本發(fā)明涉及燃料電池，具體是面向車載多核控制器的燃料電池自學(xué)習(xí)控制方法。

背景技術(shù)：

1、燃料電池作為一種新興的發(fā)電技術(shù)，具有能量效率高、零噪聲、低排放等特點(diǎn)，這也決定了在能源與環(huán)境危機(jī)日益嚴(yán)重的今天，其在新能源汽車領(lǐng)域具有廣泛的應(yīng)用前景。質(zhì)子交換膜燃料電池(pemfc)作為汽車上應(yīng)用最廣泛的一種燃料電池，其工作原理在于：以氫氣和氧氣作為原料發(fā)生電化學(xué)反應(yīng)，將化學(xué)能直接轉(zhuǎn)化為電能，從而源源不斷地產(chǎn)生電流。燃料電池高效安全地工作離不開輔助系統(tǒng)的運(yùn)行，其中燃料電池系統(tǒng)扮演了極為重要的角色。

2、燃料電池系統(tǒng)具有高度非線性、強(qiáng)耦合的特點(diǎn)，涉及到眾多部件的協(xié)同工作。有效地對(duì)燃料電池系統(tǒng)的結(jié)構(gòu)和性能進(jìn)行描述和研究，離不開對(duì)其內(nèi)部動(dòng)態(tài)系統(tǒng)的精確建模。然而，由于部件繁多、工作機(jī)理復(fù)雜，相應(yīng)地燃料電池系統(tǒng)建模難度也大大提高。此外，隨著燃料電池的運(yùn)行，燃料電池的健康狀態(tài)會(huì)逐漸發(fā)生變化，會(huì)造成燃料電池系統(tǒng)發(fā)生時(shí)變，導(dǎo)致燃料電池系統(tǒng)建模難度進(jìn)一步加大。為同時(shí)兼顧建模難度和模型精度，變參數(shù)模型在面向控制模型結(jié)構(gòu)上通過(guò)參數(shù)迭代算法使得模型具有良好的精度，可以適應(yīng)不同的工況條件同時(shí)適應(yīng)燃料電池系統(tǒng)長(zhǎng)生命周期內(nèi)的動(dòng)態(tài)特性。

3、另一方面，由于工況的不斷變化和外部擾動(dòng)的存在，單一控制器很難保持寬運(yùn)行工況范圍內(nèi)控制精度，可能在某些工況下取得較高的控制精度，但在另一工況下出現(xiàn)嚴(yán)重偏差。

4、此外，燃料電池系統(tǒng)時(shí)變多以天、周、月變化，而系統(tǒng)動(dòng)態(tài)響應(yīng)時(shí)間為百毫米級(jí)、控制器時(shí)間步長(zhǎng)十毫米級(jí)，如何開發(fā)適應(yīng)系統(tǒng)時(shí)變的控制系統(tǒng)同時(shí)處理好多時(shí)間尺度引入的控制系統(tǒng)設(shè)計(jì)復(fù)雜的問(wèn)題。

5、對(duì)此，本發(fā)明提出自學(xué)習(xí)控制策略，實(shí)現(xiàn)寬工況范圍和長(zhǎng)生命周期內(nèi)的燃料電池系統(tǒng)精確控制。然而，所述自學(xué)習(xí)控制策略，需要分別采用自學(xué)習(xí)優(yōu)化算法對(duì)模型和控制器進(jìn)行實(shí)時(shí)優(yōu)化，但多種優(yōu)化自學(xué)習(xí)算法的運(yùn)行，會(huì)極大地消耗車載控制器的算力，導(dǎo)致運(yùn)行緩慢甚至運(yùn)行崩潰，不利于在車載控制器上實(shí)時(shí)運(yùn)行。因此，本發(fā)明在提出自學(xué)習(xí)控制策略的基礎(chǔ)上，面向車載多核控制器，開發(fā)基于多核芯片的并行自學(xué)習(xí)控制策略，降低多任務(wù)計(jì)算負(fù)擔(dān)的同時(shí)，通過(guò)設(shè)計(jì)多核優(yōu)化策略解決多時(shí)間尺度學(xué)習(xí)與控制協(xié)調(diào)的難題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述存在的問(wèn)題，本發(fā)明提出面向車載多核控制器的燃料電池自學(xué)習(xí)控制方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、面向車載多核控制器的燃料電池自學(xué)習(xí)控制方法，所述方法包括：

