【技术实现步骤摘要】
本专利技术属于电池，涉及一种电池的寿命加速测试方法及系统。
技术介绍
1、近些年能源问题一直是环保与发展的重要问题，一方面由于化石能源储量有限而且不可再生，另一方面工业和生活能源的消耗日益增大。质子交换膜燃料电池作为目前最具前景和最受关注的新能源技术之一，具有无污染、能量转换率高、机械结构简单、运行稳定、噪音低等众多优点。
2、质子交换膜燃料电池采用串联式的结构设计，电堆中一个单电池的性能衰减就会引起整个电堆发电效率降低，系统出现电压退化，因而导致暂时性或永久性的电池退化。而燃料电池的直接测试会导致燃料电池电堆报废。燃料电池长时间的运行，特别是在复杂动态工况时，动态湿热变化引起的应力应变差异和气体饥饿，都会导致电池的性能衰减和电压下降。质子交换膜的材质故障是不可逆的，即不可通过调节参数使质子交换膜燃料电池系统恢复，会对质子交换膜燃料电池产生永久性损伤造成不可挽回的经济损失。因此，保证质子交换膜燃料电池系统处于健康状态对持续运行至关重要。在维持质子交换膜燃料电池系统安全可靠运行的同时，根据系统运行参数实时预测质子交换膜燃料电池剩余使用寿命可在电堆报废前停机维护系统，最大限度地减少维修时间并延长安全使用寿命。
3、现有的基于数据的方法需要大量的训练数据来学习质子交换膜燃料电池的老化趋势，无法通过有限的数据准确预测质子交换膜燃料电池的剩余使用寿命。此外，现有数据驱动算法的参数大多是根据经验设置的。有限数据下测试算法容易过拟合，并且人工调整参数耗时长，适应性差，导致预测算法预测精度低。燃料电池的运行数据具有非线性
技术实现思路
1、为解决
技术介绍
中所述的问题，本专利技术提供一种质子交换膜燃料电池寿命加速测试方法及系统。
2、本专利技术的方法包括以下步骤：
3、步骤一、数据的采集与处理：通过传感器采集质子交换膜燃料电池的电压-时间序列数据，并进行高斯滤波，过滤噪声和异常峰值，得到处理后的电压-时间序列数据；对处理后的电压-时间序列数据进行经验模态分解，将电压数据分解得到k个本征模态函数，其中k≥1，k为整数；将k个本征模态函数按比例划分为训练数据集和测试数据集，并将数据集进行归一化处理，平滑映射到[0,1]；
4、步骤二、构建双向长短期记忆人工神经网络：双向长短期记忆人工神经网络由输入层、隐藏层和输出层组成，根据本征模态函数的数量确定双向长短期记忆人工神经网络的输入的特征值个数，并将网络的矩阵和向量初始化为0；
5、步骤三、训练双向长短期记忆人工神经网络：选择t个时间步长作为预测区间，将每个时间步长之前的数据作为当前时刻的输入训练数据；选择均方根误差作为误差函数，当误差大于默认阈值时则采用自适应矩阵估计算法作优化器，根据相应的误差项计算每个权重的梯度，误差项沿时间反向传递，通过随机梯度下降法更新权重；然后进行梯度评价，梯度精度满足停止标准，则输出其相对应的值作为预测结果，若梯度精度不满足停止标准，则重新进行梯度更新；
6、步骤四、根据模型参数的范围，以初始学习率、迭代次数、隐藏层神经元个数产生初始样本点xi，将初始样本点xi输入麻雀优化算法中，对双向长短期记忆人工神经网络包括初始学习率、迭代次数、隐藏层神经元个数在内的网络参数进行自动寻优，输出得到最优的网络参数，得到训练优化后的双向长短期记忆人工神经网络；判断新选取的样本点是否满足模型精度要求，若满足则终止算法终止执行，输出最优双向长短期记忆人工神经网络；若不满足模型精度要求，判断自动寻优是否达到最大迭代次数，若满足输出最优双向长短期记忆人工神经网络，否则循环迭代麻雀优化算法，直至满足模型精度要求为止；
7、步骤五、将最优双向长短期记忆人工神经网络应用于质子交换膜燃料电池的寿命加速测试，将预测结果进行反归一化，输出层将预测的剩余寿命数据转换为剩余寿命-时间序列数据。
8、进一步地，所述步骤一中，高斯滤波公式为：
9、
10、
11、si＝k[(tj-ti)]/h，
12、式中，k(t)表示参数数据在t时刻的标准正态分布，f(tj)表示滤波后的数据，u(tj)表示参数数据，n表示参数数据的个数，h表示带宽。
13、更进一步地，所述步骤一中，电压数据分解的具体过程为：通过经验模态分解将电压数据平稳化处理，分解出来的k个本征模态函数分别包含了原信号的不同时间尺度的局部特征信号。
14、更进一步地，所述步骤二中，输入层的计算公式如下：
15、it＝σ(wi·[ht-1,xt]+bi)，
16、ot＝σ(wo·[ht-1,xt]+bo)，
17、ft＝σ(wf·[ht-1,xt]+bf)，
18、式中：it、wt、bt分别为输入层的计算结果、权重矩阵和偏置项；ot、wo、bo分别为输出层的计算结果、权重矩阵和偏置项；ft、wf、bf分别为遗忘门的计算结果、权重矩阵和偏置项；ht-1表示t-1时刻下一步隐藏层的值，xt表示输入信息，σ表示sigmoid激活函数；
