本文選題：微生物燃料電池 + 神經(jīng)網(wǎng)絡(luò)模型預(yù)測�。� 參考：《蘭州理工大學(xué)》2017年碩士論文

【摘要】：生物質(zhì)和污水中蘊(yùn)藏著巨大的可再利用能源,這些可再利用能源在能源枯竭的今天隱藏著巨大的利益,微生物燃料電池(microbial fuel cell,MFC)為此能源的利用提供了一條可行的途徑。為了提高系統(tǒng)的工作性能和工作效率,對微生物燃料電池進(jìn)行控制方法的研究具有重要的意義。本文主要對微生物燃料電池的性能進(jìn)行分析,通過性能的分析引出對微生物燃料電池優(yōu)化控制的關(guān)鍵切入點(diǎn):對陽極和陰極進(jìn)料流量的控制;然后以負(fù)載電流作為一個重要影響因素,檢驗(yàn)針對陰極、陽極進(jìn)料流量所設(shè)計(jì)的控制器的有效性。本文主要研究內(nèi)容如下:1)簡述微生物燃料電池進(jìn)行性能分析與控制方法研究的意義和背景。首先描述了微生物燃料電池機(jī)理與組成結(jié)構(gòu)并簡單描述了電池的關(guān)鍵指標(biāo),然后引出并搭建起微生物燃料電池系統(tǒng)模型,隨后對系統(tǒng)模型的性能進(jìn)行仿真分析,研究各個參數(shù)對系統(tǒng)輸出性能的影響,得到對系統(tǒng)進(jìn)行優(yōu)化控制的關(guān)鍵切入點(diǎn):陽極和陰極的進(jìn)料流量。2)針對微生物燃料電池非線性、超調(diào)量大和響應(yīng)速度慢的特性,提出了神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制的方法,主要對陽極進(jìn)料流量進(jìn)行控制。利用隨機(jī)階躍信號激勵系統(tǒng)模型得到訓(xùn)練數(shù)據(jù),并用于訓(xùn)練神經(jīng)網(wǎng)絡(luò),然后將得到的神經(jīng)網(wǎng)絡(luò)模型作為模型預(yù)測控制的參考模型,通過反饋校正和滾動優(yōu)化實(shí)現(xiàn)對陽極進(jìn)料量的神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制,仿真研究表明相對于傳統(tǒng)PID控制方法本文所提出的神經(jīng)網(wǎng)絡(luò)預(yù)測控制方法超調(diào)量小、魯棒性較強(qiáng)。3)針對微生物燃料電池多運(yùn)行于穩(wěn)態(tài)操作點(diǎn)的特點(diǎn),在穩(wěn)態(tài)點(diǎn)處對系統(tǒng)進(jìn)行線性化,利用分?jǐn)?shù)階PIλDμ控制器靈活、設(shè)計(jì)方便的優(yōu)勢,對微生物燃料電池進(jìn)行分?jǐn)?shù)階PIλDμ控制的研究。通過分析分?jǐn)?shù)階PIλDμ控制控制器的性能,針對陽極和陰極線性化模型分別設(shè)計(jì)分?jǐn)?shù)階PIλDμ控制器,然后將設(shè)計(jì)好的分?jǐn)?shù)階PIλDμ控制器應(yīng)用于微生物燃料電池系統(tǒng),仿真研究表明微生物燃料電池系統(tǒng)在本文所設(shè)計(jì)的分?jǐn)?shù)階PIλDμ控制器的作用下具有超調(diào)量小、響應(yīng)速度快等優(yōu)點(diǎn)。4)針對微生物燃料電池穩(wěn)態(tài)操作點(diǎn)發(fā)生變化時系統(tǒng)輸出電壓不穩(wěn)定問題,提出了多模型切換的模型預(yù)測方法。對陽極和陰極在穩(wěn)態(tài)點(diǎn)處進(jìn)行線性化得到線性化狀態(tài)方程,根據(jù)線性化模型設(shè)計(jì)模型預(yù)測控制器,并將其應(yīng)用于非線性微生物燃料電池系統(tǒng)模型;然后,針對穩(wěn)態(tài)操作點(diǎn)變動時系統(tǒng)電壓輸出不穩(wěn)定的問題,提出非恒定負(fù)載電流下的多模型切換預(yù)測控制,通過跟蹤系統(tǒng)運(yùn)行狀態(tài),采用不同的切換策略切換至相應(yīng)的模型預(yù)測控制器,仿真結(jié)果表明當(dāng)負(fù)載電流變化時,所提出的多模型切換預(yù)測控制能夠很好地實(shí)現(xiàn)不同穩(wěn)態(tài)操作點(diǎn)間的切換,能較好的實(shí)現(xiàn)電壓的平穩(wěn)輸出。
[Abstract]:Biomass and sewage contain huge reusable energy, which hides huge benefits in energy depletion today. Microbial fuel cell (microbial fuel) provides a feasible way to make use of this energy.In order to improve the performance and efficiency of the system, it is of great significance to study the control method of microbial fuel cell.In this paper, the performance of microbial fuel cell is analyzed, and the key point of optimization control of microbial fuel cell is introduced: the control of anode and cathode feed flow;Then the load current is taken as an important factor to verify the effectiveness of the controller designed for cathode and anode feed flow.The main contents of this paper are as follows: (1) the significance and background of performance analysis and control methods for microbial fuel cells are briefly described.Firstly, the mechanism and structure of microbial fuel cell are described, and the key parameters of the cell are briefly described. Then, the model of microbial fuel cell system is introduced and built, and then the performance of the system model is simulated and analyzed.The influence of each parameter on the output performance of the system is studied, and the key entry point for optimizing the control of the system is obtained: the feed flow rate of anode and cathode. 2) aiming at the characteristics of microbial fuel cell, such as nonlinear, large overshoot and slow response speed.A neural network model predictive control method is proposed to control the anode feed flow.The training data are obtained by using the stochastic step signal excitation system model and used to train the neural network. Then the obtained neural network model is used as the reference model of the model predictive control.The neural network model predictive control of anode feed is realized by feedback correction and rolling optimization. The simulation results show that compared with the traditional PID control method, the neural network predictive control method proposed in this paper has less overshoot than the traditional neural network predictive control method.In view of the fact that microbial fuel cells often run at the steady-state operating point, the system is linearized at the steady-state point, and the fractional Pi 位 D 渭 controller is used to make use of the advantages of flexible fractional Pi 位 D 渭 controller and convenient design.The fractional-order Pi 位 D 渭 control of microbial fuel cells was studied.By analyzing the performance of fractional Pi 位 D 渭 controller, a fractional order Pi 位 D 渭 controller is designed for anode and cathode linearization models, and then the designed fractional Pi 位 D 渭 controller is applied to microbial fuel cell system.The simulation results show that the microbial fuel cell system has a small overshoot under the action of the fractional Pi 位 D 渭 controller designed in this paper.(4) aiming at the instability of system output voltage when the steady operating point of microbial fuel cell changes, a multi-model switching model prediction method is proposed.Linearized the anode and cathode at the steady point to obtain the linearized equation of state. According to the linearization model, the predictive controller is designed and applied to the nonlinear microbial fuel cell system model.In order to solve the problem of unstable voltage output when the steady operating point is changing, a multi-model switching predictive control under unsteady load current is proposed to track the operating state of the system.Different switching strategies are used to switch to the corresponding model predictive controller. The simulation results show that the proposed multi-model switching predictive control can achieve the switching between different steady-state operating points well when the load current changes.It can realize the steady output of voltage.
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP273;TM911.45

