新能源氢能汽车氢燃料电池的研究和设计

新能源氢能汽车氢燃料电池的研究和设计1,综述1.1研究意义氢能是氢的化学能，氢在地球上主要以化合态的形式出现，是宇宙中分布最广泛的物质，它构成了宇宙质量的75%，二次能源。

氢具有高挥发性、高能量，是能源载体和燃料，同时氢在工业生产中也有广泛应用。

氢能在二十一世纪有可能在世界能源舞台上成为一种举足轻重的二次能源。

它是一种极为优越的新能源，其主要优点有：燃烧热值高，每千克氢燃烧后的热量，约为汽油的3倍，酒精的3.9倍，焦炭的4.5倍。

燃烧的产物是水，是世界上最干净的能源。

资源丰富，氢气可以由水制取，而水是地球上最为丰富的资源，演绎了自然物质循环利用、持续发展的经典过程。

氢能汽车是以氢为主要能量作为移动的汽车。

一般的内燃机，通常注入柴油或汽油，氢汽车则改为使用气体氢。

燃料电池和电动机会取代一般的引擎，即氢燃料电池的原理是把氢输入燃料电池中，氢原子的电子被质子交换膜阻隔，通过外电路从负极传导到正极，成为电能驱动电动机；质子却可以通过质子交换膜与氧化合为纯净的水雾排出。

