一种车用燃料电池动力系统水管理故障诊断方法技术方案

本发明专利技术提供一种车用燃料电池动力系统水管理故障诊断方法，属于燃料电池汽车技术领域，先在系统历史运行数据中筛选正常运行状态的数据样本集，挑选运行参数形成训练数据集；先后对训练数据集进行离群值处理、噪声处理和数据标准化，分别挑选参数作为FNN电压模型以及RNN阳极压降模型的输入和期望输出进行训练；基于二者构成数据驱动模型输出与系统运行过程实际输出的残差，构建水管理故障分类器，进而完成水管理故障诊断。本发明专利技术利用系统历史运行数据训练动力系统面向水管理故障诊断的数据驱动模型，极大降低建模难度，提高模型准确性和通用性，并基于经验知识构建水管理故障分类逻辑，实现对正常运行、水淹故障、干燥故障的快速诊断。的快速诊断。的快速诊断。

【技术实现步骤摘要】
一种车用燃料电池动力系统水管理故障诊断方法


[0001]本专利技术属于燃料电池汽车
，具体涉及一种车用燃料电池动力系统水管理故障诊断方法。

技术介绍

[0002]质子交换膜燃料电池(PEMFC)是一种将化学能转化为电能的电化学能量转换装置，具有环境友好、能量密度高、低温快速启动、氢气加注时间短等优点，用作中大型车辆动力系统电源具有广泛应用前景。现阶段，质子交换膜燃料电池的稳定性和耐久性是车用燃料电池动力系统广泛推广应用的主要瓶颈。水管理故障是系统运行过程中最常见的故障类型，短期内会影响系统输出功率稳定性，长时间会导致电池发生不可逆损伤。
[0003]由于质子交换膜多机制复合的水传输特性和电池内部水动态相变过程的复杂性，水管理故障诊断问题一直是燃料电池研究领域的重难点，准确可靠的水管理故障诊断结果为制定故障消除策略提供指导。因此寻求一种准确性高、无附加设备的水管理故障诊断方法对提高系统可靠性和耐久性具有重要意义。
[0004]现有的主流燃料电池水管理故障诊断技术基于机理模型实现，该方法系统框图如图1所示，其主要问题在于机理模型建模困难，通用性不强，计算量大，且模型中的部分参数如氢氧分压等在现有系统中难以实时测量。

