【技術實現步驟摘要】
本申請涉及燃料電池，尤其涉及一種燃料電池故障診斷方法、設備及介質。
技術介紹
1、目前，常用的燃料電池狀態檢測和故障診斷方法有：基于電磁場變化的無損檢測技術、基于磁場成像的無損檢測理論及方法、電化學阻抗譜測試技術、基于數據驅動的故障診斷方法以及基于深度學習的故障診斷等。
2、然而，現有技術中的燃料電池故障診斷多依賴于歷史故障數據，容易受到數據質量的影響，在歷史數據沒有完全覆蓋所有故障的情況下，故障診斷準確率較低。
技術實現思路
1、本申請實施例提供了一種燃料電池故障診斷方法、設備及介質，用于解決如下技術問題：現有技術中的燃料電池故障診斷多依賴于歷史故障數據，容易受到數據質量的影響，在歷史數據沒有完全覆蓋所有故障的情況下，故障診斷準確率較低。
2、本申請實施例采用下述技術方案：
3、本申請實施例提供一種燃料電池故障診斷方法。包括，對預置樣本燃料電池阻抗數據對應的二維阻抗譜進行循環周期維度增加處理，得到預置樣本燃料電池阻抗數據對應的三維阻抗場；通過等效電路對預置樣本燃料電池阻抗數據對應的三維阻抗場進行數據擬合，生成鏡像阻抗場，并通過交錯學習方法對鏡像阻抗場進行訓練，以得到交叉學習阻抗場擴展模型；將獲取到的待測燃料電池的阻抗譜輸入交叉學習阻抗場擴展模型，通過交叉學習阻抗場擴展模型生成待測燃料電池生命周期阻抗場；對待測燃料電池生命周期阻抗場進行坐標平面投影處理，得到阻抗密度圖；基于預置神經網絡模型對阻抗密度圖進行分類，以通過分類結果確定出待測燃料電池的故
4、本申請實施例通過知識遷移，在二維阻抗譜的基礎上，增加了燃料電池壽命周期這一維度，將二維阻抗譜轉化為三維圖像，進而基于阻抗場和阻抗密度對燃料電池故障診斷，提高了故障診斷的準確率和效率。同時，阻抗密度圖像還能較好的展示燃料電池斷氧供應造成的性能增益反常現象，輔助機理分析。采用交錯向前向后學習的方法，能夠充分挖掘數據不同時間方向上的信息，提高數據的利用率，提高對整個壽命周期內阻抗變化的理解，更好的捕捉阻抗場和故障之間的關系，更精準的確定出燃料電池內部故障機理。
5、在本申請的一種實現方式中，預置樣本燃料電池阻抗數據對應的二維阻抗譜進行循環周期維度增加處理，得到預置樣本燃料電池阻抗數據對應的三維阻抗場，具體包括：基于預置樣本燃料電池阻抗數據，生成二維電池阻抗譜；基于二維電池阻抗譜，繪制不同循環周期的阻抗曲線對應的阻抗曲線瀑布圖，以對二維電池阻抗譜進行循環周期維度增加；對阻抗曲線瀑布圖進行顏色漸變處理；通過三次樣條差值方法對顏色漸變處理后的阻抗曲線瀑布圖進行曲面擬合，并通過高斯濾波對插值結果進行平滑處理，以得到預置樣本燃料電池阻抗數據對應的三維阻抗場。
6、在本申請的一種實現方式中，通過等效電路對預置樣本燃料電池阻抗數據對應的三維阻抗場進行數據擬合，生成鏡像阻抗場，具體包括：基于預置樣本燃料電池阻抗數據對應的第一個循環周期和最后一個循環周期進行元件參數擬合；其中，元件參數至少包括串聯電阻、恒相元件和極化電阻中的一項；通過線性插值函數，基于第一個循環周期和最后一個循環周期分別對應的元件參數值，確定出中間循環周期內的仿真電路元件參數，以生成完整仿真等效電路元件參數值；基于完整仿真等效電路元件參數值，構建鏡像阻抗場；其中，鏡像阻抗場用于反映電池在不同循環周期下阻抗變化趨勢。
7、在本申請的一種實現方式中，通過線性插值函數，基于第一個循環周期和最后一個循環周期分別對應的元件參數值，確定出中間循環周期內的仿真電路元件參數，具體包括：基于函數：
8、
9、得到第一個循環周期的元件參數值與最后一個循環周期的元件參數值之間的斜率；基于直線點斜式方程，得到第n個循環周期的元件參數值：
10、
11、基于第一個循環周期和最后一個循環周期的元件參數，確定出中間任意循環周期的仿真等效電路元件參數值：
12、
13、其中，為最后一個循環周期的元件參數值；為第一個循環周期的元件參數值；為中間任意循環周期的仿真等效電路元件參數值； k為斜率； n為循環周期序列，其中，1< n< m。
14、在本申請的一種實現方式中，通過交錯學習方法對鏡像阻抗場進行訓練，以得到交叉學習阻抗場擴展模型，具體包括：獲取鏡像阻抗場數據，通過逐步線性回歸對鏡像阻抗場數據進行分析和建模，并通過交錯學習方法，對得到的逐步線性回歸模型進行優化。
15、在本申請的一種實現方式中，逐步線性回歸模型為：
16、
17、其中， z為阻抗值； cpe t為等效電路中的第一元件參數； cpe p為等效電路中的第二元件參數； rs為等效電路中的第三元件參數； rp為等效電路中的第四元件參數； n為循環周期序列；為預置系數；為第一元件參數對應的系數；為第二元件參數對應的系數；為第三元件參數對應的系數；為第四元件參數對應的系數；為第五元件參數對應的系數；為最后一個元件參數與對應的系數之間的乘積。
