基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的甲醇濃度間接測(cè)量方法

周聰，朱新堅(jiān)，邵孟(上海交通大學(xué)燃料電池研究所，上海200240)

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的甲醇濃度間接測(cè)量方法

周聰，朱新堅(jiān)，邵孟
(上海交通大學(xué)燃料電池研究所，上海200240)

提出了一種直接甲醇燃料電池電堆中甲醇濃度的間接測(cè)量方法。該方法基于直接甲醇燃料電池(DMFC)電堆中單電池所表現(xiàn)出的電化學(xué)特性，根據(jù)電堆運(yùn)行時(shí)的電流、電壓和溫度值，采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)，實(shí)時(shí)計(jì)算出電堆中的甲醇濃度，在無需安裝甲醇濃度傳感器的條件下，實(shí)現(xiàn)了DMFC電堆中甲醇濃度的間接測(cè)量。實(shí)驗(yàn)結(jié)果表明該方法的相對(duì)誤差精度范圍為[0，1.96％]，可用于微小型直接甲醇燃料電池陽(yáng)極進(jìn)料濃度的實(shí)時(shí)控制。

直接甲醇燃料電池；甲醇濃度；間接測(cè)量

直接甲醇燃料電池(DMFC)以其高能量密度和產(chǎn)物對(duì)環(huán)境的友好性，有潛力成為工業(yè)和日常生活中廣泛應(yīng)用的清潔能源。影響直接甲醇燃料電池性能的主要因素之一是陽(yáng)極甲醇的進(jìn)料濃度[1]。較高的進(jìn)料甲醇濃度能優(yōu)化電池性能，但是甲醇濃度過高會(huì)導(dǎo)致甲醇從陽(yáng)極滲透到陰極，甲醇滲透會(huì)引起電極去極化，滲透的甲醇在陰極反應(yīng)會(huì)導(dǎo)致混合電位，降低開路電壓，甲醇反應(yīng)的中間產(chǎn)物會(huì)使催化劑中毒，并且在陰極反應(yīng)的甲醇會(huì)導(dǎo)致陰極積水，從而阻礙氧氣進(jìn)入陰極參與反應(yīng)[2]。另一方面，甲醇濃度過低會(huì)降低電池的性能，可能無法維持過重的負(fù)載。因此，為了電池性能良好，需要實(shí)時(shí)測(cè)量甲醇濃度。

目前，對(duì)甲醇濃度的測(cè)量分為有甲醇濃度傳感器和無甲醇濃度傳感器兩種測(cè)量方法。甲醇濃度傳感器主要分為電化學(xué)方法和物理方法。采用電化學(xué)方法的甲醇濃度傳感器通過測(cè)量甲醇氧化電流[3]或者DMFC的運(yùn)行特征[4]，比如內(nèi)部溫度、工作電壓[5]、短路電流等來測(cè)量甲醇濃度。采用物理方法的甲醇濃度傳感通過測(cè)量甲醇水溶液的物理性質(zhì)，比如密度、粘度、相對(duì)介電常數(shù)、熱容和聲速[6]等。但是，甲醇濃度傳感器會(huì)增加制造成本與設(shè)備體積，由于傳感器會(huì)受到腐蝕和自身性能衰退的特點(diǎn)，需要定期更換或者校正傳感器。

無甲醇濃度傳感器測(cè)量方法主要是根據(jù)與甲醇消耗相關(guān)的函數(shù)關(guān)系來計(jì)算甲醇濃度。Chiu等[7]提供了一種常量濃度曲面的插值算法(ICCSs)，通過建立三維濃度測(cè)量空間(坐標(biāo)軸為電流、電壓和溫度)和常量濃度曲面，然后采用插值算法根據(jù)此三維空間計(jì)算出相應(yīng)于某時(shí)刻(I，V，T)的進(jìn)料甲醇濃度C，其樣本點(diǎn)的相對(duì)誤差在濃度為3.5％(體積分?jǐn)?shù))時(shí)為[－8.5％, +8.5％]，在濃度為5.5％時(shí)為[－5.5％,+5.5％]。Shen等[8]在此基礎(chǔ)上改進(jìn)了甲醇濃度和燃料總質(zhì)量的實(shí)時(shí)控制，修正了膜組件(MEA)導(dǎo)致的電壓衰退。Lian等[9]根據(jù)燃料充足和不充足時(shí)的DMFC電流電壓反應(yīng)，通過測(cè)量當(dāng)前的電壓和檢查其與參考電壓之間的差值判斷是否需要加入甲醇。文獻(xiàn)[10-11]以電流、電壓和功率等為反饋值來調(diào)節(jié)甲醇進(jìn)料濃度，但是并沒有測(cè)量出精確的甲醇濃度值，這樣可能導(dǎo)致加入過多或過少的純甲醇。

