基于质子交换膜燃料电池（PEMFC）的无人机在动态飞行中面临的挑战：迈向智能管理与可持续推进技术

《eTransportation》：Dynamic flight challenges in PEMFC-powered UAVs: Towards intelligent management and sustainable propulsion

质子交换膜燃料电池（PEMFC）无人机在动态飞行中需通过自适应空气配比（ASR）优化解决热-质-电耦合难题，本研究构建六自由度飞行动力学与PEMFC多物理场耦合模型，实验验证表明ASR动态调节可使电压提升0.17V，氢耗降低2.05mg/100m，温度下降18.32%，并揭示ASR随负载（25-40kg）和加速度（-0.6-0.6m/s2）的非线性响应规律。

　　在当前无人机技术迅猛发展的背景下，空气冷却质子交换膜燃料电池（PEMFC）因其低噪音、零排放以及高功率密度等优势，正逐渐成为无人机动力系统的重要选择。然而，在动态飞行条件下，PEMFC系统的性能表现却面临诸多挑战。这些挑战主要源于飞行过程中不断变化的负载和加速度，导致空气流动、热管理和水分传输之间产生复杂的耦合效应。为了解决这些问题，本文提出了一种自适应空气当量比（ASR）策略，以实现对无人机动力系统中PEMFC性能的智能管理。

ASR作为燃料电池运行的关键参数之一，直接影响氧气的输送效率、膜的水分保持以及系统的热平衡。在静态条件下，已有研究表明ASR的优化可以有效提升燃料电池的输出电压和效率。然而，在实际的无人机飞行过程中，由于飞行状态的动态变化，ASR的调节机制尚未得到充分研究。本文通过构建一个耦合框架，将无人机飞行动力学、空气冷却PEMFC模型以及质量-热传递的多物理场特性结合起来，深入分析了在不同负载和加速度条件下ASR对燃料电池性能的影响。该框架不仅能够准确预测飞行过程中的功率需求，还能够评估动态负载对燃料电池运行状态的影响。

实验部分采用了全尺寸无人机飞行测试，模拟了从25 kg到40 kg的负载变化以及从-0.6 m/s2到0.6 m/s2的加速度范围。实验结果表明，随着负载和加速度的变化，ASR的最优值也会相应调整。例如，在40 kg负载下，当加速度从-0.6 m/s2增加到0.6 m/s2时，ASR从52上升至81，这说明在高负载和高加速度情况下，需要更大的空气流量来维持燃料电池的稳定运行。同时，实验数据还显示，ASR的调节对燃料电池的电压稳定性、氢气消耗量和耐久性具有显著影响。通过自适应调整ASR，燃料电池的输出电压提高了0.170 V，氢气消耗量减少了2.05 mg每100米飞行距离，温度降低了18.32%，并且电压和温度的均匀性得到了改善。

值得注意的是，ASR对燃料电池性能的影响并非线性关系。实验结果显示，当负载从25 kg增加到28 kg时，ASR对性能的提升效果非常明显；然而，在28 kg至31 kg的范围内，ASR的变化对性能的影响相对较小，表明系统在此区间内已达到某种平衡状态；而在负载进一步增加至40 kg时，ASR再次显著上升，表明系统需要更多的空气流量来应对更高的负荷。这一非线性特征为燃料电池的优化控制提供了新的视角，也提示了在不同飞行条件下需要采用差异化的ASR调节策略。

此外，本文提出的自适应ASR策略不仅适用于无人机动力系统，还具有更广泛的应用前景。随着低空经济的快速发展，城市空中交通、物流无人机、混合动力飞机等新兴领域对高效、清洁的能源系统提出了更高的要求。空气冷却PEMFC因其在重量控制、振动抗性和适应性方面的优势，被认为是这些应用场景中的理想选择。然而，由于这些系统在实际运行中常常面临复杂的动态环境，如何实现高效的空气管理成为提升系统性能的关键。

为了更全面地理解ASR在动态条件下的调节机制，本文采用多物理场建模方法，将无人机飞行动力学与PEMFC的电化学特性结合起来。这种耦合建模方法不仅能够模拟飞行过程中空气流量、温度和水分分布的变化，还能够评估这些变化对燃料电池整体性能的影响。通过对不同负载和加速度条件下的系统行为进行仿真，研究团队发现，在低负载和低加速度情况下，氧气浓度是影响燃料电池性能的主要因素；而在高负载和高加速度情况下，空气当量比的调节则变得更加关键。这一发现为燃料电池在实际飞行中的优化控制提供了理论依据。

在实验验证方面，本文通过全尺寸无人机的飞行测试，验证了所提出的自适应ASR策略的有效性。实验过程中，研究人员模拟了多种飞行条件，包括加速、减速和负载变化，以评估ASR调节对系统性能的具体影响。测试结果表明，自适应ASR策略能够显著提升燃料电池的电压稳定性，降低氢气消耗，并提高无人机的续航能力和整体效率。同时，实验误差控制在1.1%以内，表明模型的预测能力具有较高的准确性。

本文的研究不仅拓展了PEMFC在无人机动力系统中的应用范围，还为未来的智能能源管理提供了新的思路。通过将多物理场建模与实际飞行测试相结合，研究团队能够更真实地反映飞行过程中空气冷却PEMFC的运行状态，从而为优化控制策略的制定提供科学依据。此外，本文提出的ASR调节方法还可以推广到其他需要动态空气管理的燃料电池应用场景，如混合动力汽车、电动船舶等，为实现更高效、更智能的能源系统提供支持。

在实际应用中，空气冷却PEMFC系统的设计和运行需要综合考虑多个因素，包括空气质量、温度分布、水分管理以及系统整体的热力学平衡。本文的研究成果表明，通过动态调整ASR，可以有效应对飞行过程中不断变化的负载和加速度，从而提高燃料电池的运行效率和稳定性。这不仅有助于延长无人机的续航时间，还能减少氢气的消耗，降低运行成本，提高系统的经济性和环保性。

进一步地，本文的研究还揭示了在不同飞行条件下，ASR调节的非线性特征。这种非线性关系意味着，在设计控制策略时，需要采用更加精细的方法来应对不同工况下的需求。例如，在低负载和低加速度情况下，ASR的调节可能需要更注重氧气浓度的控制；而在高负载和高加速度情况下，则需要更关注空气流量的动态调整。这种差异化的控制策略不仅能够提高燃料电池的性能，还能增强系统的适应性和可靠性。

综上所述，本文的研究为无人机动力系统中空气冷却PEMFC的智能管理提供了新的解决方案。通过构建多物理场耦合模型，结合实际飞行测试，研究团队验证了自适应ASR策略的有效性，并展示了其在提升燃料电池性能方面的潜力。未来的研究可以进一步探索ASR调节与其他控制参数之间的协同关系，以及如何在不同飞行环境下实现更高效的空气管理。此外，随着无人机技术的不断发展，如何将这些研究成果应用到更复杂的飞行任务中，也是值得深入研究的方向。