燃料电池空气管理系统及其相关控制信号的获取方法与流程

本申请涉及空气管理技术领域，尤其涉及一种燃料电池空气管理系统及其空气流量和压强的控制信号的获取方法。

背景技术：

随着全球变暖问题的出现，燃料电池技术由于具有高效、污染小等特点，被视为具有发展前景的能源技术。其中，质子交换膜燃料电池具有运行温度低、功率密度高、响应快、稳定性好以及化学反应过程不会产生有害产物等特点，成为理想的车载能源装置。

燃料电池空气管理系统为车载燃料电池系统提供所需的压强和空气流量，其功率超过车载燃料电池系统的发电功率的15％，是质子交换膜燃料电池系统的重要子系统。

目前，燃料电池空气管理系统一般使用高速空压机(如罗茨式空压机或离心式空压机)以满足大功率燃料电池的空气流量与压强要求。但高速空压机建模复杂且流量控制、压强控制存在较强耦合关系，增加了控制难度，并降低了车载燃料电池空气管理系统的响应速度与控制精度。尤其是在车载应用中，燃料电池功率频繁变化要求燃料电池空气管理系统的压强和流量具有高响应速度和控制精度，以避免氧过量或氧饥饿引起的催化剂退化，影响燃料电池寿命。但空压机流量控制与压强控制存在较强的耦合关系，严重影响燃料电池空气管理系统的动态响应能力以及控制精度。

技术实现要素：

为解决上述技术问题，本申请实施例提供了一种燃料电池的空气流量和压强的控制信号获取方法，以提高燃料电池空气管理系统的响应速度和控制精度。

为解决上述问题，本申请实施例提供了如下技术方案：

一种燃料电池的空气流量和压强的控制信号获取方法，应用于燃料电池空气管理系统，所述燃料电池空气管理系统包括神经网络模型、流量控制器和压力控制器，所述神经网络模型包括输入层、隐藏层和输出层，该方法包括：

步骤1：基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数，基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数；

步骤2：基于所述第一输出参数和所述第二输出参数，利用第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数；

其中，所述空气流量控制参数用于输出给所述流量控制器，以产生空气流量控制信号；所述压强控制参数用于输出给所述压力控制器，以产生压力控制信号。

可选的，所述输入层输出的空气流量输入参数包括预设空气流量输入信号、空气流量的反馈信号以及所述预设空气流量输入信号与所述空气流量的反馈信号的差值；

所述输入层输出端的压强输入参数包括预设压强输入信号、压强的反馈信号以及所述预设压强输入信号与所述压强的反馈信号的差值。

可选的，基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数包括：

基于所述输入层输出的预设空气流量输入信号、所述空气流量的反馈信号以及所述预设空气流量输入信号以及所述空气流量的反馈信号的差值，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数；

基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数包括：

利用所述输入层输出的预设压强输入信号、所述压强的反馈信号以及所述压强的反馈信号与所述预设压强输入信号的差值，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数。

可选的，所述隐藏层输出的第一输出参数o2k(k)满足：

其中，k的取值为1、2、3、4、5、6、7、8、9；

所述隐藏层输出的第二输出参数o2k(k)满足：

其中，其中，k的取值为10、11、12、13、14、15、16、17、18。

可选的，所述输出层输出的参数o3l满足：

其中，l的取值为1、2、3、4、5、6，k的取值为1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18。

可选的，如果所述空气流量控制参数与目标空气流量控制参数之间的差值大于第一阈值，和/或，所述压强控制参数与目标压强控制参数之间的差值大于第二阈值，则该获取方法还包括：

步骤3：利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和预设修正因子，对所述第一权重参数、所述第二权重参数和所述第三权重参数进行优化；

步骤4：基于所述输入层输出的空气流量输入参数，利用优化后的所述第一权重参数计算后，获得所述隐藏层输出的第一输出参数，基于所述输入层输出的压强输入参数，利用优化后的所述第二权重参数计算后，获得所述隐藏层输出的第二输出参数，并基于所述第一输出参数和所述第二输出参数，利用优化后的所述第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数；

步骤5：返回执行步骤3，直至如果所述空气流量控制参数与目标空气流量控制参数之间的差值不大于第一阈值且所述压强控制参数与目标压强控制参数之间的差值不大于第二阈值。

可选的，所述预设修正因子包括学习率和平滑因子，其中，所述学习率的取值范围为(0，1)，不包括端点值，所述平滑因子的取值范围为(0，1)，不包括端点值。

可选的，利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和预设修正因子，对所述第一权重参数、所述第二权重参数和所述第三权重参数进行优化包括：

利用所述第一输出参数、所述第二输出参数和预设修正因子，对所述第三权重参数进行优化；

利用所述空气流量输入参数、所述第一输出参数和预设修正因子，对所述第一权重参数进行优化；

利用所述压强输入参数、所述第二输出参数和预设修正因子，对所述第二权重参数进行优化。

可选的，利用所述第一输出参数、所述第二输出参数和预设修正因子，对所述第三权重参数进行优化的公式包括：

wkl(k+1)＝wkl(k)+δwkl(k)

δwkl(k)＝-ηδkl(k)o2k(k)+αδwkl(k-1)；

其中，wkl(k)为第k-1次利用所述第一输出参数和第二输出参数获得空气流量控制参数和压强控制参数时所使用的第三权重参数；

η和α为预设修正因子，其中，η为学习率，α为平滑因子；

利用所述空气流量输入参数、所述第一输出参数和预设修正因子，对所述第一权重参数进行优化的公式包括：

wik(k+1)＝wik(k)+δwik(k)

利用所述压强输入参数、所述第二输出参数和预设修正因子，对所述第二权重参数进行优化的公式包括：

w(j-3)(k-9)(k+1)＝w(j-3)(k-9)(k)+δw(j-3)(k-9)(k)

一种燃料电池空气管理系统，包括：

控制器，用于执行上述任一项所述的空气流量和压强的控制参数获取方法，输出空气流量控制参数和压强控制参数；

空气流量控制器，用于基于所述空气流量控制参数输出空气流量控制信号；

压力控制器，用于基于所述压强控制参数输出压力控制信号；

其中，所述空气流量控制信号用于控制与所述燃料电池空气管理系统相连的空气系统中的空气流量，所述压强控制信号用于控制与所述燃料电池空气管理系统相连的空气系统中的压强。

与现有技术相比，上述技术方案具有以下优点：

本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法中，所述隐藏层与所述输出层之间的连接方式为全连接，即在计算所述输出层输出的空气流量控制参数时，不仅会考虑基于空气流量输入参数得到的第一输出参数，还会考虑基于压强输入参数得到的第二输出参数，在计算所述输出层输出的压强控制参数时，不仅会考虑基于压强输入参数得到的第二输出参数，还会考虑基于空气流量输入参数得到的第一输出参数，从而充分考虑空气流量控制和空气压强控制之间的耦合关系，提高所述燃料电池空气管理系统中空气流量控制和空气压强控制的精度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一个实施例所提供的燃料电池的空气流量和压强的控制信号获取方法所应用的燃料电池空气管理系统的结构示意图；

图2为本申请一个实施例所提供的燃料电池的空气流量和压强的控制信号获取方法所应用的车载质子交换膜燃料电池系统的结构示意；

图3为本申请一个实施例所提供的燃料电池的空气流量和压强的控制信号获取方法的流程图；

图4为本申请另一个实施例所提供的燃料电池的空气流量和压强的控制信号获取方法的流程图；

图5示出了所述燃料电池系统中的实际空气流量和目标空气流量随时间变化的曲线示意图，其中，曲线a为所述燃料电池系统中的实际空气流量随时间变化的曲线示意图，曲线b为所述燃料电池系统中目标空气流量随时间变化的曲线示意图；

图6示出了所述燃料电池系统中实际空气压强和目标空气压强随时间变化的曲线示意图，其中，曲线c为所述燃料电池系统中实际空气压强随时间变化的曲线示意图，曲线d为所述燃料电池系统中目标空气压强随时间变化的曲线示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。

正如背景技术部分所述，空压机流量控制与压强控制存在较强的耦合关系，严重影响着燃料电池空气管理系统的动态响应能力以及控制精度。

目前燃料电池空气管理系统的控制方法主要有以下几种：

第一种是：为空压机建立半经验半机械模型，并使用以前馈pid(proportion-integral-differential，比例-积分-微分)为主的cffpid(compoundfeed-forwardproportionintegraldifferentia，复合前馈比例积分差分)控制，该方法可以将燃料电池空气管理系统的流量响应速度提高一倍，但该方法未考虑气体在空气系统中的剧烈温升，也未考虑到流量控制和压强控制的耦合关系；

第二种是：在单个工作点对空压机进行线性化，并设计解耦传递函数，忽略解耦函数暂态项，得到增益型的解耦系数，并使用双pid控制器对燃料电池空气管理系统进行控制，该方法无法准确反映空压机全功率范围内的输入输出特性，且没有考虑系统暂态过程，动态跟随性能不高；

第三种是：使用基于滑膜控制的燃料电池空气管理系统的压强和流量控制，该类方法对流量和压强耦合关系考虑不足，且对于燃料电池车辆经常出现的怠速小，功率运行工况效果不佳；

第四种是：使用神经网络对空压机进行建模，并以此进行流量与压强控制，此类方法的空压机神经网络模型属于有导师学习模型，需要大量实车数据进行离线训练，但覆盖全面且大量的训练数据在工程中难以得到。

有鉴于此，本申请实施例提供了一种燃料电池的空气流量和压强的控制信号获取方法，应用于燃料电池空气管理系统，可选的，所述燃料电池空气管理系统用于为质子交换膜燃料电池系统提供所需的空气流量和压强，如图1所示，所述燃料电池空气管理系统包括神经网络模型、流量控制器和压强控制器，其中，所述流量控制器输出的空气流量控制信号和所述压强控制器输出的压强控制信号均输出给空气系统，以产生空气流量和压强，其中，所述神经网络模型包括输入层、隐藏层和输出层。

具体的，在本申请的一个实施例中，所述燃料电池空气管理系统应用于车载应用领域，为车载质子交换膜燃料电池空气管理系统，如图2所示，所述车载质子交换膜燃料电池系统包括：

质子交换膜燃料电池电堆10；

与所述质子交换膜燃料电池电堆10的第一输入端相连的第一输入支路以及与所述质子交换膜燃料电池电堆的第一输出端相连的第一输出支路；

与所述质子交换膜燃料电池电堆10的第二输入端相连的第二输入支路以及与所述质子交换膜燃料电池电堆10的第二输出端相连的第二输出支路；

其中，所述第一输入支路包括空气压缩机(即空压机)11和加湿器12，其中，所述空气压缩机11的输入端输入空气，控制端输入空气流量控制信号，输出端与所述加湿器12相连，所述加湿器12的输出端与所述第一输入端相连，所述空气流量控制信号用于控制所述空气压缩机11的转速；

所述第一输出支路包括背压阀13和分水器14，其中，所述背压阀13的输入端与所述第一输出端相连，输出端与所述分水器14的输入端相连，控制端输入空气压强控制信号，所述分水器14的输出端用于将质子交换膜燃料电池电堆10的输出气体中的水分排出，并将质子交换膜燃料电池电堆10的输出气体中的空气返回给加湿器12，所述空气压强控制信号用于控制所述背压阀13的开度；

所述压强输入支路包括：高压氢瓶15和氢气进气节气门16，其中，所述高压氢气瓶15的输出端与氢气进气节气门16的输入端相连，所述氢气进气节气门16与所述第二输入端相连；

所述压强输出支路包括：与所述第二输出端相连的氢气尾气阀17。

如图3所示，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法包括：

步骤1：基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数，基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数。需要说明的是，在本申请实施例中，所述输入层与所述隐藏层之间的连接关系为独立连接，即所述空气流量输入参数仅与所述第一输出参数有关，与所述第二输出参数无关，所述压强输出参数仅于所述第二输出参数有关，与所述第一输出参数无关。

具体的，在本申请实施例中，所述输入层输出的空气流量输入参数基于预设空气流量输入信号得到，所述输入层输出的压强输入参数基于预设压强输入信号得到。其中，所述预设空气流量输入信号为预设目标下的给定空气流量输入信号，所述预设压强输入信号为预设目标下的给定压强输入信号，具体数值需根据燃料电池电堆特性进行标定，本申请对此并不做限定，具体视情况而定。

在上述实施例的基础上，在本申请的一个实施例中，继续如图1所示，所述输入层输出的空气流量输入参数包括预设空气流量输入信号、空气流量的反馈信号(即空气系统输出的空气流量的反馈信号)以及所述预设空气流量输入信号以及所述空气流量的反馈信号的差值；所述输入层输出端的压强输入参数包括预设压强输入信号、压强的反馈信号(即空气系统输出的压强的反馈信号)以及所述预设压强输入信号与所述压强的反馈信号的差值。

在上述实施例的基础上，在本申请的一个实施例中，基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数包括：

基于所述输入层输出的预设空气流量输入信号、空气流量的反馈信号以及所述预设空气流量输入信号以及所述空气流量的反馈信号的差值，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数，其中，所述第一输出参数与所述燃料电池空气管理系统中空气流量的控制信号相关。

具体的，在上述实施例的基础上，在本申请的一个实施例中，所述空气流量的反馈信号o11＝y1，空气流量的反馈信号与预设空气流量输入信号的差值o12＝e1，预设空气流量输入信号o13＝r1，所述第一权重参数为wik，其中，i的取值为1、2和3，k的取值为1、2、3、4、5、6、7、8、9，即wik为一个三输入九输出的矩阵，也即wik为一个三行九列的矩阵。

所述隐藏层输出的第一输出参数为o2k(k)，其中，k为1、2、3、4、5、6、7、8、9，具体的，所述隐藏层输出的第一输出参数o2k(k)满足：

o2k(k)＝f(netk(k))＝tanh(netk(k))；

netk(k)＝y1w1k(k)+e1w2k(k)+r1w3k(k)。

需要说明的是，所述第一权重参数wik的初始值为小随机数，即数字生成器随机生成的数字，即所述隐藏层第一次输出第一输出参数时所使用的第一权重参数wik为小随机数组成的矩阵。其中，所述小随机数的取值范围为0～1。

在上述实施例的基础上，在本申请的一个实施例中，基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数包括：

利用所述输入层输出的预设压强输入信号、所述压强的反馈信号以及所述压强的反馈信号与所述预设压强输入信号的差值，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数，其中，所述第二输出参数与所述燃料电池空气管理系统中压强的控制信号有关。

具体的，在上述实施例的基础上，在本申请的一个实施例中，所述压强的反馈信号o16＝y2，压强的反馈信号与预设压强输入信号的差值o15＝e2，预设压强输入信号o14＝r2，所述第二权重参数为wjk，其中，j的取值为1、2和3，k的取值为10、11、12、13、14、15、16、17、18，即wik为一个三输入九输出的矩阵，也即wjk为一个三行九列的矩阵。

