燃料電池機(jī)器人標(biāo)書

1、申請代碼：受理部門： 收件日期：受理編號：國家自然科學(xué)基金申 請 書您現(xiàn)在不能檢查保護(hù)文檔或打印文檔，請根據(jù)以下三個步驟操作： 1)如果您是Word2000或以上版本用戶，請把Word宏的安全性設(shè)為:"中" 方法: Word菜單->工具->宏->安全性->安全級,設(shè)置為"中" (如果您是Word97用戶，繼續(xù)執(zhí)行以下步驟) 2)關(guān)閉本文檔，重新打開本文檔 3)點(diǎn)擊"啟用宏"按鈕，即可開始填寫本文檔或打印了資助類別： 亞類說明： 附注說明： 項目名稱： 申 請 者： 電話： 依托單位： 通訊地址： 郵政編碼： 單

2、位電話： 電子郵件： 申報日期： 2007年3月20日國家自然科學(xué)基金委員會基本信息ykKr4oHP申 請 者 信 息姓名性別男出生年月1976年5月民族漢族學(xué)位博士職稱副教授主要研究領(lǐng)域機(jī)器人控制 燃料電池控制 電電子郵件chenqh 傳真 個人網(wǎng)頁 工作單位武漢理工大學(xué) /自動化學(xué)院在研項目批準(zhǔn)號 依托單位信息名稱代 碼43007006 聯(lián)系人宋彥寶 電子郵件jck 電網(wǎng)站地址 合作單位信息單 位 名 稱代 碼 項 目 基 本 信 息項目名稱資助類別面上項目 亞類說明青年科學(xué)基金項目 附注說明 申請代碼F030605:特種機(jī)器人 基地

3、類別湖北省燃料電池重點(diǎn)實(shí)驗(yàn)室部門開放預(yù)計研究年限2008年1月 2010年12月研究屬性應(yīng)用基礎(chǔ)研究 摘 要(限400字)：燃料電池驅(qū)動機(jī)器人具有連續(xù)運(yùn)行時間長、節(jié)能高效等顯著優(yōu)點(diǎn)，已引起國內(nèi)外專家的廣泛關(guān)注。但燃料電池的動態(tài)響應(yīng)具有一定的時滯，難以滿足機(jī)器人負(fù)載實(shí)時變化的要求，需要配備小容量的輔助供電裝置共同構(gòu)成燃料電池機(jī)器人多能源動力系統(tǒng)。其動力系統(tǒng)是一個多輸入多輸出、強(qiáng)耦合的非線性系統(tǒng)，如何提高燃料電池的動態(tài)響應(yīng)能力，并合理控制能量流，保證動力系統(tǒng)高效平穩(wěn)運(yùn)行是其中的難點(diǎn)與關(guān)鍵。為解決這個問題，本課題提出基于多模型的自適應(yīng)預(yù)測分層控制結(jié)構(gòu)。首先基于模糊聚類方法建立燃料電池、輔助供電裝置等

4、子系統(tǒng)的多神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上分析動力系統(tǒng)負(fù)載平穩(wěn)、負(fù)載突增、負(fù)載突減、能量回饋等多個運(yùn)行狀態(tài)，在每個狀態(tài)下針對各個典型的工作區(qū)分別建立多能源動力系統(tǒng)的能量流模型；然后為各個能量流模型設(shè)計底層模型預(yù)測控制策略，最后設(shè)計上層監(jiān)督自適應(yīng)控制器，通過對底層控制策略進(jìn)行自適應(yīng)切換優(yōu)化能量流，以達(dá)到系統(tǒng)高效穩(wěn)定運(yùn)行的目的。關(guān) 鍵 詞(用分號分開，最多5個)燃料電池機(jī)器人；多能源動力系統(tǒng)；多神經(jīng)網(wǎng)絡(luò)建模；模型預(yù)測控制；多模型自適應(yīng)控制 項目組主要成員（注: 項目組主要成員不包括項目申請者，國家杰出青年科學(xué)基金類項目不填寫此欄。）編號姓 名出生年月性別職 稱學(xué) 位單位名稱電話電子郵件項目分工每年工作時間

5、（月）11955-11-25 男教授博士武漢理工大學(xué)quanshuh 系統(tǒng)結(jié)構(gòu)研究 6 21971-10-8 男副教授博士武漢理工大學(xué)zlywhut 系統(tǒng)建模 5 31975-10-28 女講師博士武漢理工大學(xué)Shiying 模型預(yù)測控制 6 41980-12-18 男博士生碩士武漢理工大學(xué)jackxie1218 自適應(yīng)切換控制 6 51979-12-11 男博士生碩士武漢理工大學(xué)huangl 系統(tǒng)建模 9 61976-8-24 男碩士生學(xué)士武漢理工大學(xué)

6hbwhzw 系統(tǒng)優(yōu)化與仿真 10 71984-8-13 男碩士生學(xué)士武漢理工大學(xué)quan_rui 仿真與實(shí)驗(yàn) 10 8 9總?cè)藬?shù)高級中級初級博士后博士生碩士生83122說明: 高級、中級、初級、博士后、博士生、碩士生人員數(shù)由申請者負(fù)責(zé)填報（含申請者），總?cè)藬?shù)自動生成。經(jīng)費(fèi)申請表 （金額單位：萬元）科目申請經(jīng)費(fèi)備注（計算依據(jù)與說明）一.研究經(jīng)費(fèi)21.00001.科研業(yè)務(wù)費(fèi)16.0000（1）測試/計算/分析費(fèi)計算、仿真及數(shù)據(jù)處理費(fèi)用（2）能源/動力費(fèi)水、電費(fèi)（3）會議費(fèi)/差旅費(fèi)國內(nèi)外學(xué)術(shù)會議注冊費(fèi)、旅差費(fèi)（4）出版物/文獻(xiàn)/信息傳播費(fèi)發(fā)表論

