[发明专利]一种质子交换膜燃料电池系统的模式识别故障诊断方法

权利要求书

1.一种质子交换膜燃料电池系统的模式识别故障诊断方法，其特征在于，该方法包括以下步骤：

步骤S1，针对公知的质子交换膜燃料电池系统模型，选取压缩机电机电压、压缩机电机电流、压缩机转速、燃料电池电压、燃料电池电流、氢气进堆压力、空气进堆压力、压缩机出口压力作为诊断变量；

步骤S2，质子交换膜燃料电池系统在正常状态下进行仿真实验，获取5000组数据，每组数据包含8组诊断变量；

通过压缩机电机电常数的k_v增量Δk_v来模拟压缩机故障；

通过阴极输出孔常数k_ca,out的增量Δk_ca,out来模拟供气歧管故障；

W_ca,out＝(k_ca,out+Δk_ca,out)(p_ca-p_rm) (2)

质子交换膜燃料电池系统在故障状态下进行仿真实验，获取5000组数据，每组数据包含8组诊断变量；

步骤S3，针对获取的正常状态和故障状态下的诊断变量，进行数据归一化处理，建立初始化样本集；

步骤S4，采用可能性模糊C均值聚类算法(PFCM)对初始化样本集进行处理，剔除隶属度和典型性低于90％的样本点，实现数据的过滤，建立样本集，并将样本集的数据按照2:1分为训练集和测试集；

所述的可能性模糊C均值聚类算法的目标函数如下：

PFCM算法中参数a代表隶属度值的影响，b代表可能性值得影响，要想算法又更好的抗噪声能力，就可以加大b的值，反之减小。

其中惩罚系数η_i的取值为：

通常K＝1，求公式(3)最优解，可得如下公式：

步骤S5，采用优化的人工蜂群算法(OABC)对支持向量机(SVM)分类器的惩罚因子c和核函数参数g进行优化，获得最优的目标参数；

所述OABC算法优化SVM的步骤如下：

步骤(1)：OABC算法中参数的初始化，主要有：蜂群规模为20、蜜源的数量N为10，即采蜜蜂的数量；蜜源最大循环次数Limit为100；最大迭代次数maxIter为10；惩戒因子c的搜索范围是[0.01,100]，核函数参数g的搜索范围是[0.01,100]，对每个蜜源进行初始化为x_ij，i＝1,2,…,10，j＝1,2；

步骤(2)：OABC算法中适应度函数的确定，优化SVM参数是为了提高系统故障分类的准确率，对于优化问题求解过程可视为一个蜜蜂寻找蜜源的过程，选用适应度函数如公式(3)，这里的目标函数值为分类的准确率：

式中：fitness_i为第i组参数的适应度值，f_i为第i个蜜源的目标函数值；

步骤(3)：采用Levy公式(4)获得公式(5)，采蜜蜂根据公式(5)对当前蜜源的邻域进行搜索，并根据公式(3)计算新蜜源的适应度，如果新蜜源的适应度值比原蜜源的适应度值好，则用新蜜源的位置替代原蜜源的位置，否则原蜜源保持不变；

x'_ij＝x_ij+a(x_ij-x_best)L(α) (11)

式中，α是特征指数，取值为1.5；Γ(·)是伽玛函数，且满足a为满足正态分布的步进长度，x′_ij为新蜜源的位置；

步骤(4)：采蜜蜂完成全局搜索后，跟随蜂根据公式(6)来选择蜜源，之后利用公式(5)进行邻域搜索得到新的蜜源，如果新蜜源的适应度值比原蜜源的适应度值好，则用新蜜源的位置替代原蜜源的位置，否则原蜜源保持不变；

式中，P_i为第i个蜜源被选中的概率；fitness_i为第i个蜜源的适应度值；N为蜜源的总个数；

步骤(5)：判断某个蜜源的循环次数是否大于Limit，若大于，则按照公式(7)产生新的蜜源；

式中，x_ij为第i个蜜源的第j维的值，j∈{1,2}；

步骤(6)：记录当前最优蜜源，并判断是否满足循环终止条件(迭代maxIter次)，若满足则转到步骤(7)，否则转到步骤(3)；

步骤(7)：将得到的全局最优蜜源即最优参数c和g，构建最优SVM分类器，并将训练好的SVM分类器模型通过测试集样本进行验证。

步骤S6，采用优化的SVM分类器进行质子交换膜燃料电池系统的模式识别故障诊断，确定质子交换膜燃料电池系统的状态。