采用無甲醇濃度傳感器的間接測(cè)量方法比有甲醇濃度傳感器的測(cè)量方法更加經(jīng)濟(jì)，能減少微小型和便攜式直接甲醇燃料電池系統(tǒng)的尺寸和成本。

本文依據(jù)電池表現(xiàn)出的電化學(xué)特性提出了一種無甲醇濃度傳感器的甲醇濃度測(cè)量方法，使用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)計(jì)算，因?yàn)楦倪M(jìn)BP神經(jīng)網(wǎng)絡(luò)能以高精度逼近非線性函數(shù)，收斂速度快，泛化能力好且穩(wěn)定性強(qiáng)。本文將在平穩(wěn)負(fù)載模式、動(dòng)態(tài)負(fù)載模式和頻繁啟閉模式三種負(fù)載模式下驗(yàn)證本方法的精確性。

1 電池的電化學(xué)特性

導(dǎo)致DMFC電堆電壓下降的因素主要有四個(gè)[4]：活化損失，甲醇滲透，阻抗損失，傳質(zhì)或濃度損失?；罨瘬p失是由電極(主要是陰極)表面緩慢的電化學(xué)反應(yīng)造成的。甲醇滲透是指在甲醇從陽(yáng)極穿過質(zhì)子交換膜到達(dá)陰極，由穿過質(zhì)子交換膜的質(zhì)子產(chǎn)生的電滲作用力，質(zhì)子交換膜兩側(cè)的甲醇濃度差和陰陽(yáng)兩極之間的壓力差造成的。甲醇滲透還會(huì)導(dǎo)致在陰極氧化反應(yīng)的甲醇產(chǎn)生混合電位。阻抗損失是指電子通過電極和離子通過電解液時(shí)需要對(duì)抗的阻力。傳質(zhì)或濃度損失主要是由于反應(yīng)是電極表面的甲醇濃度減少造成的。

綜上所述，電壓的損失能用下述方程來描述[12]：

式中：E為開路電壓；V和i分別為輸出電壓和電流密度；A為Tafel曲線的斜率；in和i0分別為甲醇滲透的當(dāng)量電流密度和交換電流密度；m、n為常量系數(shù)；r為單位面積阻抗。A、in、i0、m、n、r的值都依據(jù)電池的運(yùn)行條件而變化，包括溫度、甲醇濃度、燃料的進(jìn)料速率、電堆中的氣體壓力。對(duì)于某個(gè)特定的DMFC系統(tǒng)來說，甲醇和空氣進(jìn)料的流速是確定的，那么甲醇濃度和溫度就是影響輸出電壓和電流密度的主要原因。

所以，方程(2)可以改寫為：

式中：I、V、T、C分別表示電流、電壓、溫度和甲醇濃度。本文可以使用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)來近似方程(3)所描述的函數(shù)。

2 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)

人工智能神經(jīng)網(wǎng)絡(luò)使用內(nèi)部相連的數(shù)學(xué)節(jié)點(diǎn)或神經(jīng)元來形成能模擬復(fù)雜的函數(shù)關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)作為人工智能神經(jīng)網(wǎng)絡(luò)(ANN)的一種，采用分層式的前向傳播網(wǎng)絡(luò)和誤差反向傳播以調(diào)整權(quán)值和偏差，模擬輸入輸出值之間的函數(shù)關(guān)系。圖1為一個(gè)典型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。BP神經(jīng)網(wǎng)絡(luò)主要由三部分構(gòu)成：輸入層，隱藏層，輸出層。