7、文、出版專著費(fèi)用（5）其它資料費(fèi)2.實(shí)驗(yàn)材料費(fèi)5.0000（1）原材料/試劑/藥品購置費(fèi)5.0000計算耗材、控制器元器件（2）其它3.儀器設(shè)備費(fèi)0.0000（1）購置（2）試制4.實(shí)驗(yàn)室改裝費(fèi)5.協(xié)作費(fèi)二.國際合作與交流費(fèi)3.00001.項目組成員出國合作交流2.境外專家來華合作交流邀請海外專家來華研討、交流三.勞務(wù)費(fèi)研究生勞務(wù)補(bǔ)貼(300元/人月×120人月)四.管理費(fèi)合 計29.0000與本項目相關(guān)的其他經(jīng)費(fèi)來源國家其他計劃資助經(jīng)費(fèi)其他經(jīng)費(fèi)資助（含部門匹配）其他經(jīng)費(fèi)來源合計0.0000報告正文（一）立項依據(jù)與研究內(nèi)容1、項目的立項依據(jù)隨著現(xiàn)代工業(yè)技術(shù)、海洋技術(shù)及空間技術(shù)的發(fā)展，

8、需要越來越多的能工作在野外、海底、太空的無纜自主機(jī)器人和遠(yuǎn)程遙操作機(jī)器人。這些機(jī)器人都面臨著一個共同的問題，就是難以匹配合適的能源動力。目前普遍采用的蓄電池體積大、重量大、功率密度低、充電時間長、連續(xù)工作時間短、使用壽命短，極大地限制了自主機(jī)器人和遠(yuǎn)程遙操作機(jī)器人的應(yīng)用1。燃料電池是一種以氫氣為燃料，以氧氣為氧化劑，將燃料的化學(xué)能直接轉(zhuǎn)化為電能的裝置。它不受卡諾循環(huán)的限制，而且只要有足夠的氫氣和氧氣，可以長時間連續(xù)運(yùn)行。燃料電池尤其是質(zhì)子交換膜燃料電池具有比能量高、工作溫度低、效率高等良好性能，受到了人們的廣泛關(guān)注，已在電動汽車中得到成功應(yīng)用。它作為一種新能源，清潔環(huán)保，節(jié)能高效，可為機(jī)器人動

9、力系統(tǒng)提供一個良好的供電方案，解決機(jī)器人當(dāng)前的動力源問題，因此燃料電池在機(jī)器人領(lǐng)域具有廣闊的應(yīng)用前景。正是鑒于燃料電池在機(jī)器人中應(yīng)用的重大意義和廣闊前景，美國、日本和西歐各國正在競相開發(fā)相關(guān)的技術(shù)。2005年加拿大Queen大學(xué)2研制了峰值功率為12W的燃料電池驅(qū)動的移動機(jī)器人，美國Sandia國家實(shí)驗(yàn)室機(jī)器人中心3研制了用于執(zhí)行邊界巡視、化學(xué)物資源的定位的燃料電池機(jī)器人，日本Speecys公司研制了由多個燃料電池作為動力源的機(jī)器人，西屬英格蘭大學(xué)研制了由微型燃料電池(MFC)驅(qū)動的小型機(jī)器人。國內(nèi)的學(xué)者們在該領(lǐng)域也進(jìn)行了研究，中科院沈陽自動化研究所燕奎臣教授領(lǐng)導(dǎo)的課題組4針對質(zhì)子交換膜燃料電

10、池在水下機(jī)器人中的應(yīng)用進(jìn)行了研究，上海交通大學(xué)朱新堅教授領(lǐng)導(dǎo)的課題組1,5對燃料電池機(jī)器人進(jìn)行了應(yīng)用研究。雖然燃料電池作為機(jī)器人的供電系統(tǒng)具有很多優(yōu)點(diǎn)，但它在機(jī)器人上的應(yīng)用還有待進(jìn)一步的深入研究。燃料電池動態(tài)響應(yīng)具有一定的時滯,當(dāng)機(jī)器人所需功率波動時，燃料電池的輸出功率需經(jīng)過一段時間的調(diào)整才能適應(yīng)負(fù)載的變化；當(dāng)機(jī)器人中的電機(jī)回饋制動時，必須吸收電機(jī)回饋的電能，以節(jié)約能量，增加機(jī)器人連續(xù)工作時間，而燃料電池不支持能量的雙向流動，不能吸收電機(jī)制動過程中產(chǎn)生的電能。所以供電系統(tǒng)中需要一個輔助供電裝置與燃料電池互補(bǔ)，共同為負(fù)載供電，在保證機(jī)器人運(yùn)行性能的前提下，提高能源利用率。燃料電池必須發(fā)揮供電時間

11、長、效率高等優(yōu)勢；輔助供電裝置必須發(fā)揮其響應(yīng)快、能量回饋容易等特點(diǎn),以彌補(bǔ)燃料電池動態(tài)響應(yīng)速度慢和無法實(shí)現(xiàn)再生能量回收的缺陷。由燃料電池、輔助供電裝置、電機(jī)及驅(qū)動裝置共同構(gòu)成了燃料電池機(jī)器人多能源動力系統(tǒng)。為了減小動力系統(tǒng)的體積和重量，輔助供電裝置的容量應(yīng)盡可能小。機(jī)器人一般具有多個自由度，亦即一般具有多個電機(jī)，各個電機(jī)通常在不同的時刻啟動、加速、加載、勻速運(yùn)動、減速制動，導(dǎo)致動力系統(tǒng)功率的波動非常頻繁。燃料電池是一個典型的多輸入/多輸出、強(qiáng)耦合非線性系統(tǒng)，其輸出電壓與負(fù)載、氫氣流量、空氣流量、溫度、濕度等參數(shù)呈嚴(yán)重的非線性關(guān)系。尤其是其動態(tài)特性隨負(fù)載變化幅度較大，當(dāng)負(fù)載頻繁波動時，燃料電池的

12、效率會大大下降。輔助供電裝置（一般選蓄電池或超級電容）的輸入輸出特性也比較復(fù)雜，其荷電狀態(tài)（簡稱SoC，State of Charge)與電壓、電流、溫度等參數(shù)也呈復(fù)雜非線性關(guān)系，導(dǎo)致SoC難以測量與控制。另外，為減小體積和重量，輔助供電裝置應(yīng)盡可能小，這又增加了系統(tǒng)控制的困難。因此，設(shè)計控制器提高燃料電池的動態(tài)響應(yīng)能力，并合理控制燃料電池、輔助供電裝置及負(fù)載間的能量流，保證動力系統(tǒng)連續(xù)、平穩(wěn)運(yùn)行是其中的難點(diǎn)與關(guān)鍵。關(guān)于燃料電池多能源的動態(tài)分配問題，國內(nèi)外學(xué)者們已取得不少研究成果。歐陽明高等6,7提出了燃料電池電動汽車能量分配策略并進(jìn)行了仿真，Markel等8分析了輔助供電裝置的需求。關(guān)于燃料

13、電池、蓄電池、超級電容模型的研究也有不少報導(dǎo)，如9。一些先進(jìn)的控制算法，如模糊控制、神經(jīng)網(wǎng)絡(luò)控制等10在能量流優(yōu)化中也有所應(yīng)用。但已有結(jié)果大多未建立整個動力系統(tǒng)的動態(tài)模型，考慮的是基于簡化模型的能量流，而未考慮燃料電池、輔助供電裝置間能量的動態(tài)優(yōu)化分配問題，而且針對燃料電池機(jī)器人動力系統(tǒng)的多能源控制問題目前還沒見報道。燃料電池機(jī)器人多能源動力系統(tǒng)是一個典型的多輸入多輸出、非線性強(qiáng)耦合復(fù)雜系統(tǒng)，在啟動、加速、加載、勻速運(yùn)動、減速制動等運(yùn)作狀態(tài)下，能量流具有負(fù)載平穩(wěn)、負(fù)載突增、負(fù)載突減、能量回饋等多個狀態(tài)，每個工作狀態(tài)有多個典型的工作區(qū)，呈嚴(yán)重的非線性關(guān)系，難以用一個模型來描述系統(tǒng)行為，而且燃料電

14、池的動態(tài)響應(yīng)具有一定的時滯。因此我們提出基于多模型的自適應(yīng)預(yù)測控制思想來對系統(tǒng)進(jìn)行建模和控制。多模型切換控制思想最早由Middleton 11提出，Narendra等12于1994年考慮在保持穩(wěn)定的情況下，通過多模型間的切換改善傳統(tǒng)自適應(yīng)控制器的暫態(tài)性能，對未知的線性時不變系統(tǒng)的模型參考自適應(yīng)控制中運(yùn)用幾種不同控制方法時系統(tǒng)的穩(wěn)定性進(jìn)行了分析。2000年文13提出了新的切換控制邏輯思想：“分層滯環(huán)切換”（Hierarchical Hysteretic Switching），用以研究存在大的建模不確定性的線性系統(tǒng)的控制問題，并證明了閉環(huán)系統(tǒng)在有擾動、噪聲和未建模動態(tài)情況下的穩(wěn)定性。文14 首次將

15、神經(jīng)網(wǎng)絡(luò)引入到多模型切換控制中。2004年文15應(yīng)用多模型自適應(yīng)控制方法解決低頻電機(jī)減振的魯棒控制問題，文16基于T-S模型，提出了多模型并行分配補(bǔ)償預(yù)測控制策略。2005年文17將多模型預(yù)測控制方法應(yīng)用于未知環(huán)境下的遠(yuǎn)程遙操作機(jī)器人系統(tǒng)控制器設(shè)計。2006年文18提出了一種新的基于聚類建模的多模型自適應(yīng)控制方法。2007年文19將多模型方法與非線性模型預(yù)測控制方法相結(jié)合，針對非線性系統(tǒng)的魯棒性設(shè)計了多模型狀態(tài)反饋控制策略，并在混沌系統(tǒng)中獲得了成功的應(yīng)用。雖然多模型切換控制方法在機(jī)器人控制、化工過程控制、航空系統(tǒng)中柔性傳輸系統(tǒng)的控制、飛行控制中操縱器發(fā)生故障時的控制、太陽能控制系統(tǒng)等領(lǐng)域已有應(yīng)

