[发明专利]一种用于燃料电池发动机故障预测的数据融合方法及系统

说明书

本发明公开了一种用于燃料电池发动机故障预测的数据融合方法及系统，其中，包括如下步骤，S1，通过试验获取实测故障样本；S2，获取模拟故障样本；S3，将实测故障样本模拟故障样本进行特征级融合，得到第一融合样本；S4，将所述第一融合样本与实测故障样本进行数据级融合，得到第二融合样本；S5，将所述第二融合样本与所述实测故障样本，共同作为燃料电池发动机故障预测模型的训练样本。本发明能够解决的燃料电池发动机故障预测实验数据不足的情况。

技术领域

本发明涉及燃料电池汽车发动机故障诊断技术领域，特别是一种用于燃料电池发动机故障预测的数据融合方法及系统。

背景技术

随着燃料电池汽车技术的不断发展，燃料电池汽车已经开始逐渐走向实用。但在现有技术中，由于燃料电池汽车还未大量实用，因此，对于燃料电池汽车发动机的故障诊断仍少有涉及。

而对于燃料电池发动机故障预测的研究更是少之又少。燃料电池发动机故障预测的难点主要在于：由于燃料电池汽车还未广泛应用，燃料电池发动机的故障数据过少，现有的预测模型难以基于过少的数据量进行预测。此外，即便是通过大规模的试验，也难以得到足够数量的数据。这是由于，对于一个燃料电池发动机而言，故障产生概率较小，通常是在长期运行后，部件老化等情况下才能够得到真实的实验数据。在这种情况下，要得到足够的数据，就需要数年的数据积累才能够进行相应的研究。

因此，在实验数据不足的情况下，如何开展对于燃料电池发动机故障预测的研究，是本领域亟待解决的重要问题之一。

发明内容

本发明的目的是提供一种用于燃料电池发动机故障预测的数据融合方法，以解决现有技术中的不足，它能够解决的燃料电池发动机故障预测实验数据不足的情况。

本发明提供了一种用于燃料电池发动机故障预测的数据融合方法，其中，包括如下步骤，

S1，通过试验获取实测故障样本；

S2，获取模拟故障样本；

S3，将实测故障样本模拟故障样本进行特征级融合，得到第一融合样本；

S4，将所述第一融合样本与实测故障样本进行数据级融合，得到第二融合样本；

S5，将所述第二融合样本与所述实测故障样本，共同作为燃料电池发动机故障预测模型的训练样本。

如上所述的用于燃料电池发动机故障预测的数据融合方法，其中，可选是，步骤S2包括，

S21，搭建仿真模型，并从仿真模型中获取多源信息；其中，所述多源信息包括振动数据、温度数据、电池数据和压力数据；

S22，对多源信息进行特征提取，得到第一特征信号；

S23，对第一特征信号进行特征增强处理，得到第二特征信号；

S24，利用深度卷积神经网络对第二特征信号进行深度融合，得到模拟故障样本。

如上所述的用于燃料电池发动机故障预测的数据融合方法，其中，可选是，步骤S3包括，

S31，对实测故障样本和模拟故障样本进行预处理；

S32，构建对抗神经网络，并设置生成器和判别器；

S33，将实测故障样本作为训练数据对判别器进行训练；

S34，将模拟故障样本作为训练数据对生成器进行训练；

S35，利用训练后的生成器生成第一数据样本；将第一数据样本输入到判别器，并将第一数据样本中被所述判别器识别为真的数据，作为第一融合样本中的数据；

S36，重复步骤S35，直到第一融合样本的数据量达到设定值。