1-k作为步骤2)中神经网络的输入,由神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
4)计算燃料电池发动机所需的空气流量
将神经网络的T’时刻总电流预测值SC_NNT’与T’时刻电堆总电流传感器的实际采样值SC_ADT’进行比较,若两者之间的误差大于预设值,则判断T’时刻燃料电池发动机的电堆总电流传感器发生失效,以神经网络的T’时刻总电流预测值SC_NNT’代替T’时刻电堆总电流传感器的实际采样值SC_ADT’,并以神经网络的T’时刻总电流预测值SC_NNT’为依据计算燃料电池发动机所需的空气流量;否则以T’时刻总电流预测值SC_NNT’和T’时刻电堆总电流传感器的实际采样值SC_ADT’中两者的最大值作为燃料电池发动机电堆T’时刻的实际总电流值SCT’,并以此为依据计算燃料电池发动机所需的空气流量;
5)根据步骤4)计算出的空气流量,结合空压机流量和转速之间的性能测试曲线查出期望的空压机目标转速,由燃料电池发动机主控制器给空压机发出期望的空压机目标转速命令,直至空压机实际转速值达到期望的空压机目标转速。
进一步地,所述步骤4)中,若两者之间的误差大于预设值,则判断T’时刻燃料电池发动机的电堆总电流传感器发生失效,以神经网络的T’时刻总电流预测值SC_NNT’代替T’时刻电堆总电流传感器的实际采样值SC_ADT’,并以神经网络的T’时刻总电流预测值SC_NNT’为依据计算燃料电池发动机所需的空气流量,计算公式为Q=0.03485*SC_NNT’*N
式中,Q为空气体积流量(单位为标准升每分钟),N为燃料电池堆单片电池数量。
进一步地,所述步骤4)中,以T’时刻总电流预测值SC_NNT’和T’时刻电堆总电流传感器的实际采样值SC_ADT’中两者的最大值作为燃料电池发动机电堆T’时刻的实际总电流值SCT’,并以此为依据计算燃料电池发动机所需的空气流量,计算公式为
Q=0.03485*max(SC_NNT’,SC_ADT’)*N
式中,Q为空气体积流量(单位为标准升每分钟),N为燃料电池堆单片电池数量。
与现有技术相比,本发明具有以下优点:本发明燃料电池发动机空气供给系统容错控制方法,在电流传感器采集数据不准或短时间失效和出现故障情况下,可根据其它关联度较高的传感器值预测出电堆总电流值,从而精准的控制空气供给量并满足一定裕量,避免频繁停机操作或氧气挨饿对电堆的损害,从而进一步提高了燃料电池发动机的容错性能。
附图说明
图1为本发明燃料电池发动机空气供给系统容错控制方法流程框图;
图2为实施例中T时刻神经网络学习与训练示意图;
图3为实施例中T+1时刻神经网络学习与训练示意图
图4为本发明的空压机流量与转速的特性关系测试曲线。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
如图1所示燃料电池发动机空气供给系统容错控制方法:
1)采集数据
采集燃料电池发动机正常运行时当前时刻N及当前时刻的前N-1时刻、N-2时刻……N-M时刻(即M+1个连续时刻)对应的M+1个高压氢源压力PHS、M+1个进堆氢气压力PIH、M+1个进堆循环水温度TIC、M+1个出堆循环水温度TOC、M+1个电堆总电压SV和M+1个总电流SC传感器值,每组采集数据均包括同一时刻采集的高压氢源压力PHS、进堆氢气压力PIH、进堆循环水温度TIC、出堆循环水温度TOC、电堆总电压SV和总电流SC传感器值,共获得M+1组采集数据;
2)训练神经网络
以燃料电池发动机T时刻至T-k时刻的高压氢源压力PHST~PHST-k(即PHST、PHST-1……PHST-k)、进堆氢气压力PIHT~PIHT-k(即PIHT、PIHT-1……PIHT-k)、进堆循环水温度TICT~TICT-k(即TICT、TICT-1……TICT-k)、出堆循环水温度TOCT~TOCT-k(即TOCT、TOCT-1……TOCT-k)和电堆总电压SVT~SVT-k(即SVT、SVT-1……SVT-k),以及T-1时刻至T-k时刻的电堆总电流SCT-1~SCT-k(即SCT-1、SCT-2……SCT-k)作为输入,以T时刻的电堆总电流SCT