基于CNN的质子交换膜燃料电池故障诊断

• 作者: 党翰斌 马睿 周俊杰 皇甫宜耿
• 来源期刊: 电力电子技术
• 关键词: 质子交换膜燃料电池 卷积神经网络 故障诊断
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 电子电力技术在氢能中的应用专辑|POWER ELECTRONICS TECHNOLOGY APPLICATION IN HYDROGEN ENERGY ALBUM
• 页码范围: 52-55
• 页数: 4页
• 分类号: TM911.4
• 语种: 中文
• DOI: 10.3969/j.issn.1000-100X.2020.12.014

摘要

可靠性低和耐久性差的问题是目前制约质子交换膜燃料电池(PEMFC)发展的主要瓶颈,故障诊断技术作为解决这些问题的重要途径之一而备受研究人员关注.这里针对传统基于机器学习诊断方法所存在的数据分析能力较弱及诊断过程易出现累计误差等问题,提出了一种基于卷积神经网络(CNN)的深度学习故障诊断方法,该方法具备自主学习能力,可通过图像信号自动提取故障诊断特征,在实例中的应用结果表明该方法能精确识别燃料电池的膜干故障、氢气泄露故障、正常状态及未知状态,并且诊断性能优于支持向量机(SVM)、K-最近邻(KNN)等传统机器学习算法.因此,该方法具有进一步深入研究的价值,同时对于促进燃料电池故障诊断技术进一步发展也具有重要意义.