固体氧化物燃料电池温度特性的T-S模糊建模

doi:10.3778/j.issn.1002-8331.2010.18.068

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 220-223.DOI: 10.3778/j.issn.1002-8331.2010.18.068

固体氧化物燃料电池温度特性的T-S模糊建模

许川佩¹，杨帆¹，曹红亮²

1.桂林电子科技大学电子工程学院，广西桂林 541004
2.华中科技大学控制科学与工程系，武汉 430074

收稿日期:2008-12-18 修回日期:2009-02-26 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 许川佩

Modeling temperature characteristics of solid oxide fuel cell using T-S fuzzy model

XU Chuan-pei¹，YANG Fan¹，CAO Hong-liang²

1.School of Electronic Engineering，Guilin University of Electronic Technology，Guilin，Guangxi 541004，China
2.Department of Control Science and Engineering，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2008-12-18 Revised:2009-02-26 Online:2010-06-21 Published:2010-06-21
Contact: XU Chuan-pei

摘要/Abstract

摘要： 固体氧化物燃料电池（SOFC）工作温度对于其输出电特性的性能起着重要的作用。由于电池在电化学反应过程中，温度特性呈现强非线性等特性，采用常规机理建模后难以在该模型的基础上较好地管理温度特性。为此，设计了面向控制的改进型T-S模型的模糊建模方法来解决此难题。实验仿真结果表明该模糊模型能精确拟合温度动态响应的映射特性，为下一步控制算法的实现奠定了良好的基础。

关键词: 固体氧化物燃料电池, 温度, 机理模型, T-S模糊模型, 动态建模

Abstract: The operating temperature of Solid Oxide Fuel Cell（SOFC） plays an important role on the performance of its electrical characteristics.The SOFC in the process of electrochemical reaction，the temperature characteristics show a seriously non-linear feature.So it is difficult to better control temperature characteristics based on the traditional mechanism model.Consequently，an improved control-oriented fuzzy modeling algorithm is designed to resolve the problem based on T-S model.The simulation results demonstrate that the fuzzy model can accurately fit the mapping relationship of dynamic response for the temperature characteristics，and it lays on the realization of the control algorithm in the next step.

Key words: Solid Oxide Fuel Cell（SOFC）, temperature, mechanism model, T-S fuzzy model, dynamic modeling

中图分类号:

TP15

许川佩¹，杨帆¹，曹红亮². 固体氧化物燃料电池温度特性的T-S模糊建模[J]. 计算机工程与应用, 2010, 46(18): 220-223.

XU Chuan-pei¹，YANG Fan¹，CAO Hong-liang². Modeling temperature characteristics of solid oxide fuel cell using T-S fuzzy model[J]. Computer Engineering and Applications, 2010, 46(18): 220-223.

[1]	许明西，何汉武，吴悦明，邹序焱，陈友滨. 虚拟实验热触觉再现系统的设计与实现[J]. 计算机工程与应用, 2020, 56(16): 226-233.
[2]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[3]	崔爱莲1，吴志军2，李建勋1. 基于温度场一致性的红外目标移植方法[J]. 计算机工程与应用, 2017, 53(3): 177-182.
[4]	高晓梅1，丁彦蕊2，3. 基于群智能的蛋白质耐热温度预测研究[J]. 计算机工程与应用, 2017, 53(13): 141-145.
[5]	赵志然，吴运新，石文泽，龚海. 热钢板无损检测缺陷定位精度分析与修正方法[J]. 计算机工程与应用, 2016, 52(8): 250-255.
[6]	毛琪波，余震虹. 改进的粒子群算法在传感器温度补偿中的应用[J]. 计算机工程与应用, 2016, 52(23): 229-235.
[7]	谢宏，陈俊辉，陈海滨，邹高亮，杨鹏，谭阳红，何怡刚. 无模型自适应模糊算法的多晶硅棒温度控制[J]. 计算机工程与应用, 2016, 52(1): 244-249.
[8]	李京娜，董静洁，冯丽辉. 烟叶复烤区温度与排潮率的解耦控制仿真研究[J]. 计算机工程与应用, 2015, 51(20): 267-270.
[9]	闫明，冯春杨，高飞雪. 互联网中的模糊滑模拥塞控制策略[J]. 计算机工程与应用, 2014, 50(17): 100-105.
[10]	马思思1，何建忠1，刘涛2. 云雾室串级模糊自适应PID控制研究及实现[J]. 计算机工程与应用, 2012, 48(33): 217-221.
[11]	何爱香. 一种新型的比例-周期控温算法[J]. 计算机工程与应用, 2012, 48(26): 225-230.
[12]	史永胜，岳俊杰，宋云雪. 非线性去噪对发动机排气温度预测精度影响[J]. 计算机工程与应用, 2012, 48(25): 212-216.
[13]	沈默1，廖瑛2，尹大伟2. RVM在航空发动机故障诊断中的应用研究[J]. 计算机工程与应用, 2012, 48(25): 220-223.
[14]	王海珍1，廉佐政2，滕艳平1. 智能办公环境中多Agent模糊Q学习研究[J]. 计算机工程与应用, 2012, 48(18): 231-235.
[15]	甄彤，郭嘉，吴建军，肖乐. 粒子群算法求解粮堆温度模型参数优化问题[J]. 计算机工程与应用, 2012, 48(12): 206-208.

固体氧化物燃料电池温度特性的T-S模糊建模

Modeling temperature characteristics of solid oxide fuel cell using T-S fuzzy model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics