车载燃料电池远程故障分类诊断方法、装置和存储介质制造方法及图纸

本发明专利技术公开一种车载燃料电池远程故障分类诊断方法、装置和存储介质，获取的燃料电池在汽车运行中各项数据存在样本分配严重不均，采用随机欠采样处理，避免对多数样本过拟合、对少数类样本欠拟合，为之后分类算法提供更有效、更具代表数据样本；采用XGBoost将多CART模型集成在一起，形成一个强分类器，与单一分类器相比，模型泛化能力更显著；XGBoost训练支持特征力度上并行，加快模型训练速度；在燃料电池故障分类过程中，针对应用数据严重不均衡性导致在训练时多数类数据容易过拟合问题，XGBoost算法使用多种策略如正则化、缩减、列抽样等防止过拟合，同时XGBoost算法对损失函数进行优化，使模型拟合精度更高。

【技术实现步骤摘要】
车载燃料电池远程故障分类诊断方法、装置和存储介质
本专利技术涉及汽车电池大数据
，尤其涉及的是一种基于XGBoost(eXtremeGradientBoosting，极度梯度提升)的车载燃料电池远程故障分类诊断方法、装置和存储介质。
技术介绍
现代汽车工业发展对于资源与环境的双重挑战加速了燃料电池的技术发展与商业应用。具有能量转化效率高、启动速度快、工作温度低以及环境友好等诸多优点的质子交换膜燃料电池（PEMFC）逐步成为未来电动汽车不可或缺的组成部分。但是制造工艺、车辆运行工况、汽车驾驶行为、使用过程中的操作环境、老化滥用等情形常常会造成燃料电池汽车单体电池过压、车载储能装置类型过压、温度差异、电池高温、可充电储能系统不匹配等故障。车载燃料电池故障问题不容小觑，电池故障轻则对电池造成不可逆转的损坏，严重时会对车辆运行控制策略产生影响，在极端情况下可能会引发灾难性的事故。现今，针对车载质子交换膜燃料电池（PEMFC）故障分类的方法相对比较少，利用汽车运行采集到的实时数据进行燃料电池故障分类更是处于探索阶段，并没有一套完美的故障分类本文档来自技高网...

【技术保护点】
1.一种车载燃料电池远程故障分类诊断方法，其特征在于，具体包括以下步骤：/n获取燃料电池汽车运行的数据；/n对所述燃料电池汽车运行的数据进行预处理，得到训练集输入向量和测试集输入向量；/n将所述训练集输入向量输入到XGboost分类器对分类模型进行训练，得到XGboost故障分类模型；/n把测试集输入向量输入到所述XGboost故障分类模型进行测试，得到测试集的分类结果，即电池故障报警等级。/n

【技术特征摘要】
1.一种车载燃料电池远程故障分类诊断方法，其特征在于，具体包括以下步骤：
获取燃料电池汽车运行的数据；
对所述燃料电池汽车运行的数据进行预处理，得到训练集输入向量和测试集输入向量；
将所述训练集输入向量输入到XGboost分类器对分类模型进行训练，得到XGboost故障分类模型；
把测试集输入向量输入到所述XGboost故障分类模型进行测试，得到测试集的分类结果，即电池故障报警等级。


2.根据权利要求1所述的车载燃料电池远程故障分类诊断方法，其特征在于，所述获取燃料电池汽车运行的数据，通过装在燃料电池汽车上的大量状态监测传感器对燃料电池汽车运行过程中的数据进行采集。


3.根据权利要求1所述的车载燃料电池远程故障分类诊断方法，其特征在于，所述对所述燃料电池汽车运行的数据进行预处理，得到训练集输入向量和测试集输入向量，具体包括以下步骤：
s21：对所述燃料电池汽车运行的数据进行清洗；
s22：对清洗后的所述燃料电池汽车运行的数据进行欠采样处理；
s23：对欠采样处理后的所述燃料电池汽车运行的数据进行归一化处理；
s24：将归一化处理后的所述燃料电池汽车运行的数据按照一定比例划分为训练集输入向量和测试集输入向量。


4.根据权利要求3所述的车载燃料电池远程故障分类诊断方法，其特征在于，所述s21中，具体包括以下过程：删除所述燃料电池汽车运行的数据中有效性达不到要求的数据；删除所述燃料电池汽车运行的数据中与燃料电池故障关系达不到要求的数据。


5....

【专利技术属性】
技术研发人员：周宁，周建新，邵乔，林壮川，刘洋，黄常杰，
申请(专利权)人：武汉理工大学，广东广顺新能源动力科技有限公司，
类型：发明
国别省市：湖北;42