质子交换膜燃料电池已经成为当今燃料电池领域中研究最广泛、发展最快的一个分支。为了给设计、优化和应用质子交换膜燃料电池提供科学的依据,需要相应的测试系统对其运行的各种参数进行精确控制。本文结合电子科技大学承担的项目“质子交换膜燃料电池测试系统”,对系统中的露点加湿器温度控制和电堆温度控制展开研究。针对露点加湿器温度控制系统的高度非线性以及大范围负载扰动的特性,本文提出将神经网络与PID控制器相结合的控制方式,利用神经网络的的任意非线性表达能力,通过系统的训练整定PID控制器的参数,以达到最优的PID控制。文中分别设计了基于BP神经网络和基于径向基函数神经网络的PID控制系统,详细研究了这两种前向网络的结构和训练算法,并对它们的实验结果进行了比较研究。PEM燃料电池电堆温度控制系统是具有时变性、大滞后、不确定性和非线性的强耦合系统,难以建立精确的数学模型,因此本文采用对模型精度要求不高同时又具有高质量控制性能的模糊神经网络控制器对其进行控制。它是一种基于神经网络理论和模糊逻辑的复合智能控制,通过神经网络的学习能力来优化模糊逻辑的经验规则,从而实现对电堆温度的有效控制。本文在Matlab/Simulink平台建立了电堆温度控制系统的模型并进行了仿真,模糊神经网络控制器在较大幅度变化的系统参数下都得到了很好的仿真曲线,说明模糊神经网络控制系统具有很好鲁棒性和良好的控制品质,能够满足参数时变的PEM燃料电池电堆温度控制系统的要求。