作为输出;以燃料电池发动机T+1时刻至T+1-k时刻的高压氢源压力PHST+1~PHST+1-k(即PHST+1、PHST……PHST+1-k)、进堆氢气压力PIHT+1~PIHT+1-k(即PIHT+1、PIHT……PIHT+1-k)、进堆循环水温度TICT+1~TICT+1-k(即TICT+1、TICT……TICT+1-k)、出堆循环水温度TOCT+1~TOCT+1-k(即TOCT+1、TOCT……TOCT+1-k)和电堆总电压SVT+1~SVT+1-k(即SVT+1、SVT……SVT+1-k),以及T时刻至T+1-k时刻的电堆总电流SCT~SCT+1-k(即SCT、SCT-1……SCT+1-k)作为输入,以T+1时刻的电堆总电流SCT+1作为输出,依时间进行滚动类推,选取电堆总电流SC中以预设电流增幅在0~预设的最大电流值范围内由低到高对应的多个时刻的数据离线训练神经网络,直至训练误差小于预设值;
3)神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
在燃料电池发动机正常运行中实时采集燃料电池发动机T’时刻对应的T’时刻至T’-k时刻的高压氢源压力PHST’~PHST’-k(即PHST’、PHST’-1……PHST’-k)、进堆氢气压力PIHT’~PIHT’-k(即PIHT’、PIHT’-1……PIHT’-k)、进堆循环水温度TICT’~TICT’-k(即TICT’、TICT’-1……TICT’-k)、出堆循环水温度TOCT’~TOCT’-k(即TOCT’、TOCT’-1……TOCT’-k)和电堆总电压SVT’~SVT’-k(即SVT’、SVT’-1……SVT’-k),以及T’-1时刻至T’-k时刻的电堆总电流SCT’~SCT’+1-k(即SCT’、SCT’-1……SCT’+1-k)作为步骤2)中神经网络的输入,由神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
4)计算燃料电池发动机所需的空气流量
将神经网络的T’时刻总电流预测值SC_NNT’与T’时刻电堆总电流传感器的实际采样值SC_ADT’进行比较,若两者之间的误差大于预设值,则判断T’时刻燃料电池发动机的电堆总电流传感器发生失效,以神经网络的T’时刻总电流预测值SC_NNT’代替T’时刻电堆总电流传感器的实际采样值SC_ADT’,并以神经网络的T’时刻总电流预测值SC_NNT’为依据计算燃料电池发动机所需的空气流量;否则以T’时刻总电流预测值SC_NNT’和T’时刻电堆总电流传感器的实际采样值SC_ADT’中两者的最大值作为燃料电池发动机电堆T’时刻的实际总电流值SCT’,并以此为依据计算燃料电池发动机所需的空气流量;
5)根据步骤4)计算出的空气流量,结合空压机流量和转速之间的性能测试曲线查出期望的空压机目标转速,由燃料电池发动机主控制器给空压机发出期望的空压机目标转速命令,直至空压机实际转速值达到期望的空压机目标转速。
本发明采用神经网络在训练样本足够多的情况下可逼近任意非线性函数关系的强大泛化能力,在燃料电池发动机正常工作过程中,选取多个连续采样时间的总电流传感器值以及与其有密切相关性的其它传感器值,采用先进算法离线训练神经网络,将训练好的神经网络接收燃料电池发动机当前时刻至前几个时刻其它相关传感器的采集数据预测出当前时刻的电堆总电流值,通过对比神经网络的预测值与电堆总电流传感器实际采样值之间的误差来判断电堆总电流传感器是否发生失效,一旦判断出电堆总电流传感器发生失效,则利用神经网络的预测值取代它,并计算出不低于两倍裕量的空气所需流量,通过查询空压机转速和流量之间的特性关系测试曲线,控制空压机的目标转速,实现空气供给系统的容错控制,可广泛应用于燃料电池汽车和燃料电池发电场合,提高系统的容错能力、鲁棒性和安全可靠性,具有良好的节能与减排前景。
下面结合具体实施例进一步阐述本发明燃料电池发动机空气供给系统容错控制方法。
