CN113359436B - 微生物燃料电池的t-s模糊保性能控制方法及系统 - Google Patents

微生物燃料电池的t-s模糊保性能控制方法及系统 Download PDF

Info

Publication number
CN113359436B
CN113359436B CN202110521462.8A CN202110521462A CN113359436B CN 113359436 B CN113359436 B CN 113359436B CN 202110521462 A CN202110521462 A CN 202110521462A CN 113359436 B CN113359436 B CN 113359436B
Authority
CN
China
Prior art keywords
fuel cell
microbial fuel
model
fuzzy
max
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
CN202110521462.8A
Other languages
English (en)
Other versions
CN113359436A (zh
Inventor
欧阳天雨
马凤英
祝宝龙
纪鹏
廉磊
姚辉
孙玉和
张博文
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.)
Qilu University of Technology
Original Assignee
Qilu 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 Qilu University of Technology filed Critical Qilu University of Technology
Priority to CN202110521462.8A priority Critical patent/CN113359436B/zh
Publication of CN113359436A publication Critical patent/CN113359436A/zh
Application granted granted Critical
Publication of CN113359436B publication Critical patent/CN113359436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Fuel Cell (AREA)

Abstract

本发明属于能源控制领域，提供了一种微生物燃料电池的T‑S模糊保性能控制方法及系统。其中，该方法包括获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T‑S模糊模型；基于设定规则的T‑S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。