所述隐藏层输出的第二输出参数为o2k(k)，其中，k的取值为10、11、12、13、14、15、16、17、18，具体的，所述隐藏层输出的第二输出参数o2k(k)满足：

o2k(k)＝f(netk(k))＝tanh(netk(k))；

netk(k)＝r2w1k(k)+e2w2k(k)+y2w3k(k)。

需要说明的是，所述第二权重参数wjk的初始值为小随机数，即数字生成器随机生成的数字，即所述隐藏层第一次输出第二输出参数时所使用的第二权重参数wjk为小随机数组成的矩阵。

步骤2：基于所述第一输出参数和第二输出参数，利用第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数。需要说明的是，在本申请实施例中，所述隐藏层与所述输出层之间的连接关系为全连接，即所述第一输出参数既与所述空气流量控制参数有关，又与所述压强控制参数有关，所述第二输出参数既与所述压强控制参数有关，又与所述空气流量控制参数有关。

具体的，在本申请的一个实施例中，所述空气流量控制参数为o3l，其中，l取值为1、2、3，所述压强控制参数为o3l，其中，l取值为4、5、6在本申请实施例中，kp1＝o31；ki1＝o32；kd1＝o33；kp2＝o34；ki2＝o35；kd2＝o36，所述第三权重参数为wkl，其中，k的取值为：1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18，l的取值为：1、2、3、4、5、6，即wkl为一个十八输入六输出的矩阵，也即wkl为一个十八行六列的矩阵。

记所述输出层输出的参数为o3l，其中，l取值为1、2、3、4、5、6，则所述输出层输出的参数o3l满足：

需要说明的是，在本申请实施例中，所述压力控制参数用于输出给所述压力控制器，以产生压力控制信号；所述空气流量控制参数用于输出给所述流量控制器，以产生空气流量控制信号。

本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法中，所述隐藏层与所述输出层之间的连接方式为全连接，即在计算所述输出层输出的空气流量控制参数时，不仅会考虑基于空气流量输入参数得到的第一输出参数，还会考虑基于压强输入参数得到的第二输出参数，在计算所述输出层输出的压强控制参数时，不仅会考虑基于压强输入参数得到的第二输出参数，还会考虑基于空气流量输入参数得到的第一输出参数，从而充分考虑空气流量控制和空气压强控制之间的耦合关系，提高所述燃料电池空气管理系统中空气流量控制和空气压强控制的精度。

在上述任一实施例的基础上，在本申请的一个实施例中，如果所述空气流量控制参数与目标空气流量控制参数之间的差值大于第一阈值，和/或，所述压强控制参数与目标压强控制参数之间的差值大于第二阈值，则如图4所示，该获取方法还包括：

步骤3：利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和预设修正因子，对所述第一权重参数、所述第二权重参数和所述第三权重参数进行优化。

可选的，在本申请的一个实施例中，所述预设修正因子包括学习率和平滑因子，其中，所述学习率的取值范围为(0，1)，不包括端点值，所述平滑因子的取值范围为(0，1)，不包括端点值。

具体的，在上述任一实施例的基础上，在本申请的一个实施例中，利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和预设修正因子，对所述第一权重参数、所述第二权重参数和所述第三权重参数进行优化包括：

利用所述第一输出参数、所述第二输出参数和预设修正因子，对所述第三权重参数进行优化；

利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和所述预设修正因子，对所述第一权重参数、所述第二权重参数进行优化。

具体的，在本申请的一个实施例中，利用所述第一输出参数、所述第二输出参数和预设修正因子，对所述第三权重参数进行优化的公式包括：

wkl(k+1)＝wkl(k)+δwkl(k)

δwkl(k)＝-ηδkl(k)o2k(k)+αδwkl(k-1)；

其中，wkl(k)为第k-1次利用所述第一输出参数和第二输出参数获得空气流量控制参数和压强控制参数时所使用的第三权重参数；

η和α为预设修正因子，其中，η为学习率，α为平滑因子。

在上述实施例的基础上，在本申请的一个实施例中，利用所述空气流量输入参数、所述压强输入参数、所述第一输出参数、所述第二输出参数和预设修正因子，对所述第一权重参数、所述第二权重参数进行优化包括：