圖1　　典型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

在圖1中，X1，X2，X3表示輸入，Z表示訓(xùn)練的目標(biāo)值，d為每次訓(xùn)練的輸出值y與目標(biāo)值Z之間的差值。本文采用3-7-1式結(jié)構(gòu)的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)的信息流傳播分為前向和后向兩個(gè)方向。在前向傳播中，輸入值X1，X2，X3……會(huì)先被歸一化處理，然后會(huì)以一定的權(quán)重vij(其中i，j分別表示輸入層的第i個(gè)節(jié)點(diǎn)和隱藏層的第j個(gè)節(jié)點(diǎn))進(jìn)入隱藏層，經(jīng)隱藏層傳遞函數(shù)f1(一般為Sigmoid函數(shù))計(jì)算后，以一定權(quán)值wij(其中i，j分別表示隱藏層的第i個(gè)節(jié)點(diǎn)和輸出層的第j個(gè)節(jié)點(diǎn))達(dá)到輸出層，按f2(一般為Pureline函數(shù))計(jì)算輸出值。后向傳播通過比較輸出至于目標(biāo)值之間的誤差，根據(jù)誤差調(diào)整隱藏層的權(quán)值和偏差。當(dāng)訓(xùn)練的誤差精度達(dá)到要求時(shí)訓(xùn)練完成。

雖然BP神經(jīng)網(wǎng)絡(luò)有著不錯(cuò)的泛化和容錯(cuò)能力，但是BP神經(jīng)網(wǎng)絡(luò)收斂緩慢，在訓(xùn)練數(shù)據(jù)較多時(shí)會(huì)導(dǎo)致較長(zhǎng)的訓(xùn)練時(shí)間，且容易陷入局部極小值，因此需要做出相應(yīng)的改進(jìn)。為了消除BP神經(jīng)網(wǎng)絡(luò)的弊端，一些改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)被提出[13]。改進(jìn)BP神經(jīng)網(wǎng)絡(luò)主要在三個(gè)方面進(jìn)行改進(jìn)：附加動(dòng)量法，自適應(yīng)學(xué)習(xí)速率和彈性BP算法。

本文主要采用附加動(dòng)量法和自適應(yīng)學(xué)習(xí)速率相結(jié)合來改進(jìn)BP神經(jīng)網(wǎng)絡(luò)。

2.1附加動(dòng)量法

采用附加動(dòng)量法可以使BP算法找到全局最優(yōu)解。一般的BP算法實(shí)質(zhì)上是一種簡(jiǎn)單的梯度下降方法，加入附加動(dòng)量法，是將上一次權(quán)值v,w調(diào)整量以一定的比例加到本次誤差計(jì)算所得的權(quán)值調(diào)整量上，其數(shù)學(xué)表達(dá)為：

式中：p表示第p次訓(xùn)練；mc為動(dòng)量因子，范圍為[0,1]，一般取0.95；η為學(xué)習(xí)速率。v的計(jì)算方法與此類似。

附加動(dòng)量法通過在本次修正權(quán)值的過程中加入上一次權(quán)值修正的一部分，使權(quán)值的調(diào)節(jié)向著誤差曲線最小值的平均方向變化，當(dāng)權(quán)值v,w進(jìn)入誤差曲線底部的平坦區(qū)時(shí)，Δwp+1≈Δwp，避免了Δwkp+1為0的出現(xiàn)，防止了局部極小值的出現(xiàn)。

2.2自適應(yīng)學(xué)習(xí)速率

在傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)中，學(xué)習(xí)速率為常量。學(xué)習(xí)速率較低時(shí)，會(huì)使訓(xùn)練時(shí)間過長(zhǎng)和收斂緩慢。學(xué)習(xí)速率較高時(shí)，會(huì)出現(xiàn)振蕩和發(fā)散，這會(huì)使系統(tǒng)不穩(wěn)定。自適應(yīng)學(xué)習(xí)速率就是根據(jù)誤差變化來改變學(xué)習(xí)速率，這樣可以加快收斂速度。自適應(yīng)學(xué)習(xí)速率的邏輯流程見圖2。

在圖2中，參數(shù)K、α、β的典型取值為K=1.04，α=1.05，β= 0.7。

3 實(shí)驗(yàn)裝置

實(shí)驗(yàn)裝置連接見圖3，由DMFC電堆，燃料儲(chǔ)存罐(甲醇水溶液的混合罐)，液體泵(2個(gè))，氣泵，冷凝器和可調(diào)電子負(fù)載(MAYNUO9700)組成。溫度傳感器安裝在陽(yáng)極的出口處，用來近似測(cè)量電堆出口處的溫度。甲醇濃度傳感器安裝在陽(yáng)極入口處，測(cè)量進(jìn)料甲醇濃度。在每次實(shí)驗(yàn)中，溫度傳感器、電子負(fù)載、甲醇濃度傳感器將測(cè)試到的數(shù)據(jù)發(fā)送到電腦，這些數(shù)據(jù)會(huì)被作為訓(xùn)練樣本導(dǎo)入由Matlab編寫的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)程序中。DMFC電堆有20片單電池，膜電極組件采用Nafion 117作為質(zhì)子交換膜，其活化面積為50 cm2。陽(yáng)極甲醇進(jìn)料速率固定在60 mL/min，陰極空氣的流速固定在6 L/min。進(jìn)料甲醇最佳濃度范圍為[3.0％，6.0％]，當(dāng)甲醇溶液循環(huán)利用至濃度低于3.0％時(shí)更換7.0％的甲醇溶液。濃度和溫度傳感器、電子負(fù)載都會(huì)每隔5 s記錄I、V、C、T的數(shù)值，并將數(shù)據(jù)存儲(chǔ)到電腦中。

