买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于自适应无模型预测控制的分层燃料电池温度控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119361765B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411476133.6，技术领域涉及：H01M8/04992；该发明授权基于自适应无模型预测控制的分层燃料电池温度控制方法是由王雷;徐海松;苏宏业设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于自适应无模型预测控制的分层燃料电池温度控制方法在说明书摘要公布了：本发明公开了一种基于自适应无模型预测控制的分层燃料电池温度控制方法。首先，上层决策器基于电堆的极化曲线确定不同工况下的最优电堆温度，并将最优电堆温度作为最优参考温度输出至下层控制器。在下层控制器中，先基于电池运行的实时输入输出数据，通过引入辅助松弛变量来实现电堆温度的非线性预测。然后在每个执行周期通过求解带约束的优化问题获取最优控制变量，驱动水泵和散热器完成电堆温度的最优控制。本发明相比于传统控制方法降低了对模型的依赖度；相比传统模型预测控制方法，本发明具有低计算复杂度，对控制器硬件要求低等优势，一定程度上解决了质子交换膜燃料电池非线性强、耦合性强、控制难度大的问题。

本发明授权基于自适应无模型预测控制的分层燃料电池温度控制方法在权利要求书中公布了：1.一种基于自适应无模型预测控制的分层燃料电池温度控制方法，其特征在于，包括以下步骤： 步骤1：采集分层燃料电池的实际电堆温度和实际控制输入，根据当前实际电堆温度生成最优电堆温度； 步骤2：构建分层燃料电池的预测模型，再基于分层燃料电池的预测模型建立分层燃料电池的优化目标； 步骤3：采集分层燃料电池的历史电堆温度和对应的控制输入数据，对历史电堆温度和对应的控制输入数据周期化处理后，获得燃料电池历史相对数据和燃料电池未来相对数据，再结合分层燃料电池的实际电堆温度和实际控制输入、最优电堆温度，根据分层燃料电池的优化目标对分层燃料电池的电池温度进行优化求解后，获得最优控制序列，最后根据最优控制序列对分层燃料电池的热量管理系统进行控制，完成分层燃料电池的温度控制； 所述步骤2中，分层燃料电池的优化目标的公式如下： 其中，表示松弛变量，g表示决策变量，u代表热量管理系统的预测控制输入，y代表电堆温度预测值，N表示预测步长，yk表示第k个步长的电堆温度预测值，rt+k表示t+k时刻的电堆参考温度，uk表示第k个步长的控制输入，第一优化项满足，第二优化项满足，表示一范数，T表示转置，R和Q分别是第一系数矩阵和第二系数矩阵，表示矩阵，和是两个惩罚系数，为实际电堆温度的约束集合，为控制输入的约束集合；Up表示燃料电池历史相对数据中的历史相对控制输入矩阵，Yp表示燃料电池历史相对数据中的历史相对电堆温度矩阵，Uf表示燃料电池未来相对数据中的未来相对控制输入矩阵，Yf表示燃料电池未来相对数据中的未来相对电堆温度矩阵，uini表示分层燃料电池的实际控制输入，yini表示分层燃料电池的实际电堆温度； 所述步骤3中，对历史电堆温度和控制输入数据周期化处理后，获得燃料电池历史相对数据和燃料电池未来相对数据，具体为： 利用以下公式对历史电堆温度和控制输入数据进行处理后，获得历史相对控制输入矩阵Up和历史相对电堆温度矩阵Yp并组成燃料电池历史相对数据，以及获得未来相对控制输入矩阵Uf和未来相对电堆温度矩阵Yf并组成燃料电池未来相对数据： 其中，表示比例系数，表示汉克尔矩阵，是采集的历史控制输入数据，为采集的历史电堆温度数据，、、和分别是历史控制输入数据ud中第一个、第Ts-L+1个、第L个和第Ts个分量，、、和分别是历史电堆温度数据yd中第一个，第Ts-L+1个，第L个和第Ts个分量，Ts表示历史电堆温度数据yd的数据长度，表示初始时间，N表示预测步长。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。