16、用先例，但從研究的現(xiàn)狀來看，目前所做的工作存在著以下一些局限：(1)由于缺乏有效的建模策略，所建模型數(shù)量往往較多，導(dǎo)致部分模型本質(zhì)區(qū)別不大，切換頻繁，控制質(zhì)量較差；(2)大部分多模型自適應(yīng)預(yù)測控制系統(tǒng)的模型是離線建立的，不能在線實(shí)時更新；少數(shù)模型能在線學(xué)習(xí)與更新，但計算量大，難以用于實(shí)時在線運(yùn)行。因此，我們不能照搬多模型自適應(yīng)預(yù)測控制的研究成果，直接應(yīng)用在燃料電池機(jī)器人多能源動力系統(tǒng)的控制中，必須針對燃料電池機(jī)器人這個復(fù)雜系統(tǒng)的特點(diǎn)，在一個新的層次上開展多模型的自適應(yīng)預(yù)測控制研究，研究出新的適合于燃料電池機(jī)器人的多模型自適應(yīng)預(yù)測控制理論和方法。本課題提出基于多神經(jīng)網(wǎng)絡(luò)模型的自適應(yīng)預(yù)測分層控制結(jié)

17、構(gòu)，解決在輔助供電裝置容量盡可能小的前提下能量流的分配與控制問題。首先基于模糊聚類方法建立燃料電池、輔助供電裝置等子系統(tǒng)的多神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上分析動力系統(tǒng)負(fù)載平穩(wěn)、負(fù)載突增、負(fù)載突減、能量回饋等多個運(yùn)行狀態(tài)，在每個狀態(tài)下針對各個典型的工作區(qū)分別建立動力系統(tǒng)的能量流模型；然后為各個能量流模型設(shè)計底層模型預(yù)測控制策略，最后設(shè)計上層監(jiān)督分層自適應(yīng)控制器，通過對底層控制策略進(jìn)行自適應(yīng)切換優(yōu)化能量流，以達(dá)到系統(tǒng)平穩(wěn)運(yùn)行并節(jié)能的目的。在對理論成果進(jìn)行仿真驗(yàn)證后，課題組將設(shè)計實(shí)際的控制器軟、硬件，將現(xiàn)有的四自由度機(jī)器人改裝為燃料電池機(jī)器人。本課題的實(shí)施將為燃料電池在野外作業(yè)機(jī)器人、水下機(jī)器人、遠(yuǎn)程遙操

18、作機(jī)器人等其它自主機(jī)器人上的應(yīng)用打下堅實(shí)的基礎(chǔ)，為減小機(jī)器人體積、重量、提高連續(xù)工作時間、增強(qiáng)機(jī)器人的工作靈活性創(chuàng)造良好的外部條件。近年來，項目組成員在遠(yuǎn)程機(jī)器人控制、燃料電池控制、燃料電池電動汽車能量流控制上積累了豐富的經(jīng)驗(yàn)。已有的工作基礎(chǔ)表明將神經(jīng)網(wǎng)絡(luò)與多模型自適應(yīng)預(yù)測控制思想相結(jié)合來解決燃料電池機(jī)器人多能源控制問題，不僅是可行的，而且可能對其它類似的復(fù)雜系統(tǒng)的建模與控制具有借鑒作用。參考文獻(xiàn)1 劉呈則, 朱新堅。燃料電池驅(qū)動的自主機(jī)器人控制系統(tǒng)實(shí)現(xiàn)。計算機(jī)工程，2006，32（14）：214-2162 Alexander N. Wilhelm, Brian W. Surgenor and

19、 Jon G. Pharoah. Design and Evaluation of a Micro-Fuel-Cell-Based Power System for a Mobile Robot. IEEE/ASME TRANSACTIONS ON MECHATRONICS, 2006, 11(4):471-4763 Phil Bennett. Fuel cell powered mobile robots. http: / /www. sandia. gov/ isrc / fuelcellrat. html.4 袁學(xué)慶,燕奎臣,洪有陸等.質(zhì)子交換膜燃料電池在無纜水下機(jī)器人上的應(yīng)用研究.機(jī)器

20、人,2003,25(2):123-1265 劉呈則, 朱新堅. 基于32位微控制器的燃料電池驅(qū)動機(jī)器人系統(tǒng)控制研究.測控技術(shù)，2006，25(6)：42-446 盧蘭光; 何彬; 歐陽明高。燃料電池城市客車能量分配算法研究。機(jī)械工程學(xué)報7 何彬， 盧蘭光，歐陽明高等。燃料電池混合動力汽車能量控制策略仿真研究.公路交通科技，2006，23（1）：151-1558 T. Markel, M. Zolot, K. B. Wipke, and A. A. Pesaran, “Energy storage requirements for hybrid fuel cell vehicles,” in A

21、dvanced Automotive Battery. Conf., Nice, France, Jun. 1013, 2003.9 CaishengWang Hashem Nehrir, and Steven R. Shaw, Dynamic Models and Model Validation for PEM Fuel Cells Using Electrical Circuits. IEEE Transactions On Energy Conversion, 2005,20(2):442-45110 Jorg Folchert,Dietrich Naunin,Dimitri Tser