Description

微生物燃料电池的T-S模糊保性能控制方法及系统
技术领域
本发明属于能源控制领域，尤其涉及一种微生物燃料电池的T-S模糊保性能控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
微生物燃料电池可以利用污水中的微生物将污水中的化学能转化为电能，是一种新型清洁能源，人类每天都需要消耗大量的能量，这些能量主要来自化石燃料的燃烧，然而化石能源的大量使用使其迅速枯竭，同时也会带来较严重的温室效应与环境污染，寻找新型清洁能源，实现能源可持续使用是当前迫切的研究方向，对微生物燃料电池进行研发有助于缓解目前日益严重的环境问题。
微生物燃料电池内部反应较为复杂，其反应过程包括电化学，微生物动力学等多个方面，在微生物燃料电池的内部结构中，阳极电极一般由碳布或碳刷构成，阴极电极一般由含铂催化剂的碳布构成，其中，双室微生物燃料电池阳极室含有底物，阴极室含有水或离子溶液，中间由质子交换膜隔开。单室微生物燃料电池一般采用空气阴极，对以醋酸盐为底物的微生物燃料电池，醋酸盐在厌氧菌的作用下将其分解产生氢离子和电子，氢离子透过质子交换膜到达阴极与经过外电路的电子结合生成水，电子经过外电路释放电能。
目前的微生物燃料电池推广与应用方面还处于实验室阶段，材料及微生物选择与控制方面均为影响微生物燃料电池应用的重要因素，因此，对微生物燃料电池进行有效控制控制是提高微生物燃料电池实用性的一个重要方面。发明人发现，微生物燃料电池本质上为一种复杂的非线性系统，其产电性能受多种因素影响，涉及微生物动力学，材料学，电化学等多个学科，微生物燃料电池控制是实现微生物燃料电池实际应用的一种重要手段。现有发明与研究在控制微生物燃料电池电压稳定，减少电压反转，实现最大功率输出等方面取得了不错的成果，但如何实现微生物燃料电池输入与底物浓度的稳定变化依然是有待解决的问题。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种微生物燃料电池的T-S模糊保性能控制方法，其通过T-S建模控制的方法，通过控制微生物燃料电池的稀释率u，使微生物燃料电池输出电压保持稳定的同时保证了控制输入u的变化在可接受范围以内，避免了现有控制理论在实际中难以应用的问题。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种微生物燃料电池的T-S模糊保性能控制方法。
一种微生物燃料电池的T-S模糊保性能控制方法，其包括：
获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型；
基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
本发明的第二个方面提供一种微生物燃料电池的T-S模糊保性能控制系统。
一种微生物燃料电池的T-S模糊保性能控制系统，其包括：
模型转化模块，其用于获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型；
保性能控制模块，其用于基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
本发明的第三个方面提供一种微生物燃料电池的T-S模糊保性能控制系统，其包括保性能控制器，所述保性能控制器被配置为执行以下步骤：
获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型；
基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
本发明的第四个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
本发明的第五个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明通过T-S建模控制的方法，通过控制微生物燃料电池的稀释率u，使微生物燃料电池输出电压保持稳定的同时保证了控制输入u的变化在可接受范围以内，避免了现有控制理论在实际中难以应用的问题。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的微生物燃料电池的T-S模糊保性能控制方法流程图；
图2是本发明实施例的微生物燃料电池的T-S模糊保性能控制参数设计原理；
图3是本发明实施例的微生物燃料电池的T-S模糊保性能控制系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例提供了一种微生物燃料电池的T-S模糊保性能控制方法，其包括：
步骤S101：获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型。
在具体实施中，采用扇区非线性的方法对微生物燃料电池模型进行T-S建模，得到设定规则的T-S模糊模型。例如：所述T-S模糊模型为八规则T-S模糊模型。
此处需要说明的是，在其他实施例中，T-S模糊模型也可为其他数量规则的T-S模糊模型。
具体地，所述微生物燃料电池模型是根据微生物燃料电池参数及微生物与电化学动力学方程构建而成的。
