Design and tuning of a real-time capable MPC for automotive fuel cell systems

Nguyen, Thuc Anh; Alrifaee, Bassam; Abel, Dirk

doi:10.18154/RWTH-2026-00978

Design and tuning of a real-time capable MPC for automotive fuel cell systems = Reglerentwurf und -tuning einer echtzeitfähigen MPR für automobile Brennstoffzellensysteme

Nguyen, Thuc Anh^RWTH*

2025 & 2026

Verantwortlichkeitsangabevorgelegt von Thuc Anh Nguyen

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor)^RWTH* ; Alrifaee, Bassam (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-01-27

Online
DOI: 10.18154/RWTH-2026-00978
URL: https://publications.rwth-aachen.de/record/1026581/files/1026581.pdf

Einrichtungen

Lehrstuhl und Institut für Regelungstechnik (416610)

Projekte

GRK 1856 - GRK 1856: Integrierte Energieversorgungsmodule für straßengebundene Elektromobilität (210731724) (210731724)

Inhaltliche Beschreibung (Schlagwörter)
automotive fuel cell systems (frei) ; fuel cell control (frei) ; fuel cell systems (frei) ; model predictive control (frei) ; multi-objective Bayesian optimization (frei) ; nonlinear model predictive control (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Polymerelektrolytmembran-Brennstoffzellen gelten als vielversprechende Technologie zur Realisierung einer kohlenstofffreien Mobilität, insbesondere im Automobilbereich. In Fahrzeugen mit dominantem Brennstoffzellenantrieb ist ein hochdynamischer Betrieb des Brennstoffzellensystems (BZS) erforderlich. Gleichzeitig sind eine hohe Effizienz sowie ein sicherer Betrieb zu gewährleisten. Dazu zählen die Vermeidung von Sauerstoffmangel, der Betrieb des Kompressors innerhalb der Schluck- und Pumpgrenze sowie das Aufrechterhalten einer angemessenen Membranfeuchte. Diese Betriebsgrenzen sind zudem relevant für die Lebensdauer des Systems. Die vorliegende Dissertation stellt ein modellprädiktives Regelungskonzept für ein BZS in einem hybriden Elektrofahrzeug mit dominantem Brennstoffzellenantrieb vor. Das Regelungskonzept ist als hierarchische Struktur ausgelegt und besteht aus einer überlagerten und unterlagerten Regelungsebene. Die überlagerte Ebene umfasst eine nichtlineare modellprädiktive Regelung (MPR) sowie einen Target-Selector. Die nichtlineare MPR (NMPR) optimiert die Leistungsaufteilung zwischen BZS und Hybridbatterie mit dem Ziel, die Effizienz des BZS zu maximieren und eine nachhaltige Batterieladung sicherzustellen. Auf Basis dieser Leistungsaufteilung bestimmt der Target-Selector statisch optimale Betriebspunkte für den Luftpfad und verhindert so eine Überaktuierung des BZS. Die überlagerte Regelungsebene berücksichtigt dabei ein dynamisches Batteriemodell sowie ein statisches BZS-Modell und arbeitet mit einer Abtastzeit von einer Sekunde, die der Dynamik der Leistungsanforderung entspricht. Die unterlagerte Regelungsebene besteht aus einer Tracking-MPR sowie einem Zustands- und Störgrößenschätzer. Die Tracking-MPR berechnet unter Berücksichtigung des transienten Verhaltens des BZS die optimalen Stellgrößen zur Aktuierung des Fahrzeugs, um den von der überlagerten Ebene vorgegebenen Referenzen unter Einhaltung der Betriebsgrenzen dynamisch zu folgen. Um das Systemverhalten abzubilden, wird die Tracking-MPR mit einer höheren Abtastrate ausgeführt, was die Echtzeitfähigkeit auf eingebetteten Steuergeräten zu einer Herausforderung macht. Ein Vergleich zwischen linearer und nichtlinearer MPR zeigt, dass eine nichtlineare Prädiktion unter hochdynamischen Betriebsbedingungen vorteilhaft ist. Vor diesem Hintergrund wird die NMPR gezielt entworfen und ihre Echtzeitfähigkeit durch eine Analyse zentraler Entwurfsparameter sowie eine Implementierung auf eingebetteter Hardware nachgewiesen. In der überlagerten Regelung werden ausgewählte Parameter mithilfe mehrzieliger Bayes’scher Optimierung getunt, um den Zielkonflikt zwischen Dynamik, Effizienz und Einhaltung der Betriebsgrenzen systematisch zu adressieren. Darüber hinaus wird das Regelungskonzept um eine explizite Berücksichtigung der Feuchtedynamik erweitert.

Polymer electrolyte membrane fuel cells are emerging as a promising technology for achieving carbon-free mobility, particularly in the automotive sector. In fuel cell-dominant vehicles, highly dynamic operation of the fuel cell system (FCS) is required, while simultaneously maintaining high efficiency and safe operation. This entails avoiding oxygen starvation, compressor surge and choke, as well as ensuring proper membrane hydration, all of which are also critical for system longevity. This thesis presents a model predictive control (MPC) framework designed, implemented, and evaluated for an automotive FCS in a fuel cell-dominant hybrid electric vehicle (FCHEV). The control structure is arranged as a hierarchical MPC scheme, composed of a high-level and a low-level control layer. The high-level control layer includes a power-split nonlinear MPC (NMPC) and a target selector. The former optimizes the power distribution between the FCS and the hybrid battery to maximize FCS efficiency and improve battery charge sustainability. Given this power distribution, the target selector ensures a statically optimal allocation of the compressor operating point, preventing overactuation of the FCS. The high-level control layer, which considers a dynamic model of the battery and a static model of the FCS, operates on a one-second sampling time in line with the power demand dynamics. The low-level control layer comprises a tracking MPC and a state and disturbance estimator. Considering the transient behavior of the FCS, the tracking MPC computes the optimal inputs for FCHEV actuation, with the objective to dynamically track the references provided by the high-level control layer while respecting the system’s operational bounds. The extended Kalman filter estimates internal states of the fuel cell stack and provides a static model error for zero steady-state offset tracking. To capture the transient system behavior, the tracking MPC operates at a faster rate, which poses challenges for real-time feasibility on embedded hardware. In this context, a comparison between linear time-varying MPC and NMPC shows that nonlinear prediction is advantageous under highly dynamic operation, particularly when rapid power changes interact with safety-critical constraints. This motivates a careful design of the NMPC, including the selection of sampling time, numerical integration scheme, and prediction horizon to ensure real-time feasibility. The real-time feasibility of the resulting controller is demonstrated on embedded hardware. The overall MPC framework, including the real-time capable tracking MPC, is tuned using multi-objective Bayesian optimization to balance dynamic capability, system efficiency, and constraint satisfaction. A further contribution of this work is the incorporation of humidity into the tracking MPC, which is essential for accurately capturing the dynamic behavior of the FCS and enabling proper water management.

OpenAccess:
PDF
(additional files)