22、onis. Ultra Capacitor Storages for Automotive Applications. Proceedings of the 198 Electric Vehicle Symposium, Busan,Korea,Oct,200211 R. H. Middleton, G.C. Goodwin, D. J. Hill, and D. Q. Mayne, “Design issues in adaptive control,” IEEE Trans. Automat. Contr., 33(1), 50-58, 1988.12 K. S. Narendra, an

23、d J. Balakrishnan, “Improving transient response of adaptive control using multiple models and switching,” IEEE Trans. Automat. Contr., 39(9), 1861-1866, 1994. 13 D. Liberzon, J. P. Hespanha, and A. S. Morse, “Hierachical Hysteresis switching,” IEEE Conference of Decision and Control, 484-489, 2000.

24、214 Lingji Chen, and K. S. Narendra, “Nonlinear adaptive control using neural networks and multiple models,” Automatica, 37(8), 1245-1255, 200115 Balarko Chaudhuri, Rajat Majumder,Bikash C.Pal. Application of Multiple-Model Adaptive Control Strategy for Robust Damping of Interarea Oscillations in Po

25、wer System. IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY, 2004,12(5): 727-73616 Ning Li, Shao-Yuan Li a, Yu-Geng Xi. Multi-model predictive control based on the TakagiSugeno fuzzy models: a case study. Information Sciences, 2004, pp24726317 S. A. Shahdi, S. Sirouspou, Multiple Model Control for T

26、eleoperation in Unknown Environments. Proceedings of the 2005 IEEE International Conference on Robotics and Automation. Barcelona, Spain, April 2005, 703-70818 D.-S. Huang, K. Li, and G.W. Irwin. Multi-Model Predictive Control Based on a New Clustering Modeling Method. ICIC, LNCIS 344, 2006, pp. 559

27、 56419 F.Y. Wang, P. Bahri, P.L. Lee, I.T. Camerona. A multiple model, state feedback strategy for robust control of non-linear processes. Computers and Chemical Engineering,2007,Vol.31,pp410-41820 Da Feipeng, Song Wenzhong, Fuzzy neural networks for direct adaptive control. IEEE Transactions on Ind

28、ustrial Electronics. 2003, 50 (3): 507-513 2、項目的研究內(nèi)容、研究目標(biāo),以及擬解決的關(guān)鍵問題。研究內(nèi)容：燃料電池本身是一個時滯非線性系統(tǒng)，燃料電池機(jī)器人多能源動力系統(tǒng)更是一個多輸入/多輸出、強(qiáng)耦合的非線性系統(tǒng)。機(jī)器人的體積和重量會明顯限制其作業(yè)能力，因此輔助供電裝置還要求盡可能小，導(dǎo)致輔助供電裝置能存儲的能量少。因此如何設(shè)計控制器提高燃料電池的動態(tài)響應(yīng)能力，并合理控制燃料電池、輔助供電裝置及負(fù)載間的能量流，保證動力系統(tǒng)連續(xù)、高效、平穩(wěn)運(yùn)行是其中的難點(diǎn)與關(guān)鍵。燃料電池機(jī)器人動力系統(tǒng)結(jié)構(gòu)如圖1所示：圖1 燃料電池機(jī)器人多能源動力系統(tǒng)結(jié)構(gòu)圖本課題在前期研究

29、基礎(chǔ)上，基于模糊聚類方法建立燃料電池、輔助供電裝置等子系統(tǒng)的多神經(jīng)網(wǎng)絡(luò)模型；分析燃料電池機(jī)器人動力系統(tǒng)的工作狀態(tài)，在每個狀態(tài)下針對各個典型的工作區(qū)分別建立動力系統(tǒng)的能量流模型；然后為各個能量流模型設(shè)計底層模型預(yù)測控制策略，最后設(shè)計上層監(jiān)督分層自適應(yīng)控制器，通過對底層控制策略進(jìn)行自適應(yīng)切換優(yōu)化能量流，以達(dá)到系統(tǒng)平穩(wěn)運(yùn)行并節(jié)能的目的。在合理配置燃料電池和輔助供電裝置的前提下，具體研究以下內(nèi)容：（1） 燃料電池機(jī)器人多能源動力系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)建模研究燃料電池機(jī)器人多能源動力系統(tǒng)是一個多狀態(tài)多過程的復(fù)雜系統(tǒng)，輸入、輸出的強(qiáng)耦合以及負(fù)載動態(tài)變化的多樣性使得單神經(jīng)網(wǎng)絡(luò)、單一數(shù)據(jù)模型難以準(zhǔn)確地對系統(tǒng)進(jìn)行描述

