System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及燃料电池,具体涉及氢燃料电池车的氢气外漏故障诊断与预测方法及装置。
技术介绍
1、氢燃料电池车作为一种新型的清洁能源汽车,其优点在于零排放、高效节能。然而,随着氢燃料电池技术的逐步普及和应用,其故障问题也逐渐凸显出来,氢气是一种易燃易爆的气体,如果发生泄露,遇到明火或火花,就有可能产生爆炸,对于氢燃料电池车来说,预防氢气泄露是非常重要的,需要定期检查和维修氢气储存系统、管道和燃料电池,尤其是氢气泄漏的原因分析。
2、传统的氢气泄漏预测方法主要是基于人工诊断和经验总结,检测过程繁琐复杂,容易出现漏检和误诊等情况,还会增加企业的运营成本和生产风险,无法满足现代化高效率的生产需求。
技术实现思路
1、有鉴于此,本专利技术提供了一种氢燃料电池车的氢气外漏故障诊断与预测方法及装置,以解决传统的氢气泄漏预测方法主要是基于人工诊断和经验总结,检测过程繁琐复杂,容易出现漏检和误诊等的问题。
2、第一方面,本专利技术提供了一种氢燃料电池车的氢气外漏故障诊断与预测方法,该方法包括:获取目标车辆的第一单一因素集合对应的第一因素值和第二单一因素集合对应的第二因素值;第一因素值用以表征目标车辆第一位置的泄露情况相关联的指标项;第二因素值用以表征目标车辆第二位置的泄露情况相关联的指标项;基于预设的对应关系将第一因素值输入第一模型中,得到第一目标数据;基于预设的对应关系将第二因素值输入第二模型中,得到第二目标数据,第一模型用于分析目标车辆第一位置的泄露情况,第二模型用于分析
3、本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法,首先通过获取第一单一因素集合和第二单一因素集合的数据,可以更全面地了解目标车辆在不同位置的泄露情况。这有助于更准确地评估车辆的整体性能和安全性。第一因素值和第二因素值分别与目标车辆的第一位置和第二位置的泄露情况相关联,使用它们来针对性地分析不同位置的泄露原因,第一单一因素集合和第二单一因素集合的数据针对目标车辆特定位置的泄露情况采集的,因此更可靠,能更准确地反映实际情况。获取目标车辆的第一单一因素集合对应的第一因素值和第二单一因素集合对应的第二因素值,并使用它们来表征目标车辆不同位置的泄露情况相关联的指标项,可以提高评估车辆性能和安全性的准确性、针对性、可靠性和预测性。其次,通过预设的对应关系,可以将第一因素值和第二因素值输入到模型中进行处理。这种模型化处理方式可以提高数据处理效率和准确性,同时也可以为后续的数据分析和预测提供更可靠的基础。然后,通过计算目标氢气外漏率,可以建立一种标准化的评估方法。这种方法可以用于评估不同车辆或同一车辆在不同时间段的泄露情况,从而为决策者提供更准确、更可靠的参考。最后,通过将目标氢气外漏率与预设的预警阈值进行比较,可以准确地判断泄露情况是否达到预警级别。同时,结合历史预警次数,可以更全面地了解车辆的泄露情况,避免漏报或误报。本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法避免了传统的氢气泄漏预测方法主要是基于人工诊断和经验总结,检测过程繁琐复杂,容易出现漏检和误诊等情况,还会增加企业的运营成本和生产风险,无法满足现代化高效率的生产需求的问题。
4、在一种可选的实施方式中,第一模型和第二模型的构建过程包括:获取历史氢气泄漏故障数据集,基于历史氢气泄漏故障数据集,确定至少一单一因素,计算至少一单一因素的支持度;基于预设的最小支持度阈值和至少一单一因素的支持度,生成原始关联规则集合;基于原始关联规则集合和预设的置信度阈值,得到目标关联规则集合;对目标关联规则集合进行分析,得到目标氢气外漏超标故障和至少一单一因素之间的相关度;基于目标氢气外漏率和至少一单一因素之间的相关度,分别构建第一模型和第二模型。
5、本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法,通过apriori算法及繁项集挖掘,可以发现氢外漏故障与其他特征之间的关联关系。这有助于了解故障的影响因素和可能的原因,为故障诊断和预防提供指导。通过分析关联规则,可以建立外漏率超标故障型,从而能更准确地预测和识别氢外漏故障。这有助于提前采取措施,避免故障发生减少故障对系统的影响。
6、在一种可选的实施方式中,目标氢气外漏超标故障包括反应器进出口泄漏故障和管路串气故障,基于目标氢气外漏率和至少一单一因素之间的相关度,分别构建第一模型和第二模型,包括:基于目标氢气外漏率和至少一单一因素之间的相关度,分别确定反应器进出口泄漏故障对应的第一单一因素集合和管路串气故障对应的第二单一因素集合;基于第一单一因素集合构建第一模型;基于第二单一因素集合构建第二模型。
