[发明专利]一种质子交换膜燃料电池的水淹故障诊断方法

说明书

一种质子交换膜燃料电池的水淹故障诊断方法。包括：本发明是基于模型和数据驱动(BP神经网络)相结合的故障诊断方法。首先通过分析质子交换膜燃料电池的内部机理，结合U‑I特性曲线，建立质子交换膜燃料电池的内阻特性模型。结合内阻特性模型，分析电堆水淹故障的原理和表现，选定模型中4个变量作为水淹故障诊断的特征量，通过已知分类10000组训练集数据运用R软件构建可用的BP神经网络分类器，最后采集未知状态的燃料电池的4个特征数据，归一化后代入分类器中判断燃料电堆是否处于水淹故障状态和若处于水淹故障时水淹故障的程度。该方法能有效提高燃料电池故障诊断的效率和准确率，具有良好的工程经济性和应用前景。

技术领域：

本发明属于质子交换膜燃料电池故障诊断领域，涉及一种质子交换膜燃料电池的水淹故障诊断方法。

背景技术：

PEMFC作为燃料电池中的佼佼者，拥有冷启动时间短和清洁无污染等优点，贴合新能源汽车所提出的需求。目前制约质子交换膜燃料电池进一步商业开发的两个关键问题是耐久性和可持续性。从PEMFC制作工艺入手来提高其耐久性和持续性是最为直接和有效的方法，但在后续使用过程中对PEMFC进行实时故障诊断与修复也是十分重要的一环。目前为止，关于燃料电池故障诊断的方法很多，最常见的就是基于模型的故障诊断方法，基于模型的故障诊断方法通过建立PEMFC仿真模型，计算模型输出与实际输出之间的参数偏差，通过分析残差来实现故障检测。此类诊断方法虽然能很好的从机理出发识别故障的类型以及采取相应的措施，但是由于系统内部数据获取困难，难以建立准确的电堆诊断模型。同时，残差总是受测量和计算不确定性的影响，所以故障诊断往往不是那么准确。因此，仅基于模型的故障诊断方法并不能满足实时、精确的故障诊断需求。

鉴于上述的仅基于模型的故障诊断方法的缺陷，本发明在基于燃料电池内阻特性模型的基础上，同时引入数据驱动的故障诊断方法(BP神经网络)，通过分析特征数据来获得故障诊断结果。这种方法快速、高效，无需测量整条奈奎斯特曲线，也不用测量整条U-I曲线，计算量小，节省了大量的诊断时间，满足了故障诊断的实时性；BP神经网络分类器具有较好的模型识别能力，能够精确地判断出未知电堆是否处于水淹故障状态，满足了故障诊断的准确性；同时也克服了诊断设备昂贵、技术要求高的缺陷，适合于商业化应用，满足了故障诊断的经济性。

发明内容：

燃料电池在实际的工作过程中，由于电堆自然老化或操作人员管理不当而导致燃料电池出现水淹故障。当燃料电池短期处于水淹故障状态时，则会直接影响燃料电池的性能输出；当燃料电池长期处于水淹故障状态时，则将对燃料电池系统造成严重的损害，而这些损害一般是难以恢复的，甚至会导致电池失效。所以实时的故障诊断和修复对提高燃料电池系统的运行稳定性和使用寿命来说是十分重要的一环。

本发明采用的是基于模型和数据驱动相结合的故障诊断方法，首先通过分析质子交换膜燃料电池的内部机理，结合U-I特性曲线，建立质子交换膜燃料电池的内阻特性模型。结合内阻特性模型，分析电堆水淹故障的原理和表现，选定模型中4个变量作为水淹故障诊断的特征量，通过已知分类10000组训练集数据运用R软件构建可用的BP神经网络分类器，最后采集未知状态的燃料电池的4个特征数据，归一化后代入分类器中判断燃料电池是否处于水淹故障状态和若处于水淹故障时水淹故障的程度。该方法无需测量整条奈奎斯特曲线，也不用测量整条U-I曲线，因而更具有实用价值，有较好的工程应用前景，使质子交换膜燃料电池的寿命得到显著提高。

为达到上述目的，本发明所述的方法有以下步骤：