这样有效减少了其他燃油的汽车造成的空气污染问题。

用氢气作燃料有许多优点，首先是干净卫生，氢气燃烧后的产物是水，不会污染环境，其次是氢气在燃烧时比汽油的发热量高。

氢是可以取代石油的燃料，其燃烧产物是水和少量氮氧化合物，对空气污染很少。

氢气可以从电解水、煤的气化中大量制取，而且不需要对汽车发动机进行大的改装，因此氢能汽车具有广阔的应用前景。

干电池、蓄电池是一种储能装置，是把电能贮存起来，需要时再释放出来；而氢燃料电池严格地说是一种发电装置，像发电厂一样，是把化学能直接转化为电能的电化学发电装置。

另外，氢燃料电池的电极用特制多孔性材料制成，这是氢燃料电池的一项关键技术，它不仅要为气体和电解质提供较大的接触面，还要对电池的化学反应起催化作用。

燃料电池对环境无污染。

它是通过电化学反应，而不是采用燃烧(汽、柴油)或储能(蓄电池)方式－－最典型的传统后备电源方案。

燃烧会释放象COx、NOx、SOx气体和粉尘等污染物。

如上所述,燃料电池只会产生水和热。

如果氢是通过可再生能源产生的(光伏电池板、风能发电等),整个循环就是彻底的不产生有害物质排放的过程。

1.2研究现状在1965年，外国的科学家们就已设计出了能在马路上行驶的氢能汽车。

我国也在1980年成功地造出了第一辆氢能汽车，可乘坐12人，贮存氢材料90公斤。

氢能汽车行车路远，使用的寿命长，最大的优点是不污染环境。

氢内燃车和氢燃料电池车不同。

氢内燃车是传统汽油内燃机车的带小量改动的版本。

氢内燃直接燃烧氢，不使用其他燃料或产生水蒸气排出。

这些车的问题是氢燃料很快耗尽。

载满氢气的油缸只能行驶数英里，很快便没能量。

另一方面，各色各样的方法正在研究以减少耗用的空间，例如用液态氢或氢化物。

1807年Isaac de Rivas制造了首辆氢内燃车。

可惜该设计甚不成功。

宝马的氢内燃车有更多的力量，比氢燃料电池车更快。

宝马的氢汽车以三百公里每小时创下了氢汽车的最高速记录。

万事达已在开发烧氢的转子引擎。

该转子引擎反覆转动，故氢从开口在引擎内的不同部分燃烧，减少突然爆炸这个氢燃料活塞引擎的问题。

日本武藏工业大学1990年在第八届世界氢能会议上展出了一部使用液氢储罐的燃氢轿车。

它由NISSAN车改装，使用一个容积100L，总重60kg的液氢罐，可以100km/h行驶，排放废气中无CO2。

中国研制的燃用氢、汽油混合燃料的城市节能公共汽车正进行试验。

其他重要汽车生产商如通用汽车和DaimlerChrysler公司，投资在较慢较弱但较有效的氢燃料电池。

1960年代后期，Roger E. Billings制造了燃料电池的原型。

在燃料电池氢汽车的发展主要有三个障碍。

首先，氢的密度很低，就算燃料以液态形式储存在低温瓶或压缩气体瓶，在那些空间能够储存的能量十分有限，而氢汽车比起其他汽车就十分受限。

有些研究已经用特别结晶体来储存氢在较高密度的环境中，而且更安全。

另外一种方法是不储存氢分子，而使用氢重组器来从传统燃料如甲烷、汽油和乙醇，提取氢。

很多环保分子对此想法不感兴趣，因为它依赖了化石燃料。

可是，这是有效的重组程序。

使用重组过的汽油或乙醇来推动燃料电池，仍比使用内燃引擎来得有效。

其次，制造在氢汽车提供电力可靠燃料电池，耗资颇高。

科学家努力研究令燃料电池的成本尽量便宜，同时又有足够硬度以抵受撞击和震动这些汽车的基本问题。

燃料电池的设计大都脆弱，故不能在那些情况下保存。

加上很多设计都需要稀有物如铂作为加速剂，令工作更顺畅，而加速剂可能污染氢的纯净度，不利氢的提供。

第三个问题是氢可作为能量的携带者而非能源。

它必须从化石燃料或其他能源提取，因此引起能量的流失（因为从其他能源到氢又回到能量的转换并非百分百有效）。

因为任何能源都有缺点，转换到氢会引起关于如何产生这种能源的政治决定。

最近有方法成功直接从太阳和水，透过金属的催化剂，产生了氢。

这或能使从太阳能转成氢有一个便宜、直接、清洁的途径。

1.3研究成果中国在氢能汽车研发领域取得重大突破，已成功开发出氢能燃料电池汽车性能样车。

目前，国内在燃料电池发动机方面已取得大功率氢—空燃料电池组制备的关键技术，轿车用净输出30kW、客车用净输出60kW和100kW的燃料电池发动机，已在同济大学和清华大学燃料电池发动机测试基地分别通过了严格的测试并装车运行，燃料电池轿车已经累计运行4000多公里，燃料电池客车累计运行超过8000公里。

此前，以氢气为能源的燃料电池汽车被列入国家“863”计划，科技部投入1．2亿元支持燃料电池汽车和相关技术的研发。

此外，国内研发的燃料电池汽车在整车操控性能、行驶性能、安全性能、燃料利用率等方面均得到较大提高。

国内汽车企业还开发出100多种燃气汽车，在19个城市开展了推广应用；国内自主研发的纯电动汽车、混合动力汽车，也已开始示范运行。

2、系统硬件设计阳极侧生成的水必须及时排除，以免将电解质溶液稀释或淹没多孔气体扩散电极由于阴极（氧电极）的极化损失要比PAFC等酸性电解质小，因而可以获得很高的电流效益。

1.一氧支撑板2.一氧蜂窝（气室）3.一氧电极4石棉膜5.一氢电极6一氢蜂窝（气室）7.一氢支撑板8.一排水膜9一排水膜支撑板10.除水蜂窝（蒸发室）11.除水蜂窝板双极式AFC电池构件排置图1.双极电池2.双极板3.隔板4.电解质框5.电流收集板6.夹板电极由载体及催化剂层组成。

用化学附着法将催化剂沉淀在载体表面，电化学反应就发生在催化剂层上。

催化剂层的主要成分包括，碳载体，高度分散的铂催化剂及疏水介质（如聚氯乙烯，PTFE）。

催化剂层的厚度约0.1mm。

高表面积的铂是目前催化剂的首选材料，而碳则是首选载体材料对于较高温度的燃料电池（MCFC，SOFC），不必用稀缺金属催化剂，而较低温度下的燃料电池（PAFC，PEMFC）则需使用贵金属催化剂来加速电化学反应。