4、s01、基于燃料電池機(jī)理研究建立燃料電池系統(tǒng)機(jī)理模型，再根據(jù)若干合理假設(shè)將該模型簡(jiǎn)化，得到燃料電池系統(tǒng)面向控制的模型，用于計(jì)算燃料電池系統(tǒng)的狀態(tài)變量和控制目標(biāo)；其中控制目標(biāo)由狀態(tài)變量和模型參數(shù)計(jì)算得到，用于表征燃料電池系統(tǒng)的工作狀態(tài)；

5、s02、設(shè)計(jì)控制器對(duì)燃料電池系統(tǒng)進(jìn)行控制，使其能夠始終處于安全、高效的最佳工作狀態(tài)；

6、s03、采用模型參數(shù)自學(xué)習(xí)算法，根據(jù)同一時(shí)刻的燃料電池系統(tǒng)狀態(tài)變量和輸入變量真實(shí)值，計(jì)算出下一時(shí)刻的模型參數(shù)，代入到模型中計(jì)算出下一時(shí)刻的控制目標(biāo)和狀態(tài)變量，與下一時(shí)刻測(cè)量的狀態(tài)變量真實(shí)值作對(duì)比，用以驗(yàn)證模型參數(shù)自學(xué)習(xí)的效果；

7、s04、采用控制器自學(xué)習(xí)算法對(duì)控制器參數(shù)進(jìn)行實(shí)時(shí)更新；

8、s05、使用多核處理器，將燃料電池系統(tǒng)自學(xué)習(xí)控制任務(wù)分配到處理器的各個(gè)核中，以并行方式執(zhí)行，可以同步實(shí)現(xiàn)模型優(yōu)化、控制器優(yōu)化和對(duì)燃料電池系統(tǒng)的實(shí)時(shí)控制，減少控制器的負(fù)載，減少算法運(yùn)行的時(shí)間，保證了控制的實(shí)時(shí)性和精確性。

9、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s01中，燃料電池系統(tǒng)為燃料電池空氣系統(tǒng)時(shí)，其狀態(tài)變量包括但不限于陰極壓力、入堆壓力等，控制目標(biāo)包括但不限于過(guò)氧比等；于是，與、存在如下關(guān)系：

10、；

11、其中，為常數(shù)，可由模型參數(shù)計(jì)算得到。為電堆單體數(shù)，為電堆電流；

12、同時(shí)，將模型用于燃料電池系統(tǒng)的前饋控制，以提升控制的響應(yīng)速度，提高控制品質(zhì)。將模型重構(gòu)為如下形式：

13、；

14、式中，為與模型相關(guān)的參數(shù)；

15、令，則有前饋輸入：

16、。

17、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s02中，以空氣系統(tǒng)為例，存在一個(gè)期望過(guò)氧比使得燃料電池空氣系統(tǒng)處于最佳工作狀態(tài)，設(shè)計(jì)控制器對(duì)過(guò)氧比進(jìn)行跟蹤控制；其中，控制器由三個(gè)部分組成：反饋控制律、擾動(dòng)觀測(cè)器和前饋控制；反饋控制律用于實(shí)現(xiàn)對(duì)系統(tǒng)狀態(tài)變量期望值的跟蹤控制，使得燃料電池系統(tǒng)處于最佳工作狀態(tài)；擾動(dòng)觀測(cè)器用于估計(jì)燃料電池系統(tǒng)運(yùn)行過(guò)程中的擾動(dòng)，補(bǔ)償?shù)教摂M輸入中，增強(qiáng)控制的魯棒性；前饋控制使得控制器的響應(yīng)速度更快，提高控制品質(zhì)；

18、前饋控制：以基于模型的前饋為例，

19、反饋控制律：以pi反饋控制為例，反饋輸入為:

20、；

21、擾動(dòng)觀測(cè)器：以擴(kuò)張狀態(tài)觀測(cè)器為例，用以估計(jì)系統(tǒng)擾動(dòng):

