PEMFC广义预测控制：T-S模糊神经网络建模与仿真

"这篇论文是2013年发表在北京化工大学学报(自然科学版)上的一篇工程技术类论文，主要研究的是质子交换膜燃料电池（PEMFC）的控制策略。作者通过采用Takagi-Sugeno (T-S) 模型和模糊神经网络辨识方法，建立了PEMFC的电特性模型，并在此基础上实施广义预测控制（GPC），以优化PEMFC的输出功率控制。论文对比了所提出方法与PID和LQG控制器的性能，证明了新方法在负荷跟踪、抗扰动和鲁棒性方面的优势。该研究得到了国家自然科学基金和北京市优秀人才培养资助项目的资金支持。" 本文关注的核心知识点包括： 1. **质子交换膜燃料电池(PEMFC)**：这是一种高效的能源转换设备，以清洁、高效和低噪声著称。由于其内在的复杂性和非线性行为，PEMFC的控制策略设计是一项挑战。 2. **Takagi-Sugeno (T-S) 模型**：这是一种用于描述和控制非线性系统的模糊逻辑模型。通过将复杂的非线性系统分解为一系列简单的线性子模型，T-S模型简化了系统理解和控制的难度。 3. **模糊C-均值聚类**：这是一种数据挖掘技术，用于将数据集分成多个模糊类别。在这个研究中，它被用来识别和构建PEMFC的电特性的模糊规则。 4. **模糊神经网络辨识**：结合模糊逻辑和神经网络的特性，用于PEMFC模型的建立，可以捕捉系统行为的非线性和不确定性。 5. **广义预测控制(GPC)**：这是一种先进的控制策略，基于未来的预测输出进行控制决策，提高了系统的动态性能，特别是对于具有延迟特性的系统。 6. **负荷跟踪**：控制系统的性能指标，指系统能够快速并准确地跟随负载变化的能力。 7. **抗扰动能力**：评价控制系统在面临外部干扰时维持稳定运行的能力。 8. **鲁棒性**：衡量控制器对系统参数变化或不确定性容忍度的性质。 9. **PID控制器**：比例-积分-微分控制器，是最常见的工业控制器之一，用于调节系统误差。 10. **LQG控制器**：结合了最优控制理论的线性二次型-Gaussian控制器，适用于存在随机噪声的系统。 此研究通过仿真比较，显示了基于T-S模型和GPC的控制策略在应对PEMFC的复杂性上优于传统的PID和LQG控制方法，为PEMFC的控制提供了新的思路和优化方案。