一种用于燃料电池电堆的智能生产方法及系统技术方案

本发明专利技术提出一种用于燃料电池电堆的智能生产方法及系统，包括：根据整体性能需求数据

【技术实现步骤摘要】
一种用于燃料电池电堆的智能生产方法及系统


[0001]本专利技术涉及燃料电池
，具体涉及一种用于燃料电池电堆的智能生产方法及系统
。

技术介绍

[0002]现有的电堆生产方法包括：电堆需求定义
、
电堆整体参数设计
、
电堆各组成部件的参数设计及生产和测试等
、
堆叠和预装配
、
压缩
、
张紧
、
泄漏测试
、
定型装配
、
活化和测试
、
成品等
。
现有的电堆生产方法较为粗放，重点在于对组成部件的组装与电堆整体测试等方面，对于电堆各组成部件的设计与生产缺乏对于各组成部件间的性能匹配关系
、
工作影响关系等的综合性判断与预估，导致不能提供高性能的电堆
。

技术实现思路

[0003]本专利技术正是基于上述问题，提出了一种用于燃料电池电堆的智能生产方法及系统，通过本专利技术方案，不仅可以对电堆的生产进行智能高效地控制，而且充分评估各组成部件间的性能匹配关系
、
工作影响关系以更精细化地生产电堆的各组成部件，从而得到高质量的电堆
。
[0004]有鉴于此，本专利技术的一方面提出了一种用于燃料电池电堆的智能生产方法，包括：获取燃料电池系统的整体性能需求数据和电堆性能需求数据；根据所述整体性能需求数据
、
所述电堆性能需求数据确定所述燃料电池系统中的待生产电堆的各个第一组成部件的第一生产数据；获取样本燃料电池系统的各项性能数据
、
属性数据及历史工作数据；根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型；根据所述第一匹配关系模型和所述第一影响关系模型对所述第一生产数据进行修改，得到第二生产数据；根据所述第二生产数据分别生产出所述待生产电堆的各个所述第一组成部件；将各个所述第一组成部件组装成第一电堆，并进行测试
。
[0005]可选地，所述根据所述整体性能需求数据
、
所述电堆性能需求数据确定所述燃料电池系统中的待生产电堆的各个第一组成部件的第一生产数据的步骤，包括：根据所述整体性能需求数据确定所述待生产电堆的总体指标；根据所述电堆性能需求数据确定所述待生产电堆的关键指标；根据所述总体指标和所述关键指标确定所述待生产电堆的初步设计方案；根据所述初步设计方案，确定每个所述第一组成部件的第一设计数据
、
每个所述第一组成部件的第一数量；根据各个所述第一组成部件之间的匹配性
、
功能兼容性
、
工作环境适应性，以及工
艺水平
、
成本控制
、
后期维修，修改所述第一设计数据得到各个所述第一组成部件的所述第一生产数据
。
[0006]可选地，所述根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型的步骤，包括：从所述各项性能数据和所述属性数据中提取所述样本电堆的所述各样本组成部件的技术参数；根据所述技术参数和所述样本电堆的工作原理分析所述样本组成部件间的功能匹配关系，并结合预设的第一神经网络建立所述第一匹配关系模型
。
[0007]可选地，所述根据所述技术参数和所述样本电堆的工作原理分析所述样本组成部件间的功能匹配关系，并结合预设的第一神经网络建立所述第一匹配关系模型的步骤，还包括：根据所述样本电堆的工作原理分析各个所述样本组成部件的功能和作用，并结合所述技术参数确定各个所述样本组成部件间相互匹配的关键技术参数；针对所述关键技术参数，计算其匹配程度，形成匹配数据集；利用所述匹配数据集，训练经过预训练的第一神经网络，输入为部件的参数，输出为匹配程度值；调整所述第一神经网络的结构和参数，完成训练，得到匹配关系的神经网络模型；对所述样本电堆中的部分组合进行验证，评估所述神经网络模型输出的匹配程度与实际情况的偏差；若偏差过大，收集新的样本电堆数据重新训练网络，再次验证，直至所述神经网络模型输出精度达到第一预设要求，得到所述第一匹配关系模型
。
[0008]可选地，所述根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型的步骤，包括：根据所述各项性能数据
、
所述属性数据和所述历史工作数据，分析所述各样本组成部件的部件工作参数与电堆性能指标的关系，结合预设的第二神经网络建立第一影响关系；获取所述样本电堆的历史故障数据和历史检修数据，结合所述历史故障数据和所述历史检修数据分析所述各样本组成部件中不同部件的故障对所述样本燃料电池系统性能的影响数据；结合所述第一影响关系和所述影响数据建立部件间的第一影响关系模型
。
[0009]可选地，所述根据所述各项性能数据
、
所述属性数据和所述历史工作数据，分析所述各样本组成部件的部件工作参数与电堆性能指标的关系，结合预设的第二神经网络建立第一影响关系的步骤，包括：从所述各项性能数据
、
所述属性数据和所述历史工作数据中提取所述各样本组成部件的所述部件工作参数；确定不同工作条件下所述部件工作参数的变化与所述电堆性能指标的第一关联关系；
