【技术实现步骤摘要】
本专利技术涉及电池故障诊断领域，具体涉及基于迁移学习的燃料电池水故障诊断方法及系统。
技术介绍
1、现有质子交换膜燃料电池（下称“燃料电池”）故障诊断方法主要利用一维传感器信号，通过提取一维信号所包含的特征进行水故障诊断，例如《cn202311400403.0一种基于电化学阻抗谱的燃料电池水故障诊断方法及系统》中主要通过提取与水含量相关性较高的曲线特征点及局部变化特征，缺少更加丰富的特征信息和可视化效果，无法拓展数据集的多样性。《cn202010390784.9一种基于图像处理的质子交换膜燃料电池故障诊断方法》采用的是将一维数据转化为灰度图像的方法，提取图像灰度下降速率和像素灰度向上波动比率两种图像特征，抛弃了时间序列数据的相对信息，而对于燃料电池这一动态系统来说，时序信息是十分必要的。通过查阅已有专利，发现还没有同时涉及燃料电池、时间序列信号-图像转换、迁移学习的燃料电池水故障诊断方案。
技术实现思路
1、为解决上述背景中的技术问题，本专利技术旨在提供一种用于燃料电池水故障（不同状态下的...
【技术保护点】
1.基于迁移学习的燃料电池水故障诊断方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，提取所述统计学特征的方法包括：
3.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，获取所述时间序列图像的方法包括：
4.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，构建所述故障诊断模型的方法包括：
5.根据权利要求4所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，得到所述特征向量矩阵的方法包括：
6.根据权利要求4...
【技术特征摘要】
1.基于迁移学习的燃料电池水故障诊断方法，其特征在于，步骤包括：
2.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，提取所述统计学特征的方法包括：
3.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，获取所述时间序列图像的方法包括：
4.根据权利要求1所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，构建所述故障诊断模型的方法包括：
5.根据权利要求4所述的基于迁移学习的燃料电池水故障诊断方法，其特征在于，得到所述特征向量矩阵的方法包括：
...【专利技术属性】
技术研发人员：赵子亮，申森豪，郭斌，王战古，于昊艺，于继泰，
申请(专利权)人：山东科技大学，
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。