[發明專利]一種機車質子交換膜燃料電池系統的快速故障診斷方法

有效

• 申請號: 202011076131.X
• 申請日: 2020-10-10
• 公開（公告）號: CN112133941B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 張雪霞;郭雪慶;陳維榮
• 申請（專利權）人: 西南交通大學
• 主分類號: H01M8/04664
• 分類號: H01M8/04664;H01M8/04992;G07C5/08;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京中創陽光知識產權代理有限責任公司 11003
• 代理人: 尹振啟

本發明公開一種機車質子交換膜燃料電池系統的快速故障診斷方法，包括步驟：將機車運行過程中采集來的多傳感器數據輸入到一個全連接的反向傳播神經網絡，以抽取高維抽象特征并用向量表示；將向量表示的抽象特征重構成張量特征圖，以獲得抽象特征的集成化表示；將特征圖輸入到基于InceptionNet的卷積網絡來對特征圖進行分類，獲得故障類別，進而實現機車質子交換膜燃料電池系統的故障診斷。本發明能夠對機車質子交換膜燃料電池系統的狀態進行準確分類，確保機車質子交換膜燃料電池系統的穩定運行，減少由于故障帶來的功率損失、避免故障引發的對燃料電池系統的不可逆損傷、延長其健康運行時長。

技術領域

本發明屬于燃料電池技術技術領域，特別是涉及一種機車質子交換膜燃料電池系統的快速故障診斷方法。

背景技術

質子交換膜燃料電池作為一種新型的能源轉換裝置，能將氧氣和氫氣內的化學能轉化為電能為便攜式設備或是大型運載工具如混合動力機車等提供動力且其理論副產物只有水，又因為其還具有功率密度高、啟動速度快等優點，因此其在近年來成為一種備受關注的無污染高效新能源之一。

質子交換膜燃料電池系統是一個多物理場耦合的復雜環境，穩定性成為了制約其更廣泛商業應用的關鍵因素之一。對質子交換膜燃料電池系統準確的故障檢測將大大提高其穩定運行能力，而機車用質子交換膜燃料電池系統則更具復雜性且更易于發生故障。

通常針對質子交換膜燃料電池的故障診斷可以分為基于實驗的、基于模型的和基于數據的方法。在機車用質子交換膜燃料電池復雜系統環境下，基于數據的方法相較于其他方法具有更顯著的優勢。

基于數據的故障診斷方法常分為基于統計方法的、基于信號處理方法的和基于人工智能方法的。隨著近年來人工智能方法的顯著進展，使其成為故障診斷領域的一大熱門工具，而深度學習更是由于其優秀的模型表達能力成為人工智能領域內的研究熱點之一。但是現有的故障診斷方法無法對機車質子交換膜燃料電池系統的狀態進行準確分類，無法保證機車質子交換膜燃料電池系統的穩定運行，無法減少由于故障帶來的功率損失、避免故障引發的對燃料電池系統的不可逆損傷、延長其健康運行時長。

發明內容

為了解決上述問題，本發明提出了一種機車質子交換膜燃料電池系統的快速故障診斷方法，對機車質子交換膜燃料電池系統的狀態進行準確分類，確保機車質子交換膜燃料電池系統的穩定運行，減少由于故障帶來的功率損失、避免故障引發的對燃料電池系統的不可逆損傷、延長其健康運行時長。

為達到上述目的，本發明采用的技術方案是：一種機車質子交換膜燃料電池系統的快速故障診斷方法，包括步驟：

S100，將機車運行過程中采集來的多傳感器數據輸入到一個全連接的反向傳播神經網絡，以抽取高維抽象特征并用向量表示；

S200，將向量表示的抽象特征重構成張量特征圖，以獲得抽象特征的集成化表示；

S300，將特征圖輸入到基于InceptionNet的卷積網絡來對特征圖進行分類，獲得故障類別，進而實現機車質子交換膜燃料電池系統的故障診斷。

進一步的是，在所述步驟S100中，將機車運行過程中采集來的多傳感器數據輸入到一個全連接的反向傳播神經網絡，以抽取高維抽象特征并用向量表示，包括步驟：

S101，采集機車運行過程中質子交換膜燃料電池系統的多傳感器數據以及當前系統狀態類；

S102，將所獲得數據輸入一個全連接的反向傳播神經網絡，用以抽取高維抽象特征；所述全連接的反向傳播神經網包括輸入層、隱藏層、輸出層三層神經元結構，并以同層內神經元互不連接、相鄰層神經元之間全連接的形式連接；

S103，設置全連接的反向傳播神經網絡參數，根據設置輸入層結點數，以匹配采集到的多傳感器數據維度數；設置隱藏層結點數；設置輸出層結點數，以得到一個高維抽象特征的向量表示。