微生物燃料电池的数学模型为：
U＝En-Rm[lnx1-19lnx3]
其中En和Rm均为模型中常数，V表示微生物燃料电池输出电压，x1、x2、x3和x4是模型中的状态变量，其中x1表示底物浓度，x2表示微生物浓度，x3表示离子的浓度，x4表示H+浓度，V0表示初始底物浓度，Rs为半饱和常数，u为稀释率，ymax为最大底物消耗速率，rmax表示微生物生长速率。
由上述数学模型可以看出，故可只通过对x1，/>进行分析，通过控制稀释率u，使x1，/>的值满足我们的要求，即可间接完成对电压的控制。
针对单室单生物微生物燃料电池数学模型，对状态方程x1，进行T-S建模，令则非线性状态方程可表示为/>其中，矩阵/> 注意到，矩阵中有四个非线性项，建模目的即是将模型中的非线性项线性化，本实施例采用扇区线性化的方法建立T-S模型。
令
z2＝-x1；
z3＝-x2
采用扇区非线性的方法进行T-S模糊建模，z1，z2，z3可由下式表示：
(1)z1＝R1(z1)*Max(z1))+R2(z1)*Min(z1))，
(2)z2＝B1(z2)*Max(z2))+B2(z2)*Min((z2))，
(3)z3＝C1(z3)*Max(z3))+C2(z3)*Min(z3))，
此处(4)R1(z1)+R2(z1)＝1，
(5)B1(z2)+B2(z2)＝1，
(6)C1(z3)+C2(z3)＝1，
将等式(4)，(5)，(6)带入等式(1)，(2)，(3)，隶属度函数可以表示为：
R1(z1)＝(z1-z1min)/(z1max-z1min)，R2(z1)＝(z1max-z1)/(z1max-z1min)，
B1(z2)＝(z2-z2min)/(z2max-z2min)，B2(z2)＝(z2max-z2)/(z2max-z2min)，
C1(z2)＝(z3-z3min)/(z3max-z3min)，C2(z3)＝(z3max-z3)/(z3max-z3min)，
上述微生物燃料电池T-S模型可以表示为：
(7)
其中i＝1，2...8，H1(z(t))＝R1(z1)*B1(z2)*C1(z2)，
H2(z(t))＝R1(z1)*B1(z2)*C2(z2)H3(z(t))＝R1*B2*C1，
H4(z(t))＝R1(z1)*B2(z2)*C2(z2)，
H5(z(t))＝R2(z1)*B1(z2)*C1(z2)，
H6(z(t))＝R2(z1)*B1(z2)*C2(z2)，
H7(z(t))＝R2(z1)*B2(z2)*C1(z2)，
H8(z(t))＝R2(z1)*B2(z2)*C2(z2)。
矩阵A1，A2，A3，A4：
A1＝A2＝A3＝A4＝[0-ymax*z1max；0-rmax*z1max-b]；
A5＝A6＝A7＝A8＝[0-ymax*z1min；0-rmax*z1min-b]；
B1＝B2＝[z2max；z3max]；B3＝B4＝[z2min；z3max]；
B5＝B6＝[z2max；z3min]；B7＝B8＝[z2min；z3min]；
采用T-S模糊方法通过扇形非线性方法处理微生物燃料电池底物浓度与生物量浓度，使用不同的状态空间方程来描述稀释率变化时微生物燃料电池底物浓度与生物量浓度的变化。
步骤S102：基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
在具体实施中，基于设定规则的T-S模糊模型，采用并行分布式补偿的方式来控制微生物燃料电池的稀释率。
在设计具体的控制参数时，如图2所示，首先设计性能函数，性能函数J表示为：此处矩阵Q＞0，R＞0，由函数可知，J与状态x，控制输入u直接相关，控制目的为在保证状态x→0的同时尽可能使性能函数J的上界最小。
根据所设计的T-S模型，通过并行分布式补偿的方法，设计下述控制规则：
(8)IF zi is Ti，THEN u(t)＝-Fix(t)，
将上式代入(7)，可得：
设计李雅普诺夫函数：令其中Pi为正定矩阵，下式可计算为：
此处，若可得/>
定义其中γ为一个常值，式(9)两边同时乘以Γi，可得下式：
上述不等式即为线性矩阵不等式，可用LMI工具箱进行求解，若上式成立，即可保证所设计的李雅普诺夫函数小于0，即满足稳定性条件，性能函数如下式：
因此闭环系统是稳定的：
实施例二
如图3所示，本实施例提供了一种微生物燃料电池的T-S模糊保性能控制系统，其包括：
模型转化模块11，其用于获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型；
保性能控制模块12，其用于基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
此处需要说明的是，本实施例的微生物燃料电池的T-S模糊保性能控制系统中的各个模块，与实施例一中微生物燃料电池的T-S模糊保性能控制方法中的步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种微生物燃料电池的T-S模糊保性能控制系统，其包括保性能控制器，所述保性能控制器被配置为执行以下步骤：
获取微生物燃料电池参数，将微生物燃料电池模型转化为设定规则的T-S模糊模型；