圖2　自適應(yīng)學(xué)習(xí)速率的邏輯流程

圖3　實(shí)驗(yàn)裝置

4 實(shí)驗(yàn)結(jié)果與討論

4.1平穩(wěn)負(fù)載模式

平穩(wěn)負(fù)載是電子設(shè)備最常用的模式。對(duì)4種平穩(wěn)負(fù)載設(shè)計(jì)了6次重復(fù)實(shí)驗(yàn)，平穩(wěn)負(fù)載分別為：I=0.5 A,I=1 A,I=1.5 A,I=2 A。實(shí)驗(yàn)均在室溫下進(jìn)行。對(duì)于每一種平穩(wěn)負(fù)載，隨機(jī)選取5組實(shí)驗(yàn)測(cè)得的(I，V，C，T)作為改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，并保存訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)，再將剩下的第6組(I，V，T)輸入至已保存的網(wǎng)絡(luò)計(jì)算相應(yīng)的甲醇濃度值，記為Cmc，比較Cmc與第6組實(shí)際測(cè)得的甲醇濃度Cm，按照公式(6)計(jì)算Cmc的相對(duì)誤差。

圖4　4種負(fù)載條件下U、P、C和T的變化趨勢(shì)

對(duì)4種平穩(wěn)負(fù)載，分別選取某一次實(shí)驗(yàn)為代表，觀察其U、P、C和T的變化，見圖4。

從圖4中可以看出當(dāng)溫度升高時(shí)，功率上升。在實(shí)驗(yàn)開始時(shí)功率有所下降是因?yàn)槊看螌?shí)驗(yàn)都更換新的甲醇水溶液，此次實(shí)驗(yàn)電堆的溫度比上次實(shí)驗(yàn)結(jié)束時(shí)有所下降，故功率在開始時(shí)有所降低。

4種平穩(wěn)負(fù)載下計(jì)算的甲醇濃度的相對(duì)誤差范圍為[0，1.96％]，Cmc相對(duì)誤差的平均值依次為：負(fù)載 0.5 A時(shí)為0.90％，負(fù)載1 A時(shí)為0.98％，負(fù)載1.5 A時(shí)為0.97％，負(fù)載2 A時(shí)為1.09％。負(fù)載加重相對(duì)誤差變大是因?yàn)樨?fù)載加重電堆內(nèi)溫度升高快，電堆內(nèi)甲醇滲透加重影響計(jì)算結(jié)果。因此，本文改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)適用于平穩(wěn)負(fù)載下甲醇濃度的估計(jì)。

4.2動(dòng)態(tài)負(fù)載模式

為了測(cè)試本算法在動(dòng)態(tài)負(fù)載下的精確性，實(shí)驗(yàn)在負(fù)載1.7 A階梯上升至2.5 A再下降為1.7 A下進(jìn)行測(cè)試。因?yàn)楸窘M實(shí)驗(yàn)的負(fù)載變化大，為了取得足夠的訓(xùn)練樣本數(shù)據(jù)，測(cè)試11組實(shí)驗(yàn)，隨機(jī)選取10組作為訓(xùn)練樣本數(shù)據(jù)，其(U,I,C,T,P)變化趨勢(shì)見圖5。

圖5　動(dòng)態(tài)負(fù)載下(U,I,C,T,P)變化

當(dāng)負(fù)載升高至約1.9 A時(shí)，負(fù)載功率開始由下降轉(zhuǎn)為上升，出現(xiàn)此轉(zhuǎn)折的主要原因是此次實(shí)驗(yàn)開始時(shí)堆內(nèi)溫度因?yàn)闇囟容^低的進(jìn)料甲醇的進(jìn)入而降低，所以開始時(shí)功率下降，隨著電堆內(nèi)甲醇氧化的放熱反應(yīng)，堆內(nèi)溫度開始升高，雖然濃度下降，但是提高了催化劑的活性，氧化反應(yīng)加快，故功率升高。