利用所述空气流量输入参数、所述第一输出参数和预设修正因子，对所述第一权重参数进行优化；

利用所述压强输入参数、所述第二输出参数和预设修正因子，对所述第二权重参数进行优化。

具体的，利用所述空气流量输入参数、所述第一输出参数和预设修正因子，对所述第一权重参数进行优化的公式包括：

wik(k+1)＝wik(k)+δwik(k)

同理，利用所述压强输入参数、所述第二输出参数和预设修正因子，对所述第二权重参数进行优化的公式包括：

w(j-3)(k-9)(k+1)＝w(j-3)(k-9)(k)+δw(j-3)(k-9)(k)

在上述任一实施例的基础上，在本申请的一个实施例中，η和α的取值范围为0～1，不包括端点值，可选的，在本申请的一个具体实施例中，η为0.01，α为0.002，但本申请对此并不做限定，具体视情况而定。

步骤4：基于所述输入层输出的空气流量输入参数，利用优化后的第一权重参数计算后，获得所述隐藏层输出的第一输出参数，基于所述输入层输出的压强输入参数，利用优化后的第二权重参数计算后，获得所述隐藏层输出的第二输出参数，并基于所述第一输出参数和第二输出参数，利用优化后的所述第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数。

由于基于所述输入层输出的空气流量输入参数，利用优化后的第一权重参数计算后，获得所述隐藏层输出的第一输出参数的过程与基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数的过程基本相同，只是将基于所述输入层输出的空气流量输入参数，利用第一权重参数计算后，获得所述隐藏层输出的第一输出参数的过程中的第一权重参数替换为优化后的第一权重参数，本申请对此不再详细赘述。

同理，基于所述输入层输出的压强输入参数，利用优化后的第二权重参数计算后，获得所述隐藏层输出的第二输出参数的过程与基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数的过程基本相同，只是将基于所述输入层输出的压强输入参数，利用第二权重参数计算后，获得所述隐藏层输出的第二输出参数的过程中的第二权重参数替换成优化后的第二权重参数；

基于所述第一输出参数和第二输出参数，利用优化后的所述第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数的过程与基于所述第一输出参数和第二输出参数，利用第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数的过程基本相同，只是将基于所述第一输出参数和第二输出参数，利用第三权重参数计算后，得到所述输出层输出的空气流量控制参数和压强控制参数的过程中的第三权重参数替换成优化后的第三权重参数。

步骤5：返回执行步骤3，即循环执行步骤3和步骤4，直至所述空气流量控制参数与目标空气流量控制参数之间的差值不大于第一阈值且所述压强控制参数与目标压强控制参数之间的差值不大于第二阈值。即如果所述空气流量控制参数与目标空气流量控制参数之间的差值小于第一阈值和/或所述压强控制参数与目标压强控制参数之间的差值小于第二阈值则返回执行步骤3，否则，则不返回执行步骤3，跳出该循环。

需要说明的是，本申请实施例对所述第一阈值和所述第二阈值的具体数值不做限定，具体视所述燃料电池空气管理系统的控制精度而定。

由上可知，本申请实施例所提供的燃料电池的空气流量和压强的控制信号的获取方法的控制目标为燃料电池系统的空气压强与空气流量，控制量为空压机转速与背压阀开度，属于两入两出系统，其控制系统结构如图1所示，在该方法中，神经网络的控制权矩阵(即第一权重参数、第二权重参数和第三权重参数)的初始值为小随机数，通过在线训练，每进行一次正向传播，给定当前步长下的转速与背压阀开度指令，再进行一次反向传播，修改解耦控制权矩阵(即第一权重参数、第二权重参数和第三权重参数)，反复进行上述过程，使系统按给定目标运行，同时优化神经网络的控制参数。