结合所述第一关联关系，使用回归分析方法，得到所述部件工作参数与电堆性能指标之间的第一关系模型；结合所述第一关系模型训练所述第二神经网络，学习所述部件工作参数和所述电堆性能参数之间的所述第一关联关系，并确定所述部件工作参数间的第二关联关系；调整所述第二神经网络，将输入数据设置为所述部件工作参数和所述电堆性能指标，将输出数据设置为所述各样本组成部件间的影响关系；获取验证数据集，并利用所述验证数据集检验所述第二神经网络的判断效果；若所述判断效果不符合第一预期值，则优化所述第二神经网络的网络结构和参数；若所述判断效果符合所述第一预期值，输出所述各样本组成部件间的所述第一影响关系
。
[0010]可选地，所述获取所述样本电堆的历史故障数据和历史检修数据，结合所述历史故障数据和所述历史检修数据分析所述各样本组成部件中不同部件的故障对所述样本燃料电池系统性能的影响数据的步骤，包括：根据所述历史故障数据和所述历史检修数据，分类统计所述各样本组成部件中的不同部件的故障次数
、
故障时间
、
故障类型
、
故障原因；从所述电堆性能指标中确定故障发生前第一预设时段内的第一电堆性能参数和故障发生后第二预设时段内的第二电堆性能参数；比对分析所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于燃料电池电堆的智能生产方法，其特征在于，包括：获取燃料电池系统的整体性能需求数据和电堆性能需求数据；根据所述整体性能需求数据
、
所述电堆性能需求数据确定所述燃料电池系统中的待生产电堆的各个第一组成部件的第一生产数据；获取样本燃料电池系统的各项性能数据
、
属性数据及历史工作数据；根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型；根据所述第一匹配关系模型和所述第一影响关系模型对所述第一生产数据进行修改，得到第二生产数据；根据所述第二生产数据分别生产出所述待生产电堆的各个所述第一组成部件；将各个所述第一组成部件组装成第一电堆，并进行测试
。2.
根据权利要求1所述的用于燃料电池电堆的智能生产方法，其特征在于，所述根据所述整体性能需求数据
、
所述电堆性能需求数据确定所述燃料电池系统中的待生产电堆的各个第一组成部件的第一生产数据的步骤，包括：根据所述整体性能需求数据确定所述待生产电堆的总体指标；根据所述电堆性能需求数据确定所述待生产电堆的关键指标；根据所述总体指标和所述关键指标确定所述待生产电堆的初步设计方案；根据所述初步设计方案，确定每个所述第一组成部件的第一设计数据
、
每个所述第一组成部件的第一数量；根据各个所述第一组成部件之间的匹配性
、
功能兼容性
、
工作环境适应性，以及工艺水平
、
成本控制
、
后期维修，修改所述第一设计数据得到各个所述第一组成部件的所述第一生产数据
。3.
根据权利要求2所述的用于燃料电池电堆的智能生产方法，其特征在于，所述根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型的步骤，包括：从所述各项性能数据和所述属性数据中提取所述样本电堆的所述各样本组成部件的技术参数；根据所述技术参数和所述样本电堆的工作原理分析所述样本组成部件间的功能匹配关系，并结合预设的第一神经网络建立所述第一匹配关系模型
。4.
根据权利要求3所述的用于燃料电池电堆的智能生产方法，其特征在于，所述根据所述技术参数和所述样本电堆的工作原理分析所述样本组成部件间的功能匹配关系，并结合预设的第一神经网络建立所述第一匹配关系模型的步骤，还包括：根据所述样本电堆的工作原理分析各个所述样本组成部件的功能和作用，并结合所述技术参数确定各个所述样本组成部件间相互匹配的关键技术参数；针对所述关键技术参数，计算其匹配程度，形成匹配数据集；利用所述匹配数据集，训练经过预训练的第一神经网络，输入为部件的参数，输出为匹配程度值；
调整所述第一神经网络的结构和参数，完成训练，得到匹配关系的神经网络模型；对所述样本电堆中的部分组合进行验证，评估所述神经网络模型输出的匹配程度与实际情况的偏差；若偏差过大，收集新的样本电堆数据重新训练网络，再次验证，直至所述神经网络模型输出精度达到第一预设要求，得到所述第一匹配关系模型
。5.
根据权利要求4所述的用于燃料电池电堆的智能生产方法，其特征在于，所述根据所述各项性能数据
、
所述属性数据及所述历史工作数据确定所述样本燃料电池系统中的样本电堆的各样本组成部件间的第一匹配关系模型和所述样本电堆工作时各样本组成部件间的第一影响关系模型的步骤，包括：根据所述各项性能数据
、
所述属性数据和所述历史工作数据，分析所述各样本组成部件的部件工作参数与电堆性能指标的关系，结合预设的第二神经网络建立第一影响关系；获取所述样本电堆的历史故障数据和历史检修数据，结合所述历史故障数据和所述历史检修数据分析所述各样本组成部件中不同部件的故障对所述样本燃料电池系统性能的影响数据；结合所述第一影响关系和所述影响数据建立部件间的第一影响关系模型
。6.
根据权利要求5所述的用于燃料电池电堆的智能生产方法，其特征在于，所述根据所述各项性能数据
、
所述属性数据和所述历史工作数据，分析所述各样本组成部件的部件工作参数与电堆性能指标的关系，结合预设的第二神经网络建立第一影响关系...

【专利技术属性】
技术研发人员：齐志刚，
申请(专利权)人：新研氢能源科技有限公司，
类型：发明
国别省市：