质子交换膜燃料电池具有比功率高、工作温度低、发电效率高、噪声低、零排放等优良特性，受到了世界各国的广泛关注。开展燃料电池发动机系统建模与控制研究是提高燃料电池发动机系统性能的重要途径，是当前燃料电池研究领域的一个重要方向。针对这个热点问题，在分析燃料电池发动机系统结构的基础上，研究了质子交换膜燃料电池发动机的神经网络模型，提出了温度控制系统的模糊控制算法及空气供给系统的预测控制算法，主要研究内容如下：首先介绍了质子交换膜燃料电池发动机系统建模与控制的研究概况，分析了质子交换膜燃料电池的工作原理、发动机的系统结构以及发动机系统控制的特点，然后对比了机理建模和辨识建模两种方法。为研究发动机系统各个参数与系统输出性能的关系，选择温度、氢气压力、电堆电流作为系统输入，电堆输出电压作为系统输出，利用神经网络对非线性关系的逼近能力，建立了基于BP神经网络的燃料电池发动机系统输入输出模型，为制定控制策略提供了依据。针对燃料电池温度控制大惯性、超调量大等问题，提出了结合电加热、风冷、水冷的温度控制方案，研究了基于模糊神经网络的温度控制算法。神经网络通过调整输入隶属度，增强了控制规则的鲁棒性，从而减少了温度波动，解决了燃料电池低温启动慢、性能差的问题，并且在高温情况下具有更加理想的控制效果。针对燃料电池发动机空气风量供给存在一定滞后等问题，提出基于神经网络模型的预测控制算法，实现燃料电池发动机空气供给的优化控制，提高空气供给的动态响应能力。仿真结果表明，本文给出的控制器设计方案可以获得良好的控制效果。