具体的，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法，先利用小随机数作为第一权重参数、第二权重参数和第三权重参数的初始值，基于所述输入层输出的空气流量输入参数和压强输入参数，得到隐藏层输出的第一输出参数和第二输出参数以及所述输出层输出的空气流量控制参数和压强控制参数，再利用所述输出层输出的空气流量控制参数和压强控制参数、所述隐藏层输出的第一输出参数和第二输出参数、所述输入层输出的空气流量输入参数和压强输入参数以及预设修正因子，对所述第一权重参数、所述第二权重参数和第三权重参数进行优化，从而通过循环优化所述第一权重参数、所述第二权重参数和第三权重参数，以使得所述输出层输出的空气流量控制参数和压强控制参数无限接近目标空气流量控制参数和目标压强控制参数，实现所述燃料电池系统中空气压强和空气流量的控制。

由此可见，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法，通过在线训练神经网络的权重参数，来使得所述输出层输出的空气流量控制参数和压强控制参数无限接近目标空气流量控制参数和目标压强控制参数，实现所述燃料电池系统中空气压强和空气流量的控制，无需对大量实车数据进行离线训练，即用无导师学习解耦控制法来替换有导师学习解耦控制法，避免了覆盖全面且大量的训练数据在工程中难以得到导致的燃料电池系统中空气流量和空气压强控制精度不高的问题。

而且，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法，通过在线训练神经网络的权重参数，来使得所述输出层输出的空气流量控制参数和压强控制参数无限接近目标空气流量控制参数和目标压强控制参数，实现所述燃料电池系统中空气压强和空气流量的控制，响应能力较强，响应速度较快。

另外，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法中，所述隐藏层与所述输出层之间的连接方式为全连接，即在计算所述输出层输出的空气流量控制参数时，不仅会考虑基于空气流量输入参数得到的第一输出参数，还会考虑基于压强输入参数得到的第二输出参数，在计算所述输出层输出的压强控制参数时，不仅会考虑基于压强输入参数得到的第二输出参数，还会考虑基于空气流量输入参数得到的第一输出参数，从而充分考虑空气流量控制和空气压强控制之间的耦合关系，提高所述燃料电池空气管理系统中空气流量控制和空气压强控制的精度。

最后，本申请实施例所提供的燃料电池的空气流量和压强的控制信号获取方法，在获取不同目标空气流量控制参数和目标压强控制参数，只需改变空气流量输入参数和压强输入参数即可，可以准确反映空压机全功率范围内的输入输出特性。

需要说明的是，在忽略传感器精度以及限定加载斜率的条件下，利用本申请实施例所提供的获取方法获得的空气流量控制参数和压强控制参数得到的实际空气流量与实际空气压强动态误差小于1％，稳态误差小于0.1％，控制效果良好，可以满足燃料电池车载应用。

下面对本申请所提供的获取方法进行仿真，频繁改变流量与压强设定，模仿车辆行驶中燃料电池频繁变载，验证控制模型控制精度与跟随能力，即频繁改变目标空气流量与目标空气压强，模仿车辆行驶中燃料电池频繁变载，验证控制模型控制精度与跟随能力。

如图5所示，图5示出了所述燃料电池系统中的实际空气流量和目标空气流量随时间变化的曲线示意图，其中，曲线a为所述燃料电池系统中的实际空气流量随时间变化的曲线示意图，曲线b为所述燃料电池系统中目标空气流量随时间变化的曲线示意图。

从图5可以看出，在频繁改变目标空气流量时，利用本申请实施例所提供的获取方法获取的空气流量控制参数得到的空气流量始终与目标空气流量保持一致，动态跟随性能较高。

如图6所示，图6示出了所述燃料电池系统中实际空气压强和目标空气压强随时间变化的曲线示意图，其中，曲线c为所述燃料电池系统中实际空气压强随时间变化的曲线示意图，曲线d为所述燃料电池系统中目标空气压强随时间变化的曲线示意图。

