分会场

燃料电池发动机

摘要

故障诊断是保证质子交换膜燃料电池可靠性和耐久性的关键环节。由于质子交换膜燃料电池内部传输过程的复杂性，很难建立一个考虑各种失效机制的精确模型。本文提出了一种基于传感器选择和神经网络的数据驱动方法。提取时域和频域特征进行灵敏度分析，对系统状态变化响应差的传感器进行滤除，然后利用剩余传感器监测的实验数据建立神经网络。在神经网络的训练中，采用了Levenberg-Marquardt（LM）算法、RPROP反向传播（RPBP）算法和比例共轭梯度（SCG）算法。诊断结果表明，该方法的诊断准确率达到99.2%，召回率达到98.3%，较高的计算效率为在线诊断提供了可能。同时，对PEMFC系统进行早期故障检测，可以为PEMFC系统的容错控制提供有效的指导。

关键词

故障诊断;质子交换膜燃料电池;数据驱动;传感器选择;神经网络

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录