30、和表征，針對此問題本課題擬開展的研究內(nèi)容如下：基于模糊聚類及多神經(jīng)網(wǎng)絡(luò)建模方法建立參數(shù)可在線調(diào)整的燃料電池、輔助供電裝置等子系統(tǒng)的多神經(jīng)網(wǎng)絡(luò)模型；分析燃料電池機(jī)器人動力系統(tǒng)負(fù)載平穩(wěn)、負(fù)載突增、負(fù)載突減、能量回饋等各典型工作狀態(tài)。在每個狀態(tài)下，針對各典型的工作區(qū)，以動力系統(tǒng)動態(tài)性能以及燃料電池工作效率為優(yōu)化目標(biāo)，分別建立動力系統(tǒng)的能量流模型，并對模型的數(shù)量及模型參數(shù)進(jìn)行優(yōu)化。（2） 能量流的模型預(yù)測控制策略研究針對多能源動力系統(tǒng)各典型的工作區(qū)下的能量流模型，分別研究相應(yīng)的模型預(yù)測控制策略：負(fù)載平穩(wěn)階段，以燃料電池工作點(diǎn)的效率最優(yōu)為目標(biāo)，研究動力系統(tǒng)能量流優(yōu)化的模型預(yù)測控制策略；負(fù)載突減、能量回饋

31、階段，以能量回收效率最大化為目標(biāo)，研究輔助供電裝置及燃料電池的能量極值約束下的模型預(yù)測控制策略；重點(diǎn)分析負(fù)載突增階段燃料電池動態(tài)響應(yīng)的滯后特性，以動力系統(tǒng)的動態(tài)性能及燃料電池的輸出特性為優(yōu)化目標(biāo)，研究能量流的非線性模型預(yù)測控制策略，提高燃料電池動態(tài)響應(yīng)能力。（3） 多模型自適應(yīng)切換控制策略研究燃料電池機(jī)器人動力系統(tǒng)負(fù)載的多變性使得能量流的切換控制成為關(guān)鍵和難點(diǎn)，特別是保持切換系統(tǒng)的自適應(yīng)性和魯棒性更是控制系統(tǒng)面臨的挑戰(zhàn)。為增強(qiáng)動力系統(tǒng)的自適應(yīng)性及魯棒性，提高動態(tài)響應(yīng)能力，研究基于神經(jīng)網(wǎng)絡(luò)多模型的燃料電池機(jī)器人多能源動力系統(tǒng)自適應(yīng)切換控制策略，根據(jù)機(jī)器人的運(yùn)行軌跡及實(shí)時運(yùn)行狀態(tài)對下層的模型預(yù)測控

32、制策略進(jìn)行切換，以得到最佳的控制效果。多模型自適應(yīng)預(yù)測控制系統(tǒng)結(jié)構(gòu)如圖2所示，其中NNi表示利用模糊聚類方法建立的被控對象的第i個神經(jīng)網(wǎng)絡(luò)模型，Ci表示對應(yīng)于第i個能量流模型的模型預(yù)測控制器，NNi-online表示通過輸出偏差對當(dāng)前神經(jīng)網(wǎng)絡(luò)模型進(jìn)行在線調(diào)整，被控對象是燃料電池機(jī)器人動力系統(tǒng)。自適應(yīng)切換控制器根據(jù)機(jī)器人運(yùn)行軌跡及當(dāng)前狀態(tài)選擇相應(yīng)的模型預(yù)測控制策略。神經(jīng)網(wǎng)絡(luò)的輸出與被控對象的實(shí)際輸出進(jìn)行比較，形成的偏差輸入上層自適應(yīng)切換控制器，自適應(yīng)切換控制器通過切換選擇最優(yōu)控制策略對系統(tǒng)進(jìn)行控制。圖2 多模型自適應(yīng)預(yù)測控制系統(tǒng)結(jié)構(gòu)在對本課題提出的建模與控制方法進(jìn)行仿真驗(yàn)證后，設(shè)計實(shí)際的控制器軟

33、、硬件，將課題組現(xiàn)有的四自由度機(jī)器人改裝為燃料電池機(jī)器人，實(shí)現(xiàn)該燃料電池機(jī)器人的連續(xù)高效穩(wěn)定運(yùn)行。研究目標(biāo)基于模糊聚類方法建立燃料電池、輔助供電裝置等子系統(tǒng)的多神經(jīng)網(wǎng)絡(luò)模型，分析燃料電池機(jī)器人動力系統(tǒng)負(fù)載平穩(wěn)、負(fù)載突增、負(fù)載突減、能量回饋等各個工作狀態(tài)，在每個狀態(tài)下針對各個典型的工作區(qū)分別建立動力系統(tǒng)的能量流模型；采用監(jiān)督分層控制結(jié)構(gòu)對系統(tǒng)進(jìn)行控制器設(shè)計：底層采用模型預(yù)測控制，上層采用自適應(yīng)預(yù)測切換控制策略優(yōu)化動力系統(tǒng)能量流，以達(dá)到在輔助供電裝置容量盡可能小的前提下，系統(tǒng)高效穩(wěn)定運(yùn)行的目的。擬解決的關(guān)鍵問題本項目需要解決以下兩個關(guān)鍵問題： (1) 負(fù)載突增狀態(tài)下能量流的非線性模型預(yù)測控制由于燃

34、料電池的動態(tài)響應(yīng)具有滯后特性，在負(fù)載突增狀態(tài)下難以滿足動力系統(tǒng)的能量需求,而且該狀態(tài)下系統(tǒng)的非線性特性較強(qiáng)。因此必須針對燃料電池輸出特性以及系統(tǒng)模型設(shè)計非線性模型預(yù)測控制策略，提高動力系統(tǒng)的動態(tài)響應(yīng)能力，這是課題的核心問題之一。(2) 多模型切換控制的自適應(yīng)性及魯棒性由于燃料電池機(jī)器人動力系統(tǒng)的狀態(tài)具有快速動態(tài)變化的特性，要求控制器具有更強(qiáng)的自適應(yīng)新狀態(tài)的能力。在切換控制時，因?yàn)橥瑫r存在模型的建模誤差和模型間切換的切換誤差，這要求所研究的切換策略具有魯棒性。3、擬采取的研究方案及可行性分析。研究方案根據(jù)研究目標(biāo)和研究內(nèi)容的要求，對于系統(tǒng)的建模與控制，擬采用如下方法：(1) 燃料電池機(jī)器人多能源