22、；

23、式中，為系統(tǒng)輸入變量，為輸入增益，為觀測(cè)器增益，為系統(tǒng)狀態(tài)變量觀測(cè)值；

24、于是，控制器的總控制律為：

25、。

26、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s03中，設(shè)模型自變量為、因變量為，模型參數(shù)為；現(xiàn)有的參數(shù)自學(xué)系算法主要有基于誤差的自學(xué)習(xí)和基于概率的自學(xué)習(xí)，其原理在于以估計(jì)誤差或概率密度函數(shù)為目標(biāo)函數(shù)，即求解優(yōu)化問(wèn)題或，得到最優(yōu)解，即為模型參數(shù)的最優(yōu)值。

27、作為本發(fā)明進(jìn)一步的技術(shù)方案，所述參數(shù)自學(xué)習(xí)算法采用貝葉斯估計(jì)：

28、將燃料電池系統(tǒng)模型視為高斯噪聲模型，將模型的輸入變量和狀態(tài)變量設(shè)為,輸出變量設(shè)為，模型參數(shù)設(shè)為，其等價(jià)的向量表達(dá)式為：

29、；

30、為模型的噪聲，滿足均值為0，方差為的高斯分布：；

31、將模型參數(shù)視為服從高斯分布的隨機(jī)變量，即，假設(shè)已知模型參數(shù)和噪聲的先驗(yàn)概率，根據(jù)貝葉斯公式計(jì)算后驗(yàn)概率，再將計(jì)算的后驗(yàn)概率作為下一次迭代的先驗(yàn)概率，循環(huán)往復(fù)，則有迭代公式：

32、；

33、；

34、其中，為上一時(shí)刻的協(xié)方差矩陣，為此時(shí)刻的協(xié)方差矩陣，為上一時(shí)刻的數(shù)學(xué)期望，為此時(shí)刻的數(shù)學(xué)期望，即此時(shí)刻模型參數(shù)最優(yōu)值。

35、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s04中，設(shè)計(jì)評(píng)價(jià)指標(biāo)，其中，為手動(dòng)設(shè)置的權(quán)重參數(shù)，需滿足：；為誤差，為超調(diào)量，為時(shí)間；構(gòu)造目標(biāo)函數(shù)，求解優(yōu)化問(wèn)題，得到最優(yōu)解，即為控制器參數(shù)最優(yōu)值。

36、由帶寬法，反饋控制律和擾動(dòng)觀測(cè)器參數(shù)可分別由控制器帶寬和觀測(cè)器帶寬調(diào)節(jié)，即：，，，，；控制器參數(shù)為。

37、作為本發(fā)明進(jìn)一步的技術(shù)方案，所述控制器自學(xué)習(xí)算法選取鵜鶘優(yōu)化算法；

38、1)構(gòu)造目標(biāo)函數(shù)，須為單調(diào)遞減函數(shù)；

39、2)初始化每個(gè)種群成員的位置；

40、；

41、為第個(gè)鵜鶘的位置，即第個(gè)候選解中第個(gè)變量的值，和分別為第個(gè)下界和上界，表示0到1之間的隨機(jī)向量；

42、3)追趕階段：

43、；

44、式中表示第只鵜鶘在第維追趕階段的新位置；表示一個(gè)等于1或2的隨機(jī)數(shù)；為第個(gè)獵物的位置；為第只鵜鶘的最佳目標(biāo)函數(shù)值；為第只鵜鶘的目標(biāo)函數(shù)值，當(dāng)時(shí)，鵜鶘將產(chǎn)生更多的位移來(lái)增強(qiáng)勘探；

45、為了防止鵜鶘移動(dòng)到次優(yōu)區(qū)域，設(shè)計(jì)如下判定條件：

46、；

47、4)攻擊階段；

48、；

49、式中表示第只鵜鶘根據(jù)攻擊階段在第j維的新位置，表示的鄰域半徑，其中和分別是當(dāng)前迭代和最大迭代；

50、5）輸出結(jié)果：將最優(yōu)種群成員位置為控制器參數(shù)最優(yōu)值。

51、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s05中，將步驟s01和s02中的燃料電池系統(tǒng)模型及控制器求解任務(wù)分配到多核控制器的第一個(gè)核cpu0，以并行方式執(zhí)行，燃料電池系統(tǒng)模型及控制器求解任務(wù)在cpu0中的執(zhí)行過(guò)程如下：