基于设定规则的T-S模糊模型控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内。
此处需要说明的是，本实施例的保性能控制器被配置的执行步骤，与实施例一中的微生物燃料电池的T-S模糊保性能控制方法中的步骤相同，此处不再累述。
实施例四
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
实施例五
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种微生物燃料电池的T-S模糊保性能控制方法，其特征在于，包括：
获取微生物燃料电池参数，采用扇区非线性的方法对微生物燃料电池模型进行T-S建模，得到设定规则的T-S模糊模型；
所述微生物燃料电池T-S模型表示为：
(7)
其中i＝1,2…8，
H1(z(t))＝R1(z1)*B1(z2)*C1(z2)，
H2(z(t))＝R1(z1)*B1(z2)*C2(z2)，
H3(z(t))＝R1(z1)*B2(z2)*C1(z2)，
H4(z(t))＝R1(z1)*B2(z2)*C2(z2)，
H5(z(t))＝R2(z1)*B1(z2)*C1(z2)，
H6(z(t))＝R2(z1)*B1(z2)*C2(z2)，
H7(z(t))＝R2(z1)*B2(z2)*C1(z2)，
H8(z(t))＝R2(z1)*B2(z2)*C2(z2)；
矩阵A1，A2,A3,A4：
A1＝A2＝A3＝A4＝[0 -ymax*z1max；0 -rmax*z1max-b]；
A5＝A6＝A7＝A8＝[0 -ymax*z1min；0 -rmax*z1min-b]；
B1＝B2＝[z2max；z3max]；B3＝B4＝[z2min；z3max]；
B5＝B6＝[z2max；z3min]；B7＝B8＝[z2min；z3min]；
其中，ymax表示最大底物消耗速率，rmax表示微生物最大生长率，R1(z1)、R2(z1)、B1(z2)、C1(z2)、C1(z2)、C1(z2)为隶属度函数，表示为：
R1(z1)＝(z1-z1min)/(z1max-z1min)，R2(z1)＝(z1max-z1)/(z1max-z1min)，
B1(z2)＝(z2-z2min)/(z2max-z2min)，B2(z2)＝(z2max-z2)/(z2max-z2min)，
C1(z2)＝(z3-z3min)/(z3max-z3min)，C2(z3)＝(z3max-z3)/(z3max-z3min)，
基于设定规则的T-S模糊模型，采用并行分布式补偿的方式来控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内；
在设计具体的控制参数时，首先设计性能函数，性能函数J表示为：此处矩阵Q＞0，R＞0，由函数可知，J与状态x，控制输入u直接相关，控制目的为在保证状态x→0的同时尽可能使性能函数J的上界最小；
根据所设计的T-S模型，通过并行分布式补偿的方法，设计下述控制规则：
(8)IF zi is Ti，THEN u(t)=-Fix(t)，
将上式代入(7)，可得：
设计李雅普诺夫函数：令其中Pi为正定矩阵，可得(9)
所述微生物燃料电池模型是根据微生物燃料电池参数及微生物与电化学动力学方程构建而成的；
使用不同的状态空间方程来描述稀释率变化时微生物燃料电池底物浓度与生物量浓度的变化。
2.如权利要求1所述的微生物燃料电池的T-S模糊保性能控制方法，其特征在于，所述T-S模糊模型为八规则T-S模糊模型。
3.一种微生物燃料电池的T-S模糊保性能控制系统，其特征在于，包括：
模型转化模块，其用于获取微生物燃料电池参数，采用扇区非线性的方法对微生物燃料电池模型进行T-S建模，得到设定规则的T-S模糊模型；
保性能控制模块，其用于基于设定规则的T-S模糊模型，采用并行分布式补偿的方式来控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内；
所述微生物燃料电池T-S模型表示为：
(7)
其中i＝1,2…8，
H1(z(t))＝R1(z1)*B1(z2)*C1(z2)，
H2(z(t))＝R1(z1)*B1(z2)*C2(z2)，
H3(z(t))＝B1(z1)*B2(z2)*C1(z2)，
H4(z(t))＝R1(z1)*B2(z2)*C2(z2)，
H5(z(t))＝R2(z1)*B1(z2)*C1(z2)，
H6(z(t))＝R2(z1)*B1(z2)*C2(z2)，
H7(z(t))＝R2(z1)*B2(z2)*C1(z2)，
H9(z(t))＝R2(z1)*B2(z2)*C2(z2)；
矩阵A1，A2,A3,A4：
A1＝A2＝A3＝A4＝[0 -ymax*z1max；0 -rmax*z1max-b]；
A5＝A6＝A7＝A8＝[0 -ymax*z1min；0 -rmax*z1min-b]；
B1＝B2＝[z2max；z3max]；B3＝B4＝[z2min；z3max]；
B5＝B6＝[z2max；z3min]；B7＝B8＝[z2min；z3min]；
其中，ymax表示最大底物消耗速率，rmax表示微生物最大生长率，R1(z1)、R1(z1)、B1(z2)、B2(z2)、C1(z2)、C1(C2)为隶属度函数，表示为：