35、動力系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)建模研究方案建模對象為燃料電池、輔助供電裝置及能量流模型，包括在線建模和離線建模兩個部分。由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的逼近非線性過程的能力，單神經(jīng)網(wǎng)絡(luò)在工業(yè)過程建模與控制中應(yīng)用得相當(dāng)普遍。然而，由于神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)有限，而且易陷入局部極小值，單神經(jīng)網(wǎng)絡(luò)通常缺乏泛化能力，這種局限性可通過多個神經(jīng)網(wǎng)絡(luò)的結(jié)合來解決。因此本課題用多神經(jīng)網(wǎng)絡(luò)對各被控對象進(jìn)行建模，不同的神經(jīng)網(wǎng)絡(luò)用不同的數(shù)據(jù)集或不同的訓(xùn)練算法進(jìn)行學(xué)習(xí)。即在同一時刻，對同一對象利用多個多神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，其結(jié)構(gòu)如圖3所示：圖3 多神經(jīng)網(wǎng)絡(luò)建模結(jié)構(gòu)圖針對燃料電池機(jī)器人的各個工作區(qū)，建立多個神經(jīng)網(wǎng)絡(luò)模型，它不同于上述的多神經(jīng)網(wǎng)絡(luò)模

36、型，是指在不同的工作點(diǎn)建立多個多神經(jīng)網(wǎng)絡(luò)模型，這就需要對建模數(shù)據(jù)進(jìn)行聚類。本課題通過模糊聚類方法進(jìn)行工作狀態(tài)的劃分及計算模型的數(shù)量。離線建模時，首先應(yīng)用模糊聚類方法將數(shù)據(jù)分類，然后針對每一類數(shù)據(jù)利用多神經(jīng)網(wǎng)絡(luò)進(jìn)行建模；在線運(yùn)行時，將模糊和神經(jīng)網(wǎng)絡(luò)方法相結(jié)合，根據(jù)實(shí)際運(yùn)行狀況對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行修正，并增加或刪減模型的數(shù)量。由于在本項目中建模的目的是為了控制，因此在線建模的要求是在保證一定建模誤差基礎(chǔ)上建模速度快和建模過程穩(wěn)定。(2) 能量流的模型預(yù)測控制方案模型預(yù)測控制是提高動力系統(tǒng)動態(tài)響應(yīng)能力的有效途徑。燃料電池機(jī)器人動力系統(tǒng)對動態(tài)響應(yīng)的要求較高，而燃料電池又具有一定的時滯，所以針對各個模型設(shè)

37、計模型預(yù)測控制策略來對系統(tǒng)進(jìn)行控制。對于部分平穩(wěn)的狀態(tài)，可建立多個線性模型，分別設(shè)計線性模型預(yù)測控制策略；而對于負(fù)載突增狀態(tài)，必須設(shè)計非線性模型預(yù)測控制策略。模型預(yù)測控制策略設(shè)計的一個關(guān)鍵問題就是結(jié)合動力系統(tǒng)的性能指標(biāo)要求選擇合適的目標(biāo)函數(shù)。負(fù)載平穩(wěn)狀態(tài)下，目標(biāo)函數(shù)主要反應(yīng)燃料電池的效率；負(fù)載突減、能量回饋階段，目標(biāo)函數(shù)主要反應(yīng)能量回收率；負(fù)載突增狀態(tài)下，目標(biāo)函數(shù)主要反應(yīng)動力系統(tǒng)的響應(yīng)速度。在目標(biāo)函數(shù)合理選擇的基礎(chǔ)上，設(shè)計使得各目標(biāo)函數(shù)最小的模型預(yù)測控制策略。在實(shí)際運(yùn)行過程中，根據(jù)模型的變化對控制器參數(shù)進(jìn)行適當(dāng)?shù)恼{(diào)整。(3) 多模型自適應(yīng)切換控制研究方案對于整個動力系統(tǒng)各個工作區(qū)的切換控制研究

38、，本課題擬采用監(jiān)督分層自適應(yīng)切換控制方法。對于系統(tǒng)的每一個工作區(qū)，運(yùn)用模型預(yù)測方法可以保證系統(tǒng)控制的可行性。但當(dāng)系統(tǒng)的工作點(diǎn)發(fā)生變化時，需要監(jiān)督單元在上層采用自適切換應(yīng)控制算法，將控制策略切換到最優(yōu)的模型預(yù)測控制器。自適應(yīng)切換控制的關(guān)鍵也是目標(biāo)函數(shù)，即性能評價函數(shù)的選擇，本課題將根據(jù)建模誤差建立合適的性能評價函數(shù)。切換過程中不僅要保證系統(tǒng)的穩(wěn)定性，而且要保證系統(tǒng)的控制性能。監(jiān)督分層自適應(yīng)切換控制策略能保證閉環(huán)系統(tǒng)在有擾動、噪聲和未建模動態(tài)情況下的穩(wěn)定性?？尚行苑治?1) 基于模糊聚類的神經(jīng)網(wǎng)絡(luò)不僅具有神經(jīng)網(wǎng)絡(luò)本身的很好的非線性逼近能力和學(xué)習(xí)能力，而且有內(nèi)部結(jié)構(gòu)物理意義清晰和易于用語言規(guī)則形式表

