燃料电池机器人动力系统的多模型自适应预测控制研究

燃料电池驱动机器人具有连续运行时间长、节能高效等显著优点，已引起国内外专家的广泛关注。但燃料电池的动态响应具有一定的时滞，难以满足机器人负载实时变化的要求，需要配备小容量的辅助供电装置共同构成燃料电池机器人多能源动力系统。其动力系统是一个多输入多输出、强耦合的非线性系统，如何提高燃料电池的动态响应能力，并合理控制能量流，保证动力系统高效平稳运行是其中的难点与关键。为解决这个问题，本课题提出基于多模型的自适应预测分层控制结构。首先基于模糊聚类方法建立燃料电池、辅助供电装置等子系统的多神经网络模型，在此基础上分析动力系统负载平稳、负载突增、负载突减、能量回馈等多个运行状态，在每个状态下针对各个典型的工作区分别建立多能源动力系统的能量流模型；然后为各个能量流模型设计底层模型预测控制策略，最后设计上层监督自适应控制器，通过对底层控制策略进行自适应切换优化能量流，以达到系统高效稳定运行的目的。