如图2所示,针对T时刻一组数据以燃料电池发动机T时刻至T-2时刻的高压氢源压力PHST~PHST-2(即PHST、PHST-1、PHST-2)、进堆氢气压力PIHT~PIHT-2(即PIHT、PIHT-1、PIHT-2)、进堆循环水温度TICT~TICT-2(即TICT、TICT-1、TICT-2)、出堆循环水温度TOCT~TOCT-2(即TOCT、TOCT-1、TOCT-2)和电堆总电压SVT~SVT-2(SVT、SVT-1、SVT-2),以及T-1时刻至T-2时刻的电堆总电流SCT-1~SCT-2(即SCT-1、SCT-2)作为输入,以T时刻的电堆总电流SCT作为输出;
如图3所示,针对T+1时刻一组数据以燃料电池发动机T+1时刻至T-1时刻的PHST+1~PHST-1(即PHST+1、PHST、PHST-1)、进堆氢气压力PIHT+1~PIHT-1(即PIHT+1、PIHT、PIHT-1)、进堆循环水温度TICT+1~TICT-1(即TICT+1、TICT、TICT-1)、出堆循环水温度TOCT+1~TOCT-1(即TOCT+1、TOCT、TOCT-1)和电堆总电压SVT+1~SVT-1(即SVT+1、SVT、SVT-1),以及T时刻至T-1时刻的电堆总电流SCT、SCT-1为输入,以T+1时刻的电堆总电流SCT+1为输出,连续两个时刻之间的间隔时间为0.1s~0.5s;选取电堆总电流SC中以0.1A为增幅在0~300A范围内由低到高对应的多个时刻的采集数据离线训练BP神经网络即设定最大输出电流为300A、选定电流0.1A为增幅,则选取0、0.1A、0.2A、0.3A……300A对应的采集数据,(可由神经网络芯片、FPGA芯片或神经网络上位机实现),BP神经网络的输入层节点数设置为17,中间层节点数设置为35,输出层节点数设置为1,选取的训练算法为Levenberg-Marquardt算法,设定训练的目标误差平方和指标为0.001,最大循环次数为2500次,学习速率定为0.12;
在燃料电池发动机实际运行中,T’时刻实时采集燃料电池发动机T’时刻至T’-2时刻的高压氢源压力PHST’~PHST’-2(即PHST’、PHST’-1、PHST’-2)、进堆氢气压力PIHT’~PIHT’-/2(即PIHT’、PIHT’-1、PIHT’-2)、进堆循环水温度TICT’~TICT’-2(即TICT’、TICT’-1、TICT’-2)、出堆循环水温度TOCT’~TOCT’-2(即TOCT’、TOCT’-1、TOCT’-2)和电堆总电压SVT’~SVT’-2(即SVT’、SVT’-1、SVT’-/2),以及T’-1时刻和T’-2的电堆总电流SCT-1’~SCT’-2(即SCT’-1、SCT’-2)作为BP神经网络的输入,由神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’,并通过CAN总线发送给燃料电池发动机控制器,燃料电池发动机控制器将BP神经网络的T’时刻总电流预测值SC_NNT’与当前时刻总电流传感器的实际采样值SC_ADT’进行比较,若两者之间的误差大于5A,则判断燃料电池发动机的电堆总电流传感器发生失效,以BP神经网络的T’时刻总电流预测值SC_NNT’代替电堆总电流传感器的实际采样值SC_ADT’,此时计算燃料电池发动机所需的空气流量为:
Q=0.03485*SC_NN(T’)*N
式中,Q为空气体积流量(单位为标准升每分钟),N为燃料电池堆单片电池数量;
否则以BP神经网络的T’时刻总电流预测值SC_NNT’和电堆总电流传感器采集值SC_ADT’中两者的最大值作为T’时刻燃料电池电堆总电流值SCT’,此时计算燃料电池发动机所需的空气流量为:
Q=0.03485*max(SC_NN(T’),SC_AD(T’))*N
计算出所需的空气流量后,如图4所示,根据计算出的空气流量,结合空压机流量和转速之间的性能测试曲线查出期望的空压机目标转速,由燃料电池发动机主控制器通过CAN总线向空压机发出期望的空压机目标转速,直至空压机实际转速值达到期望的空压机目标转速。通过控制空压机的转速调节空气供给量,在燃料电池发动机电流传感器失效时可提高空气供给量从而控制容错性能。
本发明中“*”为乘以。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。

