【技术实现步骤摘要】
本专利技术涉及燃料电池，具体涉及燃料电池汽车氢气泄漏预警及定位方法及装置。
技术介绍
1、在燃料电池汽车中，氢气泄漏是一个需要关注的安全问题。由于氢气是最轻的气体，它很容易向上扩散，并且在空气中的爆炸极限范围相对广泛。因此，一旦发生氢气泄漏，积聚的氢气可能形成爆炸混合物。燃料电池汽车中的氢气泄漏可能会发生在多个部位，包括燃料电池、氢气储存罐、氢气管道等，这些部位的复杂性以及高压氢气的危险性使得泄漏事件的处理变得困难。
2、氢气泄漏的诊断是一个重要的安全措施，传统的神经网络聚焦于每个传感器的数字信号的时序变化规律，容易忽略空间变化规律。例如，在气体泄漏的情况下，可能存在某些区域的气体浓度比其他区域更高，传统的循环神经网络模型，存在梯度消失或梯度爆炸等问题，无法很好应对时序数据中的噪声和异常情况，在实际落地时候，容易出现过拟合现象。
技术实现思路
1、有鉴于此，本专利技术提供了一种燃料电池汽车氢气泄漏预警及定位方法及装置，以解决传统的循环神经网络模型无法很好应对时序数据中的噪声和异常情况，容易出现过拟合现象的问题。
2、第一方面，本专利技术提供了一种燃料电池汽车氢气泄漏预警及定位方法，该方法包括：获取目标车辆内各个传感器反馈的第一目标数据，第一目标数据包括传感器位置信息及氢释放浓度数据；将第一目标数据输入训练好的第一模型，得到第二目标数据，第一模型用于对第一目标数据进行深度可分离卷积处理；将第二目标数据输入训练好的第二模型，得到预测数据，第二模型用于基于第二目标
3、本实施例提供的燃料电池汽车氢气泄漏预警及定位方法，首先，通过获取各个传感器的反馈数据，可以全面地监测目标车辆内的氢气释放情况，并将氢气浓度的位置信息考虑进来。其次，通过深度可分离卷积能够更好地提取第一目标数据中的有用特征，例如传感器位置信息和氢释放浓度数据的相关模式。这种特征提取能力的增强可以提高预测的准确性和可靠性。深度可分离卷积处理能够有效地去除第一目标数据中的噪声和干扰，提高数据的纯净度。这有助于减少误报和漏报的可能性，提高预警系统的稳定性。然后，将第二目标数据输入训练好的第二模型，得到预测数据，第二模型用于基于第二目标数据确定各个传感器位置信息对应的预测氢释放浓度数据和预测泄露概率，通过第二模型的处理，可以对每个传感器位置的氢释放浓度和泄露概率进行精细化预测。这种精细化预测能够提供更具体和准确的预警信息，有助于更好地了解和应对潜在的氢气泄漏风险。最后，通过基于预设的预警阈值和预测数据确定预警结果，预设预警阈值提供了一种标准化的方法来确定预警结果，使得预警判断更加客观和一致。这有助于减少人为因素或经验依赖对预警结果的影响，以解决传统的神经网络聚焦于每个传感器的数字信号的时序变化规律，容易忽略空间变化规律。例如，在气体泄漏的情况下，可能存在某些区域的气体浓度比其他区域更高，传统的循环神经网络模型，存在梯度消失或梯度爆炸等问题，无法很好应对时序数据中的噪声和异常情况，在实际落地时候，容易出现过拟合现象的问题。
4、在一种可选的实施方式中，获取目标车辆内各个传感器反馈的第一目标数据，包括：获取目标车辆的体积数据以及预设的目标泄漏区域；从预设的泄漏场景数据库中提取泄漏场景集，泄漏场景集包括泄漏场景的目标泄漏区域数量和每个目标泄漏区域的泄漏概率；基于预设的传感器安装原则、体积数据、目标泄漏区域和泄漏场景集，确定氢气泄漏传感器集，氢气泄漏传感器集包括各传感器的布置数量和布置空间位置；基于布置数量和布置空间位置获取第一目标数据。
5、本实施例提供的燃料电池汽车氢气泄漏预警及定位方法，基于目标车辆的体积数据，可以更准确地了解车辆的内部结构和空间分布。这有助于确定在哪些位置适合安装氢气泄漏传感器，以实现对车辆内部氢气释放的全面监测。通过预设的目标泄漏区域，可以确定潜在的泄漏风险区域。在确定氢气泄漏传感器集时，可以优先考虑这些区域，确保传感器能够覆盖这些关键区域，提高监测覆盖率。通过从预设的泄漏场景数据库中提取泄漏场景集，可以了解不同泄漏场景的目标泄漏区域数量和每个区域的泄漏概率。这有助于在确定氢气泄漏传感器集时考虑到各种可能的泄漏场景，使传感器集更具适应性。