R1(z1)＝(z1-z1min)/(z1max-z1min)，R2(z1)＝(z1max-z1)/(z1max-z1min)，
B1(z2)＝(z2-z2min)/(z2max-z2min)，B2(z2)＝(z2max-z2)/(z2max-z2min)，
C1(z2)＝(z3-z3min)/(z3max-z3min)，C2(z3)＝(z3max-z3)/(z3max-z3min)，
在设计具体的控制参数时，首先设计性能函数，性能函数J表示为：此处矩阵Q＞0，R＞0，由函数可知，J与状态x，控制输入u直接相关，控制目的为在保证状态x→0的同时尽可能使性能函数J的上界最小；
根据所设计的T-S模型，通过并行分布式补偿的方法，设计下述控制规则：
(8)IF zi is Ti，THEN u(t)=-Fix(t)，
将上式代入(7)，可得：
设计李雅普诺夫函数：令其中Pi为正定矩阵，可得(9)
所述微生物燃料电池模型是根据微生物燃料电池参数及微生物与电化学动力学方程构建而成的；
使用不同的状态空间方程来描述稀释率变化时微生物燃料电池底物浓度与生物量浓度的变化。
4.一种微生物燃料电池的T-S模糊保性能控制系统，其特征在于，包括保性能控制器，所述保性能控制器被配置为执行以下步骤：
获取微生物燃料电池参数，采用扇区非线性的方法对微生物燃料电池模型进行T-S建模，得到设定规则的T-S模糊模型；
所述微生物燃料电池T-S模型表示为：
(7)
其中i＝1,2…8，
H1(z(t))＝R1(z1)*B1(z2)*C1(z2)，
H2(z(t))＝R1(z1)*B1(z2)*C2(z2)，
H3(z(t))＝R1(z1)*B2(z2)*C1(z2)，
H4(z(t))＝R1(z1)*B2(z2)*C2(z2)，
H5(z(t))＝R2(z1)*B1(z2)*C1(z2)，
H6(z(t))＝R2(z1)*B1(z2)*C2(z2)，
H7(z(t))＝R2(z1)*B2(z2)*C1(z2)，
H8(z(t))＝R2(z1)*B2(z2)*C2(z2)；
矩阵A1，A2,A3,A4：
A1＝A2＝A3＝A4＝[0 -ymax*z1max；0 -rmax*z1max-b]；
A5＝A6＝A7＝A8＝[0 -ymax*z1min；0 -rmax*z1min-b]；
B1＝B2＝[z2max；z3max]；B3＝B4＝[z2min；z3max]；
B5＝B6＝[z2max；z3min]；B7＝Bg＝[z2min；z3min]；
其中，ymax表示最大底物消耗速率，rmax表示微生物最大生长率，R1(z1)、B2(z1)、B1(z2)、B2(z3)、C1(z2)、C2(z2)为隶属度函数，表示为：
R1(z1)＝(z1-z1min)/(z1max-z1min)，R2(z1)＝(z1max-z1)/(z1max-z1min)，
B1(z2)＝(z2-z2min)/(z2max-z2min)，B2(z2)＝(z2max-z2)/(z2max-z2min)，
C1(z2)＝(z3-z3min)/(z3max-z3min)，C2(z3)＝(z3max-z3)/(z3max-z3min)，
基于设定规则的T-S模糊模型，采用并行分布式补偿的方式来控制微生物燃料电池的稀释率，以使得微生物燃料电池的输出电压保持稳定且底物浓度与稀释率的变化在可控范围内；
在设计具体的控制参数时，首先设计性能函数，性能函数J表示为：此处矩阵Q＞0，R＞0，由函数可知，J与状态x，控制输入u直接相关，控制目的为在保证状态x→0的同时尽可能使性能函数J的上界最小；
根据所设计的T-S模型，通过并行分布式补偿的方法，设计下述控制规则：
(8)IF zi is Ti，THEN u(t)=-Fix(t)，
将上式代入(7)，可得：
设计李雅普诺夫函数：令其中Pi为正定矩阵，可得(9)
所述微生物燃料电池模型是根据微生物燃料电池参数及微生物与电化学动力学方程构建而成的；
使用不同的状态空间方程来描述稀释率变化时微生物燃料电池底物浓度与生物量浓度的变化。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一项所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-2中任一项所述的微生物燃料电池的T-S模糊保性能控制方法中的步骤。
CN202110521462.8A 2021-05-13 2021-05-13 微生物燃料电池的t-s模糊保性能控制方法及系统 Active CN113359436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110521462.8A CN113359436B (zh) 2021-05-13 2021-05-13 微生物燃料电池的t-s模糊保性能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110521462.8A CN113359436B (zh) 2021-05-13 2021-05-13 微生物燃料电池的t-s模糊保性能控制方法及系统