Claims (3)

1.一种燃料电池发动机空气供给系统容错控制方法,其特征在于:所述容错控制方法如下:
1)采集数据
采集燃料电池发动机正常运行时当前时刻N及当前时刻的前N-1时刻、N-2时刻……N-M时刻对应的M+1个高压氢源压力PHS、M+1个进堆氢气压力PIH、M+1个进堆循环水温度TIC、M+1个出堆循环水温度TOC、M+1个电堆总电压SV和M+1个总电流SC传感器值,每组采集数据均包括同一时刻采集的高压氢源压力PHS、进堆氢气压力PIH、进堆循环水温度TIC、出堆循环水温度TOC、电堆总电压SV和总电流SC传感器值,共获得M+1组采集数据;
2)训练神经网络
以燃料电池发动机T时刻至T-k时刻的高压氢源压力PHST~PHST-k、进堆氢气压力PIHT~PIHT-k、进堆循环水温度TICT~TICT-k、出堆循环水温度TOCT~TOCT-k和电堆总电压SVT~SVT-k,以及T-1时刻至T-k时刻的电堆总电流SCT-1~SCT-k作为输入,以T时刻的电堆总电流SCT作为输出;以燃料电池发动机T+1时刻至T+1-k时刻的高压氢源压力PHST+1~PHST+1-k、进堆氢气压力PIHT+1~PIHT+1-k、进堆循环水温度TICT+1~TICT+1-k、出堆循环水温度TOCT+1~TOCT+1-k和电堆总电压SVT+1~SVT+1-k,以及T时刻至T+1-k时刻的电堆总电流SCT~SCT+1-k作为输入,以T+1时刻的电堆总电流SCT+1作为输出,依时间进行滚动类推,选取电堆总电流SC中以预设电流增幅在0~预设的最大电流值范围内由低到高对应的多个时刻的数据离线训练神经网络,直至训练误差小于预设值;
3)神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
在燃料电池发动机正常运行中实时采集燃料电池发动机T’时刻对应的T’时刻至T’-k时刻的高压氢源压力PHST’~PHST’-k、进堆氢气压力PIHT’~PIHT’-k、进堆循环水温度TICT’~TICT’-k、出堆循环水温度TOCT’~TOCT’-k和电堆总电压SVT’~SVT’-k,以及T’-1时刻至T’-k时刻的电堆总电流SCT’~SCT’+1-k作为步骤2)中神经网络的输入,由神经网络预测出燃料电池发动机T’时刻总电流预测值SC_NNT’
4)计算燃料电池发动机所需的空气流量
将神经网络的T’时刻总电流预测值SC_NNT’与T’时刻电堆总电流传感器的实际采样值SC_ADT’进行比较,若两者之间的误差大于预设值,则判断T’时刻燃料电池发动机的电堆总电流传感器发生失效,以神经网络的T’时刻总电流预测值SC_NNT’代替T’时刻电堆总电流传感器的实际采样值SC_ADT’,并以神经网络的T’时刻总电流预测值SC_NNT’为依据计算燃料电池发动机所需的空气流量;否则以T’时刻总电流预测值SC_NNT’和T’时刻电堆总电流传感器的实际采样值SC_ADT’中两者的最大值作为燃料电池发动机电堆T’时刻的实际总电流值SCT’,并以此为依据计算燃料电池发动机所需的空气流量;
5)根据步骤4)计算出的空气流量,结合空压机流量和转速之间的性能测试曲线查出期望的空压机目标转速,由燃料电池发动机主控制器给空压机发出期望的空压机目标转速命令,直至空压机实际转速值达到期望的空压机目标转速。
2.根据权利要求1所述燃料电池发动机空气供给系统容错控制方法,其特征在于:所述步骤4)中,若两者之间的误差大于预设值,则判断T’时刻燃料电池发动机的电堆总电流传感器发生失效,以神经网络的T’时刻总电流预测值SC_NNT’代替T’时刻电堆总电流传感器的实际采样值SC_ADT’,并以神经网络的T’时刻总电流预测值SC_NNT’为依据计算燃料电池发动机所需的空气流量,计算公式为Q=0.03485*SC_NNT’*N
式中,Q为空气体积流量,N为燃料电池堆单片电池数量。
3.根据权利要求1所述燃料电池发动机空气供给系统容错控制方法,其特征在于:所述步骤4)中,以T’时刻总电流预测值SC_NNT’和T’时刻电堆总电流传感器的实际采样值SC_ADT’中两者的最大值作为燃料电池发动机电堆T’时刻的实际总电流值SCT’,并以此为依据计算燃料电池发动机所需的空气流量,计算公式为
Q=0.03485*max(SC_NNT’,SC_ADT’)*N
式中,Q为空气体积流量,N为燃料电池堆单片电池数量。
CN201910447646.7A 2019-05-27 2019-05-27 燃料电池发动机空气供给系统容错控制方法 Active CN110165248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910447646.7A CN110165248B (zh) 2019-05-27 2019-05-27 燃料电池发动机空气供给系统容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910447646.7A CN110165248B (zh) 2019-05-27 2019-05-27 燃料电池发动机空气供给系统容错控制方法