52、燃料電池開始工作，cpu0第一次循環(huán)，設(shè)置模型和控制器參數(shù)、狀態(tài)變量、輸入變量的初值，進(jìn)行模型和控制器求解，產(chǎn)生第一組系統(tǒng)的超調(diào)量和誤差數(shù)據(jù)，將該數(shù)據(jù)發(fā)送到共享存儲(chǔ)器中儲(chǔ)存，供cpu1和cpu2調(diào)用，進(jìn)行下一次循環(huán)；

53、在cpu0之后的循環(huán)中，采用不同的計(jì)算流程：

54、從共享存儲(chǔ)器讀取cpu2發(fā)送的控制器參數(shù)最優(yōu)值，代入到控制器中；從共享存儲(chǔ)器中讀取cpu1發(fā)送的模型參數(shù)最優(yōu)值，代入到模型中；

55、根據(jù)更新后的參數(shù)，控制器計(jì)算出系統(tǒng)所需的控制輸入，將其發(fā)送到執(zhí)行器中，實(shí)現(xiàn)對(duì)燃料電池系統(tǒng)的控制，并將控制輸入代入模型中計(jì)算得到新的系統(tǒng)超調(diào)量與誤差，發(fā)送到共享存儲(chǔ)器中，供cpu1和cpu2讀取，進(jìn)行下一次循環(huán)。

56、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s05中，將步驟s03中的燃料電池系統(tǒng)模型參數(shù)自學(xué)習(xí)任務(wù)分配到多核控制器的第二個(gè)核cpu1，以并行方式執(zhí)行，執(zhí)行過(guò)程如下：

57、從共享存儲(chǔ)器中讀取cpu0發(fā)送的系統(tǒng)誤差，若誤差小于閾值，則采用上一次的模型參數(shù)，將其發(fā)送到共享存儲(chǔ)器，供cpu0讀取，進(jìn)行下一次循環(huán)；若誤差大于等于閾值，則讀取通過(guò)傳感器測(cè)量的此刻燃料電池系統(tǒng)的狀態(tài)變量和輸入變量，基于讀取的數(shù)據(jù)進(jìn)行模型參數(shù)自學(xué)習(xí)；

58、將更新后的模型參數(shù)發(fā)送到共享存儲(chǔ)器中，供cpu0讀取，并進(jìn)行下一次循環(huán)。

59、作為本發(fā)明進(jìn)一步的技術(shù)方案，在步驟s05中，將步驟s04中的控制器參數(shù)自學(xué)習(xí)任務(wù)分配到多核控制器的第三個(gè)核cpu2，以并行方式執(zhí)行，執(zhí)行過(guò)程如下：

60、從共享存儲(chǔ)器中讀取cpu0發(fā)送的系統(tǒng)誤差與超調(diào)量，以二者加權(quán)值為評(píng)價(jià)指標(biāo)，加權(quán)系數(shù)手動(dòng)設(shè)置；

61、若評(píng)價(jià)指標(biāo)小于閾值，則將上一次的控制器參數(shù)發(fā)送到共享存儲(chǔ)器中，供cpu0讀取，進(jìn)行下一次循環(huán)；若評(píng)價(jià)指標(biāo)大于等于閾值，則啟動(dòng)控制器參數(shù)自學(xué)習(xí)；

62、將控制器參數(shù)最優(yōu)值發(fā)送到共享存儲(chǔ)器中，供cpu0讀取，進(jìn)行下一次循環(huán)。

63、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

64、本發(fā)明提出了結(jié)合模型和控制器實(shí)時(shí)更新的燃料電池系統(tǒng)參數(shù)自學(xué)習(xí)控制方法，可以消除工況變化和燃料電池老化衰退造成的模型不準(zhǔn)和控制器不適配問(wèn)題，提高燃料電池系統(tǒng)的工況適應(yīng)范圍，提高燃料電池系統(tǒng)的模型及控制精度；

65、本發(fā)明提出了對(duì)燃料電池系統(tǒng)利用多核控制器來(lái)實(shí)現(xiàn)任務(wù)并行的方法，解決了多時(shí)間尺度學(xué)習(xí)與控制協(xié)調(diào)的難題，減少了程序運(yùn)行的時(shí)間，可以在車載控制器上實(shí)時(shí)運(yùn)行。