从图6可以看出，在频繁改变目标空气压强时，利用本申请实施例所提供的获取方法获取的压强控制参数得到的空气压强始终与目标空气压强保持一致，动态跟随性能较高。

相应的，本申请实施例还提供了一种燃料电池空气管理系统，包括：

控制器，用于执行上述任一实施例所提供的空气流量和压强的控制参数获取方法，输出空气流量控制参数和压强控制参数；

空气流量控制器，用于基于所述空气流量控制参数输出空气流量控制信号；

压力控制器，用于基于所述压强控制参数输出压力控制信号；

其中，所述空气流量控制信号用于控制与所述燃料电池空气管理系统相连的空气系统中的空气流量，所述压强控制信号用于控制与所述燃料电池空气管理系统相连的空气系统中的压强。

具体的，在本申请的一个实施例中，所述控制器输出的空气流量控制参数为u1，所述流量控制器为增量式数字pid控制器，所述空气流量的反馈信号o11＝y1，空气流量的反馈信号与预设空气流量输入信号的差值o12＝e1，预设空气流量输入信号o13＝r1，则所述流量控制器的输出的流量控制信号u1满足：

u1(k+1)＝u1(k)+kp1[e1(k)-e1(k-1)]+ki1e1(k)+kd1[e1(k)-2e1(k-1)+e1(k-2)](1)；

其中，k为不小于2的正整数。

需要说明的是，在本申请实施例中，如果k为0，则所述流量控制器第一次输出的控制信号u1(1)为：u1(1)＝u1(0)＝0；

如果k为1，则所述流量控制器第二次输出的控制信号u1(2)为：

如果k为2，则所述流量控制器第三次输出的控制信号u1(3)为：

如果k为大于2的任一正整数，则利用公式(1)，依次类推即可，本申请在此不再详细赘述。

同理，所述控制器输出的压强控制参数为u2，所述压强控制器为增量式数字pid控制器，所述压强的反馈信号o16＝y2，压强的反馈信号与预设压强输入信号的差值o15＝e2，预设压强输入信号o14＝r2，则所述压强控制器的输出的压强控制信号u2满足：

u2(k+1)＝u2(k)+kp2[e2(k)-e2(k-1)]+ki2e2(k)+kd2[e2(k)-2e2(k-1)+e2(k-2)](2)；

其中，k为不小于2的正整数。

需要说明的是，在本申请实施例中，如果k为0，则所述压强控制器第一次输出的控制信号u2(1)为：u2(1)＝u2(0)＝0；

如果k为1，则所述压强控制器第二次输出的控制信号u2(2)为：

如果k为2，则所述流量控制器第三次输出的控制信号u2(3)为：

如果k为大于2的任一正整数，则利用公式(2)，以次类推即可，本申请在此不再详细赘述。

需要说明的是，在本申请实施例中，所述空气流量控制信号输出给空气系统中的空气压缩机，用于控制所述空气压缩机的转速，所述压强控制信号输出给空气系统中的背压阀，用于控制所述背压阀的开度，以控制所述空气系统中的空气流量和压强。

具体的，在上述任一实施例的基础上，在本申请的一个实施例中，所述空气压缩机的转速指令与背压阀的开度指令通过can线传输，具体应根据空压机、背压阀特性，对转速指令、开度指令进行数值限幅与变化速率限幅，避免出现控制不稳定。

综上，本申请实施例所提供的燃料电池的空气流量和压强的控制信号的获取方法，基于前馈神经网络的质子交换膜燃料电池流量与压强解耦控制，无导师学习解耦控制率，优化控制器参数，避免复杂的空气系统建模与跟随控制，不需要采集实车数据离线训练网络，具有动态响应快，控制精度高，对系统参数依赖很小的特点，可以为质子交换膜燃料电池空气管理系统高性能控制提供有效途径。

本说明书中各个部分采用递进的方式描述，每个部分重点说明的都是与其他部分的不同之处，各个部分之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。