Publications (2)

Publication Number Publication Date
CN110165248A CN110165248A (zh) 2019-08-23
CN110165248B true CN110165248B (zh) 2020-10-02

Family

ID=67629080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910447646.7A Active CN110165248B (zh) 2019-05-27 2019-05-27 燃料电池发动机空气供给系统容错控制方法

Country Status (1)

Country Link
CN (1) CN110165248B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111106371B (zh) * 2019-12-31 2021-04-16 上海捷氢科技有限公司 燃料电池空气管理系统及其相关控制信号的获取方法
CN111755720A (zh) * 2020-06-24 2020-10-09 湖北工业大学 一种燃料电池发动机吹扫除水低温储存控制方法
CN112083346B (zh) * 2020-08-03 2021-11-09 山东大学 基于lstm的并联电池组内部电流分布估计方法及系统
CN112448005B (zh) * 2020-11-11 2022-02-01 湖北工业大学 一种燃料电池发动机出堆温度传感器失效的温度容错控制方法
CN112665680B (zh) * 2020-11-18 2024-05-14 贵州电网有限责任公司 一种小水电前池水位测量方法及测量系统
CN113299954A (zh) * 2021-04-25 2021-08-24 北京氢澜科技有限公司 控制燃料电池电堆内水含量的方法、装置及设备
CN113422088B (zh) * 2021-06-28 2023-02-17 太原理工大学 一种氢燃料电池空气供给系统及其解耦控制方法
CN113547919B (zh) * 2021-08-26 2023-03-24 武汉海亿新能源科技有限公司 一种燃料电池车远程故障监测方法及系统
CN114094149B (zh) * 2021-09-30 2023-12-19 东风汽车集团股份有限公司 一种燃料电池增压控制系统及方法
CN113659175B (zh) * 2021-10-19 2022-04-05 潍柴动力股份有限公司 燃料电池堆自诊断方法、装置和电子设备
CN114335619B (zh) * 2021-12-30 2023-07-18 深蓝汽车科技有限公司 燃料电池进气流量传感器故障监测处理方法及系统、车辆
CN114725449A (zh) * 2022-04-22 2022-07-08 湖北工业大学 一种燃料电池发动机出堆温度传感器故障信号重构及预测方法
CN114759233B (zh) * 2022-05-24 2024-01-26 苏州溯驭技术有限公司 一种适用于氢燃料系统的排氮阀控制方法及其排氮阀系统
CN115064727B (zh) * 2022-07-19 2023-12-22 山东国创燃料电池技术创新中心有限公司 一种燃料电池发动机的空气供气系统、控制方法及飞机
CN116364985B (zh) * 2023-05-31 2023-08-04 上海重塑能源科技有限公司 一种最优燃料电池系统性能控制方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050249987A1 (en) * 2004-05-04 2005-11-10 Angstrom Power Incorporated Fault tolerant fuel cell systems
CN106229531B (zh) * 2016-09-29 2019-01-29 清华大学 燃料电池车辆容错控制方法及装置
CN107180983B (zh) * 2017-05-16 2020-01-03 华中科技大学 一种固体氧化物燃料电池电堆故障诊断方法和系统
CN107317045B (zh) * 2017-07-28 2019-07-12 电子科技大学 一种固体氧化物燃料电池系统的最优容错控制方法
CN208157535U (zh) * 2018-01-17 2018-11-27 安徽明天氢能科技股份有限公司 一种燃料电池系统的空气供应系统
CN108443207A (zh) * 2018-03-21 2018-08-24 深圳国氢新能源科技有限公司 一种燃料电池系统空压机的控制方法
CN109524693B (zh) * 2018-11-13 2021-04-09 吉林大学 燃料电池空气供给系统模型预测控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Faults diagnosis for PEM fuel cell system based on multi-sensor signals and principle component analysis method;Xingwang Zhao等;《International Journal of Hydrogen Energy》;20170603;第42卷(第29期);第18524-18531页 *
燃料电池空气供给系统控制参数的预测及仿真;全书海 等;《武汉理工大学学报》;20091015;第31卷(第19期);第4-6、23页 *

