基于支持向量机的车用燃料电池系统故障诊断

• 作者: 全书海 全睿 谢长君 黄亮
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 燃料电池系统 支持向量机 粒子群优化算法 故障诊断
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 论文
• 页码范围: 78-83
• 分类号: TM911.4|TP206|TH133
• 字数: 5092字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2012.01.015

摘要

为了提高车用燃料电池系统的安全可靠性和可维护性,考虑到其大量完整的故障样本难以获取,提出了一种基于二叉树多分类器的支持向量机故障诊断方法.首先,以自主研发的60 kW车用燃料电池系统为研究对象,分析了其故障机理和特征；然后,融合15种故障征兆参数并进行归一化预处理作为支持向量机的输入,以14种典型故障作为输出,选取径向基核函数并利用粒子群优化算法对支持向量机的惩罚参数和核函数参数进行优化,利用310组样本数据对其进行训练,通过90组测试样本测试实现了其典型故障的识别；最后,将支持向量机和神经网络分别在不同训练样本数下的故障诊断性能进行了对比.仿真结果表明,支持向量机具有较好的故障正判率和泛化能力,可有效用于车用燃料电池系统的多故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	全书海	武汉理工大学汽车工程学院	146	991	15.0	24.0
5	黄亮	武汉理工大学自动化学院	47	182	8.0	11.0
6	全睿	武汉理工大学汽车工程学院	15	74	5.0	8.0
7	谢长君	武汉理工大学自动化学院	39	151	9.0	11.0