基于弛豫时间分布与机器学习的燃料电池老化诊断方法

摘要

本发明公开了基于弛豫时间分布与机器学习的燃料电池老化诊断方法，涉及燃料电池健康管理领域，包括：获取电化学阻抗谱数据，并提取宏观放电曲线特征得到宏观退化参量；进行弛豫时间分布反演，得到时间分布函数谱线；提取微观弛豫时间分布阻抗特征，并结合宏观退化参量构建初始特征向量；进行加权融合与主成分分析降维，得到降维特征向量；输入至贝叶斯模型平均‑高斯过程回归网络，获得健康状态预测值，并外推预测剩余使用寿命及其置信区间；将弛豫时间分布特征向量与多个基准老化指纹进行线性分解，求解各老化模式的权重占比及归因置信度；生成对应的综合诊断报告。其为燃料电池提供了客观、全面且具有可解释性的综合诊断结果。

申请人共 1 家

• 1.济南大学

IPC 分类号共 7 项