基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

• 作者: 李勇 韩非非 张昕喆
• 来源期刊: 推进技术
• 关键词: 无人机 自适应控制器 神经模糊推理算法 电推进 燃料电池 供气系统 性能优化
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 测试 试验 控制|Test, Experiment and Control
• 页码范围: 1395-1409
• 页数: 15页
• 分类号: V231.1
• 语种: 中文
• DOI: 10.13675/j.cnki.tjjs.200138

摘要

针对无人机采用的聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统,研究开发了 一种基于自适应神经模糊推理系统的电源管理控制技术,以控制混合动力电推进系统,同时优化燃料电池供气系统的性能.用无人机混合电推进系统数学模型,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型.在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能.基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值.自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能.在Mat-lab仿真环境中,开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型,并对所设计的控制器进行了仿真分析.结果表明,基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出.将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行比较,发现优化的压缩机功率配置比恒定的压缩机功率配置节能2.62％.同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用.