3、系统软件设计氢能源汽车发动机循环降温及稳定使用BP神经系统解决。

BP神经网络是由输入层、隐含层、输出层组成的多层前向网络。

BP算法实际上是扒衣族样本输入输出问题转换成一个非线性优化问题，并通过梯度算法利用迭代运算求解全职问题的一种学习方法，具有SIGMOID非线性函数的仅含一个隐层的前缀BP神经网络可以以任意精度逼近任意连续有节非线性函数BP神经网络结构如图所示其中x i 为神经网络的输入，y h 为神经网络的输出，w ji 为第i 个输入到隐含层第j 个神经元的连接权，v hj 为隐含层第j 个神经元到第h 个输出的连接权，net j 为隐含层第j 个神经元的输入：net j = w ji m i=1o i 。

o i 为输入层第i 个神经元的输出：o i =g(net i )，其中g(·)为活化函数。

取g(net j )=1／[1+exp[一(net j +θi )／θ0]]，θj 表示偏置或域值。

输出层第h 个神经元的总输人为net h = w hi o j l i=1，于是输出层第h 个神经元的实际输出为o h =g(ne “)。

输出层任意神经元加权系数的修正公式为V hj (k+1)= V hj (k )+ηοk (k)×[1—o k (k)][ d h (k)一o h (k)] o j (k) (1)式中，d h (k)为对象当前实际输出。

隐含层节点加权系统的修正公式为w ij (k +1)= w ij (k)+ ηοj (k)×[1一o j (k)][ δh L h=0(k) v hj (k)] o i (k) (2)^=0式中，以δh (k)= o h (k)[1一o h (k)][ d h (k)一o h (k)]。

燃料电池发动机性能的主要衡量标准是一定电流密度下的电堆电压的大小。

燃料电池的输出电压的数量级是衡量燃料电池性能的主要参数，而输出电压的高低和燃料电池各种系统输入有直接关系。

实验研究发现，影响燃料电池性能的输入包括氢气和空气压力、流量、湿度、循环水温度、风扇转速、水泵转速以及电堆电流等lO 个，而系统输出只有电堆电压一个。

BP 神经网络的输人层起缓冲存储器的作用，它接收外部的输入数据，因此其节点数取决于输人矢量的维数。

而输入矢量的维数除了包括燃料电池发动机系统的关键参数外，还应包括温度的前2个采样时刻的值，因为循环水温度往往具有较大的迟滞性，前两时刻的值将对当前输出产生影响。

所以输入层节点数为13。

BP 神经网络的图3神经网络建模过程建模示意图如图3所示。

隐含层节点数与问题的要求、输入输出单元的数目有着直接关系。

隐含层节 点数太多会导致学习时问过长、误差不一定最佳，也会导致容错性差，因此一定存在一个最佳的隐单元数。

经实验，此网络模型隐含节点数为5比较合适。

输出层参数与要求输出的目标结果个数一致，该网络模型中要求输出的目标只有电堆电压一个，因此输出层参数为1。

由以上分析及检验可知，该神经网络的拓扑结构为13．5—1。

当输出误差小于0．001或者训练次数达到10万次时结束网络的学习。

并将学习好的网络模型的权值／阈值进行保存。

4、系统试验设计模型预测控制(Model Predictive Control，简称MPC)是20世纪70年代后期发展起来的一类基于未来状态或输出的动态预测值求解当前控制输入的新型计算机控制算法。

这种算法的本质特征是预测模型、滚动优化和反馈校正。

克服系统的不确定性、动态迟滞、时变和扰动等因素的动态影响，实现对控制系统的优化控制。

神经网络模型的目的就是要提供输出的预测值，用电堆实际电压输出与信号，通过滚动优化得到最优控制增量△u(k)。

预测控制实现的控制器结构如图4所示。

u(k)为燃料电池系统输入值，包括水泵转速、风扇转速、氢气和空气阀门开度和加湿程度等等，输出Y(k)为燃料电池系统输出值电堆电压。