本发明属于质子交换膜燃料电池，具体涉及一种质子交换膜燃料电池。
背景技术：
1、质子交换膜燃料电池(pemfc)作为一个综合了反应物供给系统、水热管理系统和功率调节系统等的复杂系统，对其设计并执行合理的空气供给控制策略是保证pemfc整体效率和输出性能的必要条件。由于用于衡量pemfc空气供给量的过氧比(oer)及相关的阴极流道内氧分压和氮分压仍难以通过传感器直接测得，目前只能借助空气质量流量传感器的测量结果并进行计算，以作为一种替代方案，但外部复杂环境与噪声以及传感器自身的响应滞后均会影响结果精度。在一些现有技术中采用了基于高增益观测器、滑模观测器和基于kalman滤波器等的燃料电池状态估计策略，虽相对上述基于传感器测量的方式在精度上有所提高且降低了设备成本，但也存在模型与实际不够匹配，模型参数受车速、温度及外部噪声影响常发生偏移等缺点，在精确性和鲁棒性方面仍存在较大改进空间。
技术实现思路
1、有鉴于此，针对本领域中所存在的技术问题，本发明提供了一种车载质子交换膜燃料电池高鲁棒性状态估计方法，具体包括以下步骤：
2、步骤1、基于质子交换膜燃料电池pemfc空气供给系统中包括空压机、进气歧管、阴极流道、排气歧管的物理结构与性质以及电化学反应过程机理，建立pemfc系统集总参数模型；
3、步骤2、确定所述pemfc系统集总参数模型中涉及的结构特征参数、环境参数以及静态特征参数，确定主要系统参数来建立系统状态变量，并在此基础上构建相应的系统状态方程；
4、步骤3、选取主要系统参数以外可能影响系统状态变量的参数，通过执行基于方差的全局灵敏度分析筛选出关键参数；
5、步骤4、基于三阶容积规则建立标准容积kalman滤波器的状态预测方程和测量预测方程，用于对系统状态进行预测；在状态更新过程中引入新息矩阵，从而以多新息kalman滤波的方式实现预测值与传感器测量值的融合，使系统状态更新；
6、步骤5、利用步骤1得到的系统状态变量以及步骤3筛选出的关键参数建立增广状态的系统状态变量及相应系统状态方程，并基于标准kalman滤波对系统状态进行预测更新；
7、步骤6、针对多新息kalman滤波的结果计算归一化新息平方及其变化并与相应阈值比较来执行有效性检验，若超过阈值表明检验未通过，此时以增广状态系统的标准kalman滤波结果作为最终的系统状态估计结果；若不超过阈值则将经多新息kalman滤波和增广状态系统的标准kalman滤波结果加权融合来得到最终的系统状态估计结果。
8、进一步地，步骤2中具体基于信赖域的非线性最小二乘方法辨识得到空压机转速ωcp、歧管内进气压力psm、歧管内排气压力prm、阴极内氧分压阴极内氮分压mn2这几个主要系统参数，利用这些主要系统参数建立系统状态变量为
9、进一步地，步骤3中的全局灵敏度分析具体通过sobol主指数分析实现，其过程包括：首先在设定范围内利用拉丁超立方抽样法对参数选取2×104个采样点，再计算各参数的sobol指数si：
10、
11、式中，var(·)表示方差，e(·)表示期望，xi表示第i个输入变量；
12、通过对各参数对应的sobol指数计算结果排序，筛选出阴极流道入口流量系数ksm、阴极流道出口处流量系数krm以及电堆温度tfc这三个关键参数。
13、进一步地，步骤4中具体建立以下状态预测方程和测量预测方程：
14、
15、式中，为基于上一时刻的最优状态估计结果计算的k时刻系统状态预测值，f(·)为非线性系统转移方程，xi,k|k-1为容积点集，为基于系统状态预测值计算的测量预测值，h(·)为测量方程，xi,k|k为基于的新的容积点集；
16、利用计算的卡尔曼增益矩阵kk，l＝[kk，kk-1，…，kk-l+1]和引入的新息矩阵ek，l＝[ek，ek-1，...，ek-l+1]得到更新的系统状态：
17、
18、式中，λk,l＝diag[λk，λk-1，...，λk-l+1]为权重矩阵，l为新息矩阵尺度。
19、进一步地，步骤5中具体利用步骤1得到的系统状态变量以及步骤3筛选出的关键参数建立增广状态的系统状态变量为相应系统状态方程的具体形式如下：
20、
21、式中，上标a表示增广状态，wk为系统噪声，uk为系统控制变量，ucp,k为k时刻的空压机输入电压，在此设定为与uk等同。
22、进一步地，步骤6中具体通过以下公式计算归一化新息平方nisk，m：
23、
24、式中，m为移动窗口尺寸，pzz，k为k时刻的新息协方差；
25、在进行有效性检验时，首先将变化量δnisk,m与阈值δnis0比较，如果超过阈值表明发生模型失配，此时不论此后nisk，m如何变化，状态估计结果均使用增广状态系统的标准kalman滤波结果；如果δnisk,m始终低于δnis0，则将nisk，m与阈值χ0比较，若超过阈值表明多新息kalman滤波的结果失效，此时也以增广状态系统的标准kalman滤波结果作为最终状态估计结果；若nisk，m和δnisk,m均不超过相应阈值，则通过以下加权融合得到最终的状态估计结果：
26、
27、式中，α为增广状态系统的标准kalman滤波结果对应的权重，和分别为多新息kalman滤波和增广状态系统的标准kalman滤波结果。
28、上述本发明所提供的车载质子交换膜燃料电池高鲁棒性状态估计方法，依次通过建立燃料电池空气供给系统机理模型，分析系统响应对关键参数的敏感性实现参数筛选，构建基于多新息容积kalman滤波器和基于关键参数的增广状态kalman滤波器，以及基于有效性检验和模糊逻辑的融合估计，实现了对基于标准多新息容积kalman滤波器有效性的实时验证以及两种估计结果的动态融合，从而提供了适用于各种条件情况下对质子交换膜燃料电池系统内部的精确观测，相比其他现有技术，本发明能够有效提高模型失配情况下对不可测变量的估计性能，更有利于为燃料电池系统控制提供支持。
1.车载质子交换膜燃料电池高鲁棒性状态估计方法，其特征在于：具体包括以下步骤：
2.如权利要求1所述的方法，其特征在于：步骤2中具体基于信赖域的非线性最小二乘方法辨识得到空压机转速ωcp、歧管内进气压力psm、歧管内排气压力prm、阴极内氧分压阴极内氮分压这几个主要系统参数，利用这些主要系统参数建立系统状态变量为
3.如权利要求1所述的方法，其特征在于：步骤3中的全局灵敏度分析具体通过sobol主指数分析实现，其过程包括：首先在设定范围内利用拉丁超立方抽样法对参数选取2×104个采样点，再计算各参数的sobol指数si：
4.如权利要求1所述的方法，其特征在于：步骤4中具体建立以下状态预测方程和测量预测方程：
5.如权利要求2所述的方法，其特征在于：步骤5中具体利用步骤1得到的系统状态变量以及步骤3筛选出的关键参数建立增广状态的系统状态变量为相应系统状态方程的具体形式如下：
6.如权利要求1所述的方法，其特征在于：步骤6中具体通过以下公式计算归一化新息平方nisk,m：