6、在一种可选的实施方式中，训练好的第一模型是由带标签的历史泄露数据训练得到的，将第一目标数据输入训练好的第一模型，得到第二目标数据，包括：对第一目标数据进行张量化处理，将张量化后的第一目标数据输入训练好的第一模型；利用第一模型中的深度卷积层对第一目标数据进行深度卷积操作，得到第一卷积数据；利用第一模型中的逐点卷积层对第一卷积数据进行逐点卷积操作，得到第二卷积数据；对第二卷积数据进行批归一化操作，得到归一化后的第二卷积数据；对归一化后的第二卷积数据经过激活函数处理，得到激活后的第二卷积数据；将激活后的第二卷积数据和第一目标数进行拼接，得到第二目标数据。
7、本实施例提供的燃料电池汽车氢气泄漏预警及定位方法，通过张量化处理对第一目标数据进行必要的预处理，使其适应模型的输入要求。这种预处理可以提高数据的质量和一致性，减少噪声和异常值的影响。深度卷积操作能够从第一目标数据中提取更深层次的特征。通过多个卷积层的堆叠，可以学习到数据中的复杂模式和关联性，有助于提高预测的准确性和可靠性。逐点卷积操作能够捕捉到相邻数据点之间的局部依赖关系，增强特征提取的能力。这种局部建模能力可以帮助模型更好地理解和处理数据中的空间信息。批归一化操作可以加速模型的训练过程并提高模型的泛化能力。通过归一化处理，可以减小不同批次数据之间的差异，使得模型更加稳定和可靠。激活函数可以为模型引入非线性特性，使得模型能够更好地学习和模拟数据的复杂模式。激活函数的选择和处理对于模型的性能和表达能力至关重要。将激活后的第二卷积数据与第一目标数据进行拼接，可以实现多源数据的融合。这种数据融合可以综合利用不同类型数据的信息，提高模型的预测精度和鲁棒性。
8、在一种可选的实施方式中，第二模型包括至少一个编码器和至少一个解码器，至少一个编码器和至少一个解码器是由带标签的历史泄露数据训练得到的，将第二目标数据输入训练好的第二模型，得到预测数据，包括：将第二目标数据输入编码器，利用编码器提取第二目标数据的语义特征；将语义特征输入解码器，利用解码器将语义特征转换为目标输出序列，目标输出序列中的各元素表征第二目标数据对应的下一个时间点的预测数据。
9、本实施例提供的燃料电池汽车氢气泄漏预警及定位方法，通过编码器能够提取第二目标数据的语义特征。这些语义特征反映了数据的内在规律和模式，有助于模型更准确地理解和预测数据的动态变化。通过将语义特征输入解码器，解码器可以将这些特征转换为目标输出序列。这种转换过程能够预测第二目标数据对应的下一个时间点的数据，实现时间序列的预测。使用带标签的历史泄露数据训练编码器和解码器，可以充分利用历史数据中的信息和模式。这种训练方式可以使模型学习本文档来自技高网...
【技术保护点】
1.一种燃料电池汽车氢气泄漏预警及定位方法，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，所述获取目标车辆内各个传感器反馈的第一目标数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述训练好的第一模型是由带标签的历史泄露数据训练得到的，
4.根据权利要求2所述的方法，其特征在于，所述第二模型包括至少一个编码器和至少一个解码器，所述至少一个编码器和至少一个解码器是由带标签的历史泄露数据训练得到的，
5.根据权利要求1所述的方法，其特征在于，所述预设的预警阈值包括浓度阈值和概率阈值，
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述损失函数为：
8.一种燃料电池汽车氢气泄漏预警及定位装置，其特征在于，所述装置包括：
【技术特征摘要】
1.一种燃料电池汽车氢气泄漏预警及定位方法，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，所述获取目标车辆内各个传感器反馈的第一目标数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述训练好的第一模型是由带标签的历史泄露数据训练得到的，
4.根据权利要求2所述的方法，其特征在于，所述第二模型包括至少一个编码器和至少一个解码器，...
【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，
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。