7、本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法,通过基于第一单一因素集合和第二单一因素集合构建第一模型和第二模型,可以将实际数据转化为模型化数据,进行更深入的分析和处理。这种模型化处理方式可以提高数据分析的准确性和效率,为后续的故障预测和预防提供更可靠的基础。
8、在一种可选的实施方式中,基于预设的对应关系将第一因素值输入第一模型中,得到第一目标数据,包括:获取目标车辆的氢气入气口电磁阀数据、氢气尾排电磁阀数据、氧气入气口电磁阀数据、氧气尾排电磁阀数据,并输入第一模型;基于氢气入气口电磁阀数据、氢气尾排电磁阀数据、氧气入气口电磁阀数据、氧气尾排电磁阀数据,确定氢气进出口电磁阀和氧气进出口电磁阀是否连续失效;若氢气进出口电磁阀和氧气进出口电磁阀均连续失效,记录氢气进出口电磁阀失效数据和氧气进出口电磁阀失效数据;基于氢气进出口电磁阀失效数据和氧气进出口电磁阀失效数据,得到氢气进出口电磁阀失效值和氧气进出口电磁阀失效值;基于氢气进出口电磁阀失效值和氧气进出口电磁阀失效值,得到第一目标数据。
9、本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法,通过获取并分析目标车辆的氢气入气口电磁阀数据、氢气尾排电磁阀数据、氧气入气口电磁阀数据、氧气尾排电磁阀数据,可以更全面地了解车辆的氢气和氧气系统的工作情况。这种完整性对于全面评估车辆的性能和安全性非常重要。
10、在一种可选的实施方式中,基于预设的对应关系将第二因素值输入第二模型中,得到第二目标数据,包括:获取目标车辆的氢侧氮气电磁阀数据和氧侧氮气电磁阀数据,并输入第二模型;基于氢侧氮气电磁阀数据和氧侧氮气电磁阀数据,确定氮气电磁阀是否连续失效;若氮气电磁阀连续失效,记录氮气电磁阀失效数据;对氮气电磁阀失效数据进行有状态迭代计算,得到第二目标数据。
11、本实施例提供的氢燃料电池车的氢气外漏故障诊断与预测方法,通过获取并分析目标车辆的氢侧氮气电磁阀数据和氧侧氮气电磁阀数据,确定氮气电磁阀是否连续失效,记录并分析失效数据,可以进行有状态迭代计算,得到更完整、准确的数据支持,提高决策的准确性和效率。同时,这种方法还可以提高车辆的安全性和可靠性,优化控本文档来自技高网...
【技术保护点】
1.一种氢燃料电池车的氢气外漏故障诊断与预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述第一模型和第二模型的构建过程包括:
3.根据权利要求2所述的方法,其特征在于,所述目标氢气外漏超标故障包括反应器进出口泄漏故障和管路串气故障,所述基于目标氢气外漏率和至少一单一因素之间的相关度,分别构建所述第一模型和第二模型,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于预设的对应关系将所述第一因素值输入第一模型中,得到第一目标数据,包括:
5.根据权利要求1所述的方法,其特征在于,所述基于预设的对应关系将所述第二因素值输入第二模型中,得到第二目标数据,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一目标数据和所述第二目标数据,计算得到目标氢气外漏率,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于预设的预警阈值、历史预警次数和所述目标氢气外漏率,生成预警结果,包括:
8.一种氢燃料电池车的氢气外漏故障诊断与预测装置,其特征在于,所述装
...【技术特征摘要】
1.一种氢燃料电池车的氢气外漏故障诊断与预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述第一模型和第二模型的构建过程包括:
3.根据权利要求2所述的方法,其特征在于,所述目标氢气外漏超标故障包括反应器进出口泄漏故障和管路串气故障,所述基于目标氢气外漏率和至少一单一因素之间的相关度,分别构建所述第一模型和第二模型,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于预设的对应关系将所述第一因素值输入第一模型中,得到第一目标...
【专利技术属性】
技术研发人员:王震坡,龙超华,刘鹏,夏智卿,祁春玉,韩冰,李国强,杨学森,冯家俊,
申请(专利权)人:北京理工新源信息科技有限公司,
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。