技术实现思路

[0005]针对上述问题，本专利技术提出一种车用燃料电池动力系统水管理故障诊断方法，利用系统历史运行数据以及人工神经网络强大的非线性映射功能，以数据驱动模型替代机理模型实现水管理故障诊断，具有建模简单、通用性强、计算量小适用于嵌入式系统实时处理、无附加设备等显著优点。
[0006]本专利技术具体技术方案如下：
[0007]一种车用燃料电池动力系统水管理故障诊断方法，其特征在于，包括以下步骤：
[0008]步骤1：在系统历史运行数据中筛选处于正常运行状态的数据样本集；
[0009]步骤2：挑选数据样本集中的运行参数，形成训练数据集；其中，所述运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、阳极出口压力、氢循环流量、空气流量和节电压；
[0010]步骤3：采用基于滑动窗口的绝对中位值偏差法，对训练数据集进行离群值处理；
[0011]步骤4：采用移动平均值平滑滤波法，对经步骤3处理后的训练数据集进行噪声处理；
[0012]步骤5：采用最小
‑
最大标准化方法，对经步骤4处理后的训练数据集进行数据标准化；
[0013]步骤6：挑选经步骤5处理后的训练数据集中的第一部分运行参数组成电压模型输入数据集；其中，所述第一部分运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极
入口压力、氢循环流量和空气流量；
[0014]步骤7：挑选经步骤5处理后的训练数据集中的节电压作为电压模型输出数据集；
[0015]步骤8：挑选经步骤5处理后的训练数据集中的第二部分参数组成阳极压力降模型输入数据集；其中，所述第二部分运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、氢循环流量；
[0016]步骤9：挑选经步骤5处理后的训练数据集中的阳极入口压力和阳极出口压力的差值作为阳极压力降模型输出数据集；
[0017]步骤10：以步骤6所述电压模型输入数据集为输入，步骤7所述电压模型输出数据集为期望输出，基于最小梯度下降法对浅层全连接前馈神经网络(FNN)进行训练，得到FNN电压模型；其中，采用的训练损失函数为FNN输出与期望输出的欧氏距离均值；
[0018]步骤11：以步骤8所述阳极压力降模型输入数据集为输入，步骤9所述阳极压力降模型输出数据集为期望输出，基于最小梯度下降法对浅层全连接循环神经网络(RNN)进行训练，得到RNN阳极压降模型；其中，采用的训练损失函数为RNN输出与期望输出的欧氏距离均值；
[0019]步骤12：所述FNN电压模型和RNN阳极压降模型并行构成数据驱动模型，基于数据驱动模型的输出与系统运行过程的实际输出的残差，构建水管理故障分类器；其中，数据驱动模型的输出包括期望输出电压期望节电压标准差和期望阳极压力降系统运行过程的实际输出包括实际输出电压U、实际节电压标准差U
STD
和实际阳极压力降ΔP
AN
；
[0020]基于水管理故障分类器完成水管理故障诊断，具体步骤如下：
[0021]步骤12.1：分别预设和与对应U、U
STD
和ΔP
AN
的残差的正常值上限l
i
；其中，i＝{U,U
STD
,ΔP
AN
}；
[0022]步骤12.2：分别计算和与当前时刻下对应U、U
STD
和ΔP
AN
的残差其中，
[0023]步骤12.3：判断ε
U
＞l
U
且是否为真，若为真，则转至步骤12.4；若为假，则输出诊断结果为正常；
[0024]步骤12.4：判断是否为真，若为真，则输出诊断结果为水淹；若为假，则输出诊断结果为干燥。
[0025]进一步地，步骤1中筛选的具体标准为：设定时间窗口T、正常状态节电压下限u
n，min
以及正常状态节电压标准差上限σ
n，max
；对任意时间窗口T内的系统历史运行数据样本，若满足节电压最小值u
min
＞u
n，min
且节电压标准差最大值σ
max
＜σ
n,max
，则判定该时间窗口T内的系统历史运行数据样本为正常运行状态的数据样本；N个不同时间窗口T对应的正常运行状态的数据样本构成数据样本集。
[0026]进一步地，u
n，min
和σ
n，max
与采用的燃料电池电堆结构和膜电极材料等因素有关。
[0027]进一步地，步骤3中离群值处理的具体过程为：
[0028]步骤3.1：基于阳极出口端杂质气体的排出周期确定滑动窗口宽度w
o
，令p＝1；
[0029]步骤3.2：对训练数据集中第p个训练样本的各运行参数i
p
,i＝1,2,...,8，遍历得
到p～p+w
o
滑动窗口内运行参数i
j
,j＝p,p+1,...,p+w0的中位数i
p,median
；其中，1,2,...,8分别代表电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、阳极出口压力、氢循环流量、空气流量和节电压；
[0030]步骤3.3：计算p～p+w
o
滑动窗口内各运行参数i
j
与对应i
p,median
的偏差绝对值Δi
j
：
[0031]Δi
j
＝|i
j
‑
i
p,median
|,j＝p,p+1,...,p+w0[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车用燃料电池动力系统水管理故障诊断方法，其特征在于，包括以下步骤：步骤1：在系统历史运行数据中筛选处于正常运行状态的数据样本集；步骤2：挑选数据样本集中的运行参数，形成训练数据集；其中，所述运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、阳极出口压力、氢循环流量、空气流量和节电压；步骤3：采用基于滑动窗口的绝对中位值偏差法，对训练数据集进行离群值处理；步骤4：采用移动平均值平滑滤波法，对经步骤3处理后的训练数据集进行噪声处理；步骤5：采用最小
‑
最大标准化方法，对经步骤4处理后的训练数据集进行数据标准化；步骤6：挑选经步骤5处理后的训练数据集中的第一部分运行参数组成电压模型输入数据集；其中，所述第一部分运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、氢循环流量和空气流量；步骤7：挑选经步骤5处理后的训练数据集中的节电压作为电压模型输出数据集；步骤8：挑选经步骤5处理后的训练数据集中的第二部分参数组成阳极压力降模型输入数据集；其中，所述第二部分运行参数包括电流、冷却水进堆温度、冷却水出堆温度、阳极入口压力、氢循环流量；步骤9：挑选经步骤5处理后的训练数据集中的阳极入口压力和阳极出口压力的差值作为阳极压力降模型输出数据集；步骤10：以电压模型输入数据集为输入，电压模型输出数据集为期望输出，基于最小梯度下降法对FNN进行训练，得到FNN电压模型；其中，采用的训练损失函数为FNN输出与期望输出的欧氏距离均值；步骤11：以阳极压力降模型输入数据集为输入，阳极压力降模型输出数据集为期望输出，基于最小梯度下降法对RNN进行训练，得到RNN阳极压降模型；其中，采用的训练损失函数为RNN输出与期望输出的欧氏距离均值；步骤12：所述FNN电压模型和RNN阳极压降模型并行构成数据驱动模型，基于数据驱动模型的输出与系统运行过程的实际输出的残差，构建水管理故障分类器；其中，数据驱动模型的输出包括期望输出电压期望节电压标准差和期望阳极压力降系统运行过程的实际输出包括实际输出电压U、实际节电压标准差U
STD
和实际阳极压力降ΔP
AN
；基于水管理故障分类器完成水管理故障诊断，具体步骤如下：步骤12.1：分别预设和与对应U、U
STD
和ΔP
AN
的残差的正常值上限；其中，i＝{U,U
STD
,ΔP
AN
}；步骤12.2：分别计算和与当前时刻下对应U、U
STD
和ΔP
AN
的残差其中，步骤12.3：判断ε
U
＞l
U
且是否为真，若为真，则转至步骤12.4；若为假，则输出诊断结果为正常；步骤12.4：判断是否为真，若为真，则输出诊断结果为水淹；若为假，则输出诊断结果为干燥。
2.根据权利要求1所述车用燃料电池动力系统水管理故障诊断方法，其特征在于，步骤1中筛选的具体标准为：设定时间窗口T、正常状态节电压下限u
n，min
以及正常状态节电压标准差上限σ
n，max
；对任意时间窗口T...

【专利技术属性】
技术研发人员：汤浩，邓函知，刘妹汝，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：