[发明专利]一种针对质子交换膜燃料电池系统的故障检测方法

权利要求书

1.一种针对质子交换膜燃料电池系统的故障检测方法，其特征在于，包括如下步骤：

步骤1：使用EIS(Electrochemical Impedance Spectroscopy电化学阻抗谱)测量方法测得质子交换膜燃料电池分别在膜干、水淹、饥饿和正常情况下的阻抗数据，并将得到的阻抗谱数据拟合成等效模型，取等效模型的元件参数组成原始数据集；

步骤2：对原始数据集进行归一化处理，并使用PCA算法选取变化较为显著的等效阻抗元件的值作为故障诊断特征变量，将获得的数据集随机分为训练集和测试集；

步骤3：使用训练集建立LSSVM分类模型，并使用蝴蝶优化算法优化LSSVM分类模型的参数；

步骤4：使用EIS测量方法测量质子交换膜燃料电池在线运行过程中的阻抗数据，获得等效模型阻抗元件的值；

步骤5：当收集到的在线样本集数量满足要求时，使用K均值聚类算法将对正常、膜干、水淹和饥饿等情形进行界定，并使用步骤3得到的LSSVM分类模型将聚类后的样本打上标签；

步骤6：使用带标签的在线样本集，重构上一轮循环建立的LSSVM分类模型；

步骤7：使用自动更新的LSSVM分类模型对质子交换膜燃料电池系统进行故障诊断，判断有无故障发生，并识别出故障类型。

2.根据权利要求1所述的针对质子交换膜燃料电池系统的故障检测方法，其特征在于，所述EIS测量方法是检测PEMFC在一定频率的波动激励下的电响应，测试获得的阻抗谱数据用最小二乘法拟合得到质子交换膜燃料电池的等效电路模型(ECM)，ECM用于描述PEMFC的EIS表现，包括膜、阳极、阴极和气体扩散层的阻抗；在ECM中，PEMFC组件用电气元件表示。

3.根据权利要求1所述的针对质子交换膜燃料电池系统的故障检测方法，其特征在于，所述步骤1及步骤4中，所述EIS测量方法使用的激励信号是离散区间二进制序列脉冲。

4.根据权利要求1所述的针对质子交换膜燃料电池系统的故障检测方法，其特征在于，所述步骤3中使用蝴蝶优化算法优化LSSVM分类模型的参数的步骤如下：

步骤s1：初始化种群，x＝(x₁，…，x_i，…，x_n)，种群的每个个体x_i＝(x_i1，x_i2)有两维，第一维表示径向基核函数的参数σ，取值范围是[0.01，300]；第二维表示正则化参数γ，取值范围是[0.01，200]；

步骤s2：初始化蝴蝶优化算法的参数，设置种群规模NS＝30、感官模态C＝0.01、幂指数a＝0.1和最大迭代次数T_max＝400；

步骤s3：计算个体的初始适应度值，使用误分类率作为目标函数：

其中，M为误分类的样本个数，N为样本的总个数，适应度值越小，表示模型的准确率越高；

步骤s4：使用蝴蝶优化算法更新种群中的每个个体向量，首先，计算蝴蝶种群中每只蝴蝶的适应值Y_i，计算蝴蝶适应值的方程定义如下：

其中，R表示噪声的方差，Z_new表示最新观测值，Z_pred表示预测观测值；

步骤s5：算出蝴蝶发出的香味浓度F：

F＝CI^a

其中，F表示香味强度，C表示感官模态，I表示刺激强度，a表示幂指数；

生成一个随机数r，以确定应用局部搜索还是全局搜索；全局搜索表示为：

其中，表示第i只蝴蝶在第t次迭代的解向量；g^*为当前最优解：

局部搜索表示为：

其中，x_i，x_j，x_k分别为第i，j，k个蝴蝶的空间位置；

步骤s6：按步骤s3的方法求更新后的个体适应度值，若更新后个体的适应度值比原个体适应度值要好，即值更小，则新个体替换原个体，每个个体更新完毕，得到下一代的种群；

步骤s7：寻找当前迭代最优解，在下一代种群中寻找具有最小适应度值的个体，该个体就是当前迭代的最优解；

步骤s8：如果迭代次数达到最大迭代次数，运行停止；当前最佳适应度的个体就是全局最优解，作为LSSVM的优化参数；如果迭代次数未达到最大迭代次数，则转步骤s4；

步骤s9：利用得到的全局最优的参数σ和参数γ，建立最优的LSSVM分类器，并使用验证样本集对训练好的LSSVM分类模型的准确率进行验证。