Also Published As

Publication number Publication date
CN110165248A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110165248B (zh) 燃料电池发动机空气供给系统容错控制方法
CN110190306B (zh) 一种用于燃料电池系统的在线故障诊断方法
Chen et al. Degradation prediction of proton exchange membrane fuel cell based on grey neural network model and particle swarm optimization
Lu et al. On-line fault diagnosis for proton exchange membrane fuel cells based on a fast electrochemical impedance spectroscopy measurement
CN112925209B (zh) 燃料电池汽车模型-干扰双预测控制能量管理方法及系统
CN110311398B (zh) 一种新型储能电池系统的连接拓扑、控制系统及方法
CN103700871B (zh) 机车质子交换膜燃料电池系统最优效率控制方法
Huang et al. Correlation analysis and prediction of PEM fuel cell voltage during start-stop operation based on real-world driving data
CN112448005B (zh) 一种燃料电池发动机出堆温度传感器失效的温度容错控制方法
CN114725449A (zh) 一种燃料电池发动机出堆温度传感器故障信号重构及预测方法
CN114048772A (zh) 一种燃料电池装置的故障诊断方法、系统及存储介质
Quan et al. Fault diagnosis in a current sensor and its application to fault-tolerant control for an air supply subsystem of a 50 kW-Grade fuel cell engine
CN113492727B (zh) 一种基于empc的燃料电池混合动力系统控制方法
CN110909455B (zh) 一种延缓固体氧化物燃料电池性能衰退的方法
Tang et al. Degradation adaptive energy management strategy for FCHEV based on the Rule-DDPG method: tailored to the current SOH of the powertrain
CN104133369A (zh) 一种质子交换膜燃料电池动态特性的控制方法
CN113991647A (zh) 一种面向频率响应容量规划的电力系统随机生产模拟方法
Zhou et al. Research on Driving Data Classification of Fuel Cell Vehicle Based on CNN-BiLSTM Network
CN110752396B (zh) 一种质子交换膜燃料电池水合状态在线评估与异常自愈控制方法
Wu et al. Data-driven approaches for predicting performance degradation of solid oxide fuel cells system considering prolonged operation and shutdown accumulation effect
Wang et al. Segmented prediction model of lithium-ion battery remaining useful life based on LSTM and SVR
CN111666664B (zh) 电-气综合能源系统新增供能元件置信容量的评估方法
CN116344874B (zh) 一种燃料电池的电堆状态的判断方法、优化方法及应用
Peng et al. Multistate Reliability Analysis of Solid Oxide Fuel Cells Using Automatic Spectral Clustering and Neighborhood Rough Sets
CN212749082U (zh) 一种基于pemfc物理模型的氢燃料电池单向dc/dc变换器测试系统

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
TR01 Transfer of patent right

Effective date of registration: 20211029

Address after: 712000 room 1208, block B, galaxy, collaborative innovation port, Fengdong Avenue, Xixian new area, Xi'an City, Shaanxi Province

Patentee after: Shaanxi yuhydrogen Energy Technology Co.,Ltd.

Address before: 430068 No. 28 Nanli Road, Hongshan District, Wuhan City, Hubei Province

Patentee before: HUBEI University OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220520

Address after: 710075 Room 501, block B, Xinke building, Yanta District, Xi'an City, Shaanxi Province

Patentee after: Shaanxi Hanrui Hydrogen Energy Technology Co.,Ltd.

Address before: 712000 room 1208, block B, galaxy, collaborative innovation port, Fengdong Avenue, Xixian new area, Xi'an City, Shaanxi Province

Patentee before: Shaanxi yuhydrogen Energy Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230621

Address after: Room 1041, 10th Floor, Weiya Building, No. 29 Suzhou Street, Haidian District, Beijing, 100080

Patentee after: Hanrui Hydrogen Technology Group Co.,Ltd.

Address before: 710075 Room 501, block B, Xinke building, Yanta District, Xi'an City, Shaanxi Province

Patentee before: Shaanxi Hanrui Hydrogen Energy Technology Co.,Ltd.

TR01 Transfer of patent right