【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。