Publications (2)

Publication Number Publication Date
CN113359436A CN113359436A (zh) 2021-09-07
CN113359436B true CN113359436B (zh) 2023-12-19

Family

ID=77526272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110521462.8A Active CN113359436B (zh) 2021-05-13 2021-05-13 微生物燃料电池的t-s模糊保性能控制方法及系统

Country Status (1)

Country Link
CN (1) CN113359436B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488821B (zh) * 2022-04-06 2022-10-14 国网浙江省电力有限公司电力科学研究院 燃料电池过氧比的区间经济模型预测控制方法及系统
CN117784590B (zh) * 2024-02-28 2024-05-10 齐鲁工业大学(山东省科学院) 一种微生物燃料电池的pid控制方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101315347A (zh) * 2007-05-29 2008-12-03 中国科学院过程工程研究所 在线测定样品中生化需氧量的装置及方法
CN105355951A (zh) * 2015-11-03 2016-02-24 中国科学院过程工程研究所 一种变温变压且气氛可调的微生物电池及其产电和电解方法
CN112748665A (zh) * 2020-12-22 2021-05-04 国网江苏省电力有限公司电力科学研究院 基于模糊卡尔曼滤波的氢燃料电池迭代控制方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI127087B (en) * 2015-10-09 2017-11-15 Kemira Oyj A method for controlling the function of a microbial fuel cell system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101315347A (zh) * 2007-05-29 2008-12-03 中国科学院过程工程研究所 在线测定样品中生化需氧量的装置及方法
CN105355951A (zh) * 2015-11-03 2016-02-24 中国科学院过程工程研究所 一种变温变压且气氛可调的微生物电池及其产电和电解方法
CN112748665A (zh) * 2020-12-22 2021-05-04 国网江苏省电力有限公司电力科学研究院 基于模糊卡尔曼滤波的氢燃料电池迭代控制方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Fuzzy Integral Sliding Mode Control Based on Microbial Fuel Cell;Lei Lian等;《WILEY》;20210120;第1-8页 *
微生物燃料电池的恒压控制;颜闽秀等;《沈阳大学学报（自然科学版）》;20170430;第29卷(第2期);第91-94页 *
微生物燃料电池能量收集技术研究进展;付承彩 等;《仪表技术与传感器》;20180331;第108-112、116页 *

Also Published As

Publication number Publication date
CN113359436A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
Patel et al. Parametrized control-oriented mathematical model and adaptive backstepping control of a single chamber single population microbial fuel cell
CN113359436B (zh) 微生物燃料电池的t-s模糊保性能控制方法及系统
Sleutels et al. Steady-state performance and chemical efficiency of Microbial Electrolysis Cells
Pinto et al. Optimizing energy productivity of microbial electrochemical cells
Souissi Adaptive sliding mode control of a PEM fuel cell system based on the super twisting algorithm
Alavijeh et al. One-dimensional conduction-based modeling of bioenergy production in a microbial fuel cell engaged with multi-population biocatalysts
Flores-Estrella et al. A simple microbial electrochemical cell model and dynamic analysis towards control design
Chen Robust voltage tracking control for proton exchange membrane fuel cells
Patel et al. Adaptive and intelligent control of microbial fuel cells
Gharbi et al. Mathematical model of a microbial electrosynthesis cell for the conversion of carbon dioxide into methane and acetate
Javaid et al. Performance improvement in polymer electrolytic membrane fuel cell based on nonlinear control strategies—A comprehensive study
Akter et al. Design of a nonlinear integral terminal sliding mode controller for a pem fuel cell based on a dc-dc boost converter
Li et al. Application of artificial intelligence-based methods in bioelectrochemical systems: Recent progress and future perspectives
Patel et al. Adaptive backstepping control of single chamber microbial fuel cell
Torres-Zuniga et al. Extremum seeking control and gradient estimation based on the Super-Twisting algorithm
Fan et al. An Fuzzy improved perturb and observe (P&O) maximum power point tracking (MPPT) algorithm for Microbial Fuel Cells
Azwara et al. Optimal production of biohydrogen gas via Microbial Electrolysis cells (MEC) in a controlled batch reactor system
Luo et al. Model reference adaptive control for microbial fuel cell (MFC)
An et al. DYNAMICS ANALYSIS OF A MICROBIAL FUEL CELL SYSTEM AND PID CONTROL OF ITS POWER AND CURRENT BASED ON THE CRITICAL PROPORTION DEGREE METHOD.
Yewale et al. Dynamic analysis and split range control for maximization of operating range of continuous microbial fuel cell
Gao et al. Improve microbial fuel cell efficiency using receding horizon predictive control.
Kebaili et al. Growth of electroactive biofilm onto carbon felt bioanode in microbial fuel cell: Enhancement of bioenergy production
Naseer et al. A Novel Computational Platform for Steady-State and Dynamic Simulation of Dual-Chambered Microbial Fuel Cell
Pérez-García et al. Microbial electrochemical technologies for wastewater treatment
Ma et al. Non-fragile guaranteed cost control of microbial fuel cells

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