將10組數(shù)據(jù)(C,V,I,T)作為訓(xùn)練樣本，在Matlab中進(jìn)行訓(xùn)練，再將第11組數(shù)據(jù)的(V,I,T)作為輸入計(jì)算出Cmc，并與儀器測(cè)得的甲醇濃度Cm相比較，相對(duì)誤差分布見圖6。

圖6　　動(dòng)態(tài)負(fù)載下計(jì)算的甲醇濃度的相對(duì)誤差

動(dòng)態(tài)負(fù)載下相對(duì)誤差最小值為0.01％，最大為1.95％，平均誤差為1.06％。本次實(shí)驗(yàn)最小誤差為0.01％，最大誤差為1.96％，二者相差比較大，誤差較大處均為濃度波動(dòng)處(見圖6虛線處)，實(shí)際甲醇進(jìn)料濃度應(yīng)該是持續(xù)下降的，但是由于本實(shí)驗(yàn)使用的甲醇濃度傳感器中有氣泡產(chǎn)生，導(dǎo)致測(cè)量了測(cè)量誤差，若采用更準(zhǔn)確的甲醇濃度傳感器可得到更精確的結(jié)果。

4.3頻繁啟閉負(fù)載

由于便攜式DMFC常作為DVD、照相機(jī)和筆記本電腦、PAD等的電源，這些電子設(shè)備經(jīng)常啟閉，為了驗(yàn)證本算法能在頻繁啟閉的情況下測(cè)量甲醇濃度，實(shí)驗(yàn)在負(fù)載I=0與I=0.1、1.5 A之間變化。5組實(shí)驗(yàn)的趨勢(shì)見圖7。

當(dāng)負(fù)載由0 A變?yōu)?.5 A或1.5 A時(shí)，負(fù)載電壓會(huì)瞬間下降，此時(shí)溫度也會(huì)有所降低，因?yàn)楸疚乃鶞y(cè)溫度為陽(yáng)極出口出的溫度，負(fù)載電流突然增大，電子經(jīng)外部電路從陽(yáng)極到達(dá)陰極，故質(zhì)子穿透交換膜從陽(yáng)極到陰極，增大了甲醇滲透，陽(yáng)極甲醇濃度減少，陽(yáng)極的甲醇氧化放熱反應(yīng)瞬間減少，所以此時(shí)溫度突然降低，此現(xiàn)象與文獻(xiàn)[14]的結(jié)論一致：“當(dāng)電壓突然變化時(shí)甲醇滲透可達(dá)峰值”。

Cmc的相對(duì)誤差結(jié)果見圖8。

圖7　　頻繁啟閉模式下(U,I,C,T)的變化

圖8　　頻繁啟閉模式下計(jì)算甲醇濃度的相對(duì)誤差

從圖8可以看出在負(fù)載突然變化的時(shí)刻，測(cè)量相對(duì)誤差比其他時(shí)候要大，基本分布在[2.0％，4.0％]之間，持續(xù)時(shí)間在10 s左右。其余時(shí)刻的誤差分布在[0.01％，1.96％]。測(cè)量的平均誤差為1.14％。所以，本算法亦適用于頻繁啟閉的負(fù)載模式。

三種負(fù)載模式下，Cmc的相對(duì)誤差范圍為[0，1.96％]，這比文獻(xiàn)[1]中的實(shí)驗(yàn)結(jié)果精確度提高了很多，文獻(xiàn)[1]中計(jì)算的甲醇濃度偏差為[－0.3％，+0.3％]，即在濃度為3.5％時(shí)相對(duì)誤差為[－8.5％，+8.5％]，在濃度為5.5％時(shí)相對(duì)誤差為[－5.5％，5.5％]。

5 總結(jié)

本文提出了一種無甲醇濃度傳感器的間接甲醇濃度測(cè)量方法，此方法基于燃料電池表現(xiàn)出來的電化學(xué)特征和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，通過測(cè)量電池的電流、電壓、溫度和已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)計(jì)算出相應(yīng)的甲醇濃度。精度相比于之前的無甲醇濃度傳感器時(shí)甲醇濃度的間接測(cè)量有所提高，相對(duì)誤差范圍為[0，1.96％]。此方法經(jīng)實(shí)驗(yàn)證明可用于平穩(wěn)負(fù)載、動(dòng)態(tài)負(fù)載和頻繁啟閉負(fù)載，可以用于甲醇濃度的實(shí)時(shí)精確控制，對(duì)于微小型和便攜式的DMFC系統(tǒng)[15]尤其適用。

[1]FALC魨O D S,OLIVEIRA V B,RANGEL C M,et al.Review on micro-direct methanol fuel cells[J].Renewable and Sustainable Energy Reviews,2014,34:58-70.