39、達(dá)網(wǎng)絡(luò)內(nèi)部知識等優(yōu)點(diǎn)，因此模糊神經(jīng)網(wǎng)絡(luò)對于非線性系統(tǒng)具有非常好的建模能力，而且速度快，是一種很好的在線和離線建模工具。(2) 模型預(yù)測控制是提高動力系統(tǒng)動態(tài)響應(yīng)能力的有效途徑，可以有效克服時滯對系統(tǒng)性能的影響，還可以保證子系統(tǒng)的穩(wěn)定性，并為對整個系統(tǒng)的穩(wěn)定性分析打好基礎(chǔ)。與傳統(tǒng)的控制方法相比，該方法能顯著改善系統(tǒng)性能。(3) 監(jiān)督分層自適應(yīng)切換控制策略不僅能保證閉環(huán)系統(tǒng)在有擾動、噪聲和未建模動態(tài)情況下的穩(wěn)定性，而且與模型預(yù)測控制策略相結(jié)合能保證系統(tǒng)的動態(tài)性能。由于切換控制的引入，對部分工作區(qū)下的控制器還可用線性模型預(yù)測控制方法進(jìn)行設(shè)計，簡化了設(shè)計方法。綜上所述，基于模糊聚類的神經(jīng)網(wǎng)絡(luò)建模方法和

40、監(jiān)督分層自適應(yīng)切換控制可以解決本課題提出的建模、自適應(yīng)性及魯棒性等關(guān)鍵問題，模型預(yù)測控制可顯著改善被控對象的動態(tài)性能，所以本課題提出的研究方案是合理可行的。4、本項目的特色與創(chuàng)新之處本課題將基于模糊聚類的神經(jīng)網(wǎng)絡(luò)建模方法、模型預(yù)測控制方法與多模型自適應(yīng)切換的思想相結(jié)合，設(shè)計多能源動力系統(tǒng)的神經(jīng)網(wǎng)絡(luò)多模型自適應(yīng)切換控制結(jié)構(gòu)和方法，在輔助供電裝置容量盡可能小的前提下，保障系統(tǒng)高效穩(wěn)定運(yùn)行，這是本項目的特色和創(chuàng)新之處。具體創(chuàng)新點(diǎn)如下： （1）燃料電池機(jī)器人多能源動力系統(tǒng)基于模糊聚類的多模型神經(jīng)網(wǎng)絡(luò)建模燃料電池機(jī)器人動力系統(tǒng)具有多個狀態(tài)，難以用一個模型對系統(tǒng)加以描述。本課題提出基于模糊聚類的方法，針對

41、系統(tǒng)的各個工作區(qū)建立多神經(jīng)網(wǎng)絡(luò)模型，并對模型的數(shù)量及參數(shù)進(jìn)行在線優(yōu)化。這種方法建模準(zhǔn)確，而且速度快，具有較強(qiáng)的創(chuàng)新性。 （2）基于監(jiān)督分層的燃料電池機(jī)器人多能源動力系統(tǒng)多模型自適應(yīng)預(yù)測控制針對燃料電池機(jī)器人動力系統(tǒng)要求響應(yīng)速度快、而部分對象具有時滯的現(xiàn)狀，提出底層利用基于模糊神經(jīng)網(wǎng)絡(luò)的模型預(yù)測控制、上層應(yīng)用監(jiān)督分層自適應(yīng)切換的分層優(yōu)化控制結(jié)構(gòu)，這是燃料電池機(jī)器人動力系統(tǒng)控制上的創(chuàng)新，同時對于類似復(fù)雜系統(tǒng)的控制具有借鑒意義。5、年度研究計劃及預(yù)期研究結(jié)果(1)年度研究計劃2008年1月2008年12月：研究系統(tǒng)組成結(jié)構(gòu)，對燃料電池、輔助供電裝置、動力系統(tǒng)能量流進(jìn)行建模研究，并進(jìn)行模型優(yōu)化、仿真研究。2009年1月2009年12月：根據(jù)模糊神經(jīng)網(wǎng)絡(luò)模型設(shè)計模型預(yù)測控制策略，進(jìn)行控制器優(yōu)化、仿真研究，并研究研究監(jiān)督分層自適應(yīng)切換控制策略。2010年1月2010年6月：將建模、模型預(yù)測控制、監(jiān)督分層自適應(yīng)切換控制策略聯(lián)合起來構(gòu)成完整的控制系統(tǒng)，進(jìn)行仿真研究，并在仿真的基礎(chǔ)上進(jìn)行改進(jìn)、優(yōu)化。2010年1月2009年9月：設(shè)計實(shí)際的控制器軟、硬件，將課題組現(xiàn)有的四自由度機(jī)器人改裝為燃料電池機(jī)器人，實(shí)現(xiàn)該燃料電池機(jī)器人能量流的合理分配及長時間高效平穩(wěn)運(yùn)行。2010年