[发明专利]一种机车质子交换膜燃料电池系统的快速故障诊断方法

说明书

本发明公开一种机车质子交换膜燃料电池系统的快速故障诊断方法，包括步骤：将机车运行过程中采集来的多传感器数据输入到一个全连接的反向传播神经网络，以抽取高维抽象特征并用向量表示；将向量表示的抽象特征重构成张量特征图，以获得抽象特征的集成化表示；将特征图输入到基于InceptionNet的卷积网络来对特征图进行分类，获得故障类别，进而实现机车质子交换膜燃料电池系统的故障诊断。本发明能够对机车质子交换膜燃料电池系统的状态进行准确分类，确保机车质子交换膜燃料电池系统的稳定运行，减少由于故障带来的功率损失、避免故障引发的对燃料电池系统的不可逆损伤、延长其健康运行时长。

技术领域

本发明属于燃料电池技术技术领域，特别是涉及一种机车质子交换膜燃料电池系统的快速故障诊断方法。

背景技术

质子交换膜燃料电池作为一种新型的能源转换装置，能将氧气和氢气内的化学能转化为电能为便携式设备或是大型运载工具如混合动力机车等提供动力且其理论副产物只有水，又因为其还具有功率密度高、启动速度快等优点，因此其在近年来成为一种备受关注的无污染高效新能源之一。

质子交换膜燃料电池系统是一个多物理场耦合的复杂环境，稳定性成为了制约其更广泛商业应用的关键因素之一。对质子交换膜燃料电池系统准确的故障检测将大大提高其稳定运行能力，而机车用质子交换膜燃料电池系统则更具复杂性且更易于发生故障。

通常针对质子交换膜燃料电池的故障诊断可以分为基于实验的、基于模型的和基于数据的方法。在机车用质子交换膜燃料电池复杂系统环境下，基于数据的方法相较于其他方法具有更显著的优势。

基于数据的故障诊断方法常分为基于统计方法的、基于信号处理方法的和基于人工智能方法的。随着近年来人工智能方法的显著进展，使其成为故障诊断领域的一大热门工具，而深度学习更是由于其优秀的模型表达能力成为人工智能领域内的研究热点之一。但是现有的故障诊断方法无法对机车质子交换膜燃料电池系统的状态进行准确分类，无法保证机车质子交换膜燃料电池系统的稳定运行，无法减少由于故障带来的功率损失、避免故障引发的对燃料电池系统的不可逆损伤、延长其健康运行时长。

发明内容

为了解决上述问题，本发明提出了一种机车质子交换膜燃料电池系统的快速故障诊断方法，对机车质子交换膜燃料电池系统的状态进行准确分类，确保机车质子交换膜燃料电池系统的稳定运行，减少由于故障带来的功率损失、避免故障引发的对燃料电池系统的不可逆损伤、延长其健康运行时长。

为达到上述目的，本发明采用的技术方案是：一种机车质子交换膜燃料电池系统的快速故障诊断方法，包括步骤：

S100，将机车运行过程中采集来的多传感器数据输入到一个全连接的反向传播神经网络，以抽取高维抽象特征并用向量表示；

S200，将向量表示的抽象特征重构成张量特征图，以获得抽象特征的集成化表示；

S300，将特征图输入到基于InceptionNet的卷积网络来对特征图进行分类，获得故障类别，进而实现机车质子交换膜燃料电池系统的故障诊断。

进一步的是，在所述步骤S100中，将机车运行过程中采集来的多传感器数据输入到一个全连接的反向传播神经网络，以抽取高维抽象特征并用向量表示，包括步骤：

S101，采集机车运行过程中质子交换膜燃料电池系统的多传感器数据以及当前系统状态类；

S102，将所获得数据输入一个全连接的反向传播神经网络，用以抽取高维抽象特征；所述全连接的反向传播神经网包括输入层、隐藏层、输出层三层神经元结构，并以同层内神经元互不连接、相邻层神经元之间全连接的形式连接；

S103，设置全连接的反向传播神经网络参数，根据设置输入层结点数，以匹配采集到的多传感器数据维度数；设置隐藏层结点数；设置输出层结点数，以得到一个高维抽象特征的向量表示。