[2]ZHAO T S,XU C.Fuel cells-direct alcohol fuel cells|direct methanol fuel cell:overview performance and operational conditions[J].Encyclopedia of Electrochemical Power Sources,2009: 381-389.

[3]YAN L,LIAO J,FENG L,et al.Developing and performance mea-surements for a novel miniaturized electrochemical methanol sensor[J].Journal of Electroanalytical Chemistry,2013,688:49-52.

[4]MAO Q,KREWER U.Sensing methanol concentration in direct methanol fuel cell with total harmonic distortion:theory and application[J].Electrochimica Acta,2012,68:60-68.

[5]GENG J,LI X,SUN G,et al.An alternating pulse electrochemical methanol concentration sensor for direct methanol fuel cells[J]. Sensors and Actuators B:Chemical,2010,147(2):612-617.

[6]ENDO S,KONDOH J,SATO K,et al.Methanol sensor using shearhorizontal surface acoustic wave device for direct methanol fuel cell[J].Japanese Journal of Applied Physics,2012,51(7S): 07GC19.

[7]CHIU Y J,LIEN H C.A strategy of estimating fuel concentration in a direct liquid-feed fuel cell system[J].Journal of Power Sources,2006,159(2):1162-1168.

[8]SHEN K S,WAN C C,WANG Y Y,et al.An algorithm for sensor-less fuel control of direct methanol fuel cells[J].Journal of Power Sources,2010,195(15):4785-4795.

[9]LIAN K Y,YANG C M.Sensor-less adaptive fuel concentration control for direct methanol fuel cells under varying load[J].Journal of Power Sources,2013,231:239-245.

[10]CHANG C L,CHEN C Y,SUNG C C,et al.Fuel sensor-less control of a liquid feed fuel cell under dynamic loading conditions for portable power sources(II)[J].Journal of Power Sources,2010, 195(5):1427-1434.

[11]ARISETTY S,JACOB C A,PRASAD A K,et al.Regulating methanol feed concentration in direct methanol fuel cells using feedback from voltage measurements[J].Journal of Power Sources,2009,187(2):415-421.

[12]苗青,曹廣益,朱新堅(jiān).直接甲醇燃料電池的數(shù)學(xué)建模與神經(jīng)網(wǎng)絡(luò)辨識(shí)建模[J].上海交通大學(xué)學(xué)報(bào),2005，39(S1)：92-94.

[13]JING G,DU W,GUO Y.Studies on prediction of separation percent in electrodialysis process via BP neural networks and improved BP algorithms[J].Desalination,2012,291:78-93.

[14]LIU J G,ZHAO T S,CHEN R,et al.The effect of methanol concentration on the performance of a passive DMFC[J].Electrochemistry Communications,2005,7(3):288-294.

[15]KAMARUDIN S K,ACHMAD F,DAUD W R W.Overview on the application of direct methanol fuel cell(DMFC)for portable electronic devices[J].International Journal of Hydrogen Energy, 2009,34(16):6902-6916.

Sensor-less estimation strategy of fuel concentration based on improved BP neural networks

ZHOU Cong,ZHU Xin-jian，SHAO Meng
(Institute of Fuel Cell,Shanghai Jiao Tong University,Shanghai 200240,China)

A sensor-less estimation strategy of methanol concentration in direct methanol fuel cell(DMFC),was proposed by measuring theI,V,T(which denotes current,voltage and temperature,respectively)to estimate the concentration of methanol based on the electrochemical characteristics of fuel cells with improved Back Propagation Neural Network(BPNN)algorithm.The relative errors were at the range of[0,1.96％].This strategy could be used to control the concentration of feed methanol at anode in micro and portable DMFC systems.

direct methanol fuel cell,methanol concentration,sensor-less estimation

TM 911

A

1002-087 X(2016)01-0089-05

2015-06-10

周聰(1991—)，女，湖北省人，碩士，主要研究方向?yàn)橹苯蛹状既剂想姵氐倪M(jìn)料濃度控制。