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單文娟;湯偉;王孟效;;神經(jīng)網(wǎng)絡(luò)分?jǐn)?shù)階PID控制器在紙漿濃度控制中的應(yīng)用[J];中國造紙學(xué)報(bào);2016年04期

2 安愛民;劉云利;張浩琛;鄭晨東;付娟;;微生物燃料電池的動態(tài)性能分析及其神經(jīng)網(wǎng)絡(luò)預(yù)測控制[J];化工學(xué)報(bào);2017年03期

3 安愛民;王靜;張浩琛;楊國強(qiáng);劉云利;;基于廣義預(yù)測控制策略的微生物燃料電池控制[J];化工學(xué)報(bào);2016年03期

4 吳春英;谷風(fēng);白鷺;;微生物燃料電池應(yīng)用于環(huán)境領(lǐng)域的最新研究進(jìn)展[J];桂林理工大學(xué)學(xué)報(bào);2015年03期

5 劉春梅;廖強(qiáng);葉丁丁;朱恂;李俊;;矩形與雙筒型微生物燃料電池產(chǎn)電特性比較[J];電源技術(shù);2015年09期

6 滕瑤;王亞光;費(fèi)講馳;魯濤;何則強(qiáng);;底物對微生物燃料電池產(chǎn)電性能的影響[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

7 張君;樊立萍;陳偉成;;微生物燃料電池?cái)?shù)學(xué)模型的建立與仿真分析[J];可再生能源;2014年12期

8 MIN Hui-Fang;DUAN Na;;Neural Network-based Adaptive State-feedback Control for High-order Stochastic Nonlinear Systems[J];自動化學(xué)報(bào);2014年12期

9 安愛民;張愛華;張浩琛;王靜;智勇;乾維江;;影響微生物燃料電池產(chǎn)電性能主要因素分析及其性能測試[J];計(jì)算機(jī)與應(yīng)用化學(xué);2014年11期

10 LI DongJuan;;Adaptive neural network control for a class of continuous stirred tank reactor systems[J];Science China(Information Sciences);2014年10期

相關(guān)博士學(xué)位論文 前1條

1 張培遠(yuǎn);微生物燃料電池能量特性研究[D];北京工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前9條

1 錢曉穎;分?jǐn)?shù)階PI~λD~μ控制及其應(yīng)用研究[D];東南大學(xué);2016年

2 王娟;微生物燃料電池的性能研究[D];南昌航空大學(xué);2014年

3 劉舒其;分?jǐn)?shù)階滑模變結(jié)構(gòu)控制方法研究[D];太原科技大學(xué);2014年

4 付增圣;生物陰極MFC處理中高濃度生活污水研究[D];西安建筑科技大學(xué);2013年

5 任國華;基于神經(jīng)網(wǎng)絡(luò)預(yù)測控制的直接空冷背壓控制的優(yōu)化[D];山西大學(xué);2012年

6 安志銀;基于神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)二級倒立擺系統(tǒng)的預(yù)測控制研究[D];燕山大學(xué);2010年

7 蔡福來;熱軋帶鋼層流冷卻控制系統(tǒng)的研究與設(shè)計(jì)[D];華東交通大學(xué);2009年

8 張溪琳;帶鋼厚度智能控制方法的研究[D];東北大學(xué);2008年

9 楊黎峰;基于神經(jīng)網(wǎng)絡(luò)預(yù)測控制的水源熱泵控制系統(tǒng)研究[D];北方工業(yè)大學(xué);2005年

，

本文編號：1748773