基于自适应神经模糊推理燃料电池船舶能量管理策略的方法

1.一种基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于：所述方法是针对燃料电池船舶面向高波动负载的功率适配性，以及全航程下的燃油经济性要求，根据具体的功率变化幅度和范围，将船舶工况分为：定速巡航模式和增程模式。其中所述定速巡航模式判定为在船舶负载工况变化稳定的情况下，以燃料电池作为主动力的航行工况。所述增程模式判定为在船舶启动或者靠港等运行状况下，在船舶所需负载工况变化波动大且不稳定的情况下，燃料电池以增程模式运行的工况；

3.根据权利要求1所述的基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于：所述质子交换膜燃料电池与蓄电池的混合动力系统采用自适应神经模糊推理燃料电池船舶能量管理策略实现等效氢消耗最小的功率分配，所述步骤s1包括以下步骤：

4.根据权利要求1所述的基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于：所述质子交换膜燃料电池、蓄电池以及超级电容的混合动力系统采用自适应神经模糊推理燃料电池船舶能量管理策略实现等效氢消耗最小的功率分配，所述步骤s1包括以下步骤：

5.根据权利要求1所述的基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于：ecms的计算过程由pmp策略推演而来，通过哈密尔顿函数极值问题将一个全局优化问题转化成每一步的瞬时优化问题，针对以质子交换膜燃料电池、蓄电池、超级电容以及推进系统构成的多储能单元燃料电池船舶，超级电容通过小波变换吸收高频负载功率，完成多等效因子的参数控制计算，给出ecms的目标函数为

6.根据权利要求1所述的基于自适应神经模糊推理燃料电池船舶能量管理策略的方法，其特征在于：anfis是一种多层模型，能够将模糊定性方法与人工神经网络自适应能力相结合，以促进适应和学习，一般由几个模糊规则组成。搭建自适应神经模糊推理系统(anfis)，通用架构由五个具有神经结构的层组成，其不同层的描述如下所示