18、在本申請的一種實現方式中，通過交錯學習方法，對得到的逐步線性回歸模型進行優化，具體包括：對預置樣本燃料電池阻抗數據對應的阻抗密度圖像進行高斯噪聲處理，以得到擴充數據集；按照預設比例，將擴充數據集劃分為訓練集和驗證集；基于訓練集、驗證集以及預置resnet–50神經網絡進行訓練，并采用交錯學習方法優化逐步線性回歸模型。
19、在本申請的一種實現方式中，對待測燃料電池生命周期阻抗場進行坐標平面投影處理，得到阻抗密度圖，具體包括：將待測燃料電池生命周期阻抗場向x-y、y-z和x-z平面進行投影，得到散點圖；將散點圖優化為等高線圖，并在等高線圖之間進行漸變處理；通過contourf函數對等高線圖進行填充處理，并通過pcolormesh函數對填充后的等高線圖進行圖像邊界平滑處理，得到阻抗密度圖。
20、本申請實施例提供一種燃料電池故障診斷設備，包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠：對預置樣本燃料電池阻抗數據對應的二維阻抗譜進行循環周期維度增加處理，得到預置樣本燃料電池阻抗數據對應的三維阻抗場；通過等效電路對預置樣本燃料電池阻抗數據對應的三維阻抗場進行數據擬合，生成鏡像阻抗場，并通過交錯學習方法對鏡像阻抗場進行訓練，以得到交叉學習阻抗場擴展模型；將獲取到的待測燃料電池的阻抗譜輸入交叉學習阻抗場擴展模型，通過交叉學習阻本文檔來自技高網...
【技術保護點】
1.一種燃料電池故障診斷方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述對預置樣本燃料電池阻抗數據對應的二維阻抗譜進行循環周期維度增加處理，得到所述預置樣本燃料電池阻抗數據對應的三維阻抗場，具體包括：
3.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述通過等效電路對所述預置樣本燃料電池阻抗數據對應的三維阻抗場進行數據擬合，生成鏡像阻抗場，具體包括：
4.根據權利要求3所述的一種燃料電池故障診斷方法，其特征在于，所述通過線性插值函數，基于所述第一個循環周期和最后一個循環周期分別對應的元件參數值，確定出中間循環周期內的仿真電路元件參數，具體包括：
5.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述通過交錯學習方法對所述鏡像阻抗場進行訓練，以得到交叉學習阻抗場擴展模型，具體包括：
6.根據權利要求5所述的一種燃料電池故障診斷方法，其特征在于，所述逐步線性回歸模型為：
7.根據權利要求5所述的一種燃料電池故障診斷方法，其特征在于，所述
8.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述對所述待測燃料電池生命周期阻抗場進行坐標平面投影處理，得到阻抗密度圖，具體包括：
9.一種燃料電池故障診斷設備，其特征在于，該設備包括用于存儲計算機程序指令的存儲器和用于執行程序指令的處理器，其中，當該計算機程序指令被該處理器執行時，觸發該設備執行權利要求1-8中的任一項所述的方法。
10.一種非易失性計算機存儲介質，存儲有計算機可執行指令，其特征在于，所述計算機可執行指令能夠執行權利要求1-8任一項所述的方法。
...【技術特征摘要】
1.一種燃料電池故障診斷方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述對預置樣本燃料電池阻抗數據對應的二維阻抗譜進行循環周期維度增加處理，得到所述預置樣本燃料電池阻抗數據對應的三維阻抗場，具體包括：
3.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述通過等效電路對所述預置樣本燃料電池阻抗數據對應的三維阻抗場進行數據擬合，生成鏡像阻抗場，具體包括：
4.根據權利要求3所述的一種燃料電池故障診斷方法，其特征在于，所述通過線性插值函數，基于所述第一個循環周期和最后一個循環周期分別對應的元件參數值，確定出中間循環周期內的仿真電路元件參數，具體包括：
5.根據權利要求1所述的一種燃料電池故障診斷方法，其特征在于，所述通過交錯學習方法對所述鏡像阻抗場進行訓練，以得到交叉學習...
【專利技術屬性】
技術研發人員：郭斌，師慧麗，趙子亮，于昊藝，趙軍，王戰古，
申請(專利權)人：山東科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。