19、t时刻输出层输出记忆信息的值为ct，t-1时刻输出层输出记忆信息的值为ct-1，t时刻隐藏层的值为ht，t-1时刻隐藏层的值为ht-1，公式如下：
20、
21、
22、ht＝ot·tanh(ct)，
23、式中：为t时刻记忆单元候选状态；tanh为双曲正切激活函数；wc为输入单元权重矩阵；xt表示输入信息；bc为输入单元状态偏执项；·为按元素相乘。
24、更进一步地，所述步骤三中，自适应矩阵估计算法的具体操作为：
25、(1)随机初始化神经网络中所有的参数；
26、(2)设置初始一阶矩、二阶矩、全局学习率以及衰减系数参数；
27、(3)通过损失函数计算获得当前梯度值；
28、(4)对时间步长进行计算；
29、(5)使用当前梯度值对累积梯度更新以进行一阶矩估计；
30、(6)使用当前梯度值对累积梯度平方更新以进行二阶矩估计；
31、(7)对一阶矩与二阶矩进行偏差修正；
32、(8)通过修正后的一阶矩与二阶矩对参数的更新量进行计算；
33、(9)对参数进行更新；
34、(10)重复上述(3)至(9)，当达到最大停止迭代次数时停止迭代，输出此时的参数值。
35、更进一步地，所述步骤三中，对网络参数进行自动寻优的具体操作为：
36、随机初始化麻雀种群位置，设置生产者比例和寻优维度，设置不同预警值时发现者的位置更新方式并计算适应度值，设置不同适应度值的跟随者位置更新方式，得到最终位置即为最优解，从而输出得到最优的网络参数，得到优化后的双向长短期记忆人工神经网络。
37、本专利技术还提本文档来自技高网...
【技术保护点】
1.一种质子交换膜燃料电池寿命加速测试方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤一中，高斯滤波公式为：
3.根据权利要求2所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤一中，电压数据分解的具体过程为：通过经验模态分解将电压数据平稳化处理，分解出来的K个本征模态函数分别包含了原信号的不同时间尺度的局部特征信号。经验模态分解方法适用于质子交换膜燃料电池监测数据少的应用场景，通过分解电压-时间增加双向长短期记忆
4.根据权利要求3所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤二中，输入层的计算公式如下：
5.根据权利要求1所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤三中，自适应矩阵估计算法的具体操作为：
6.根据权利要求5所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤三中，对网络参数进行自动寻优的具体操作为：
7.一种质子交换膜燃料电池的寿命加速测试
8.根据权利要求7所述的一种质子交换膜燃料电池的寿命加速测试系统，
9.一种质子交换膜燃料电池的寿命加速测试的计算机设备，其包括存储器、处理器和存储在存储器中可供处理器运行的程序指令，其中所述处理器执行所述程序指令以实现权利要求1至6中任一项所述方法中的步骤和权利要求7-8任一项所述系统。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法中的步骤和权利要求7-8任一项所述系统。
...【技术特征摘要】
1.一种质子交换膜燃料电池寿命加速测试方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤一中，高斯滤波公式为：
3.根据权利要求2所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤一中，电压数据分解的具体过程为：通过经验模态分解将电压数据平稳化处理，分解出来的k个本征模态函数分别包含了原信号的不同时间尺度的局部特征信号。经验模态分解方法适用于质子交换膜燃料电池监测数据少的应用场景，通过分解电压-时间增加双向长短期记忆
4.根据权利要求3所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤二中，输入层的计算公式如下：
5.根据权利要求1所述的一种质子交换膜燃料电池的寿命加速测试方法，其特征在于：所述步骤三中，自适应矩阵估计算法的具体操作为：<...
【专利技术属性】
技术研发人员：陈启宏，李昊龙，谢良，张立炎，肖朋，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
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。