基于LSTM-RNN的质子交换膜燃料电池故障检测方法

论文摘要

精准地故障检测不仅是准确定位故障根源的重要前提,更是及时故障恢复的关键所在。因此,本文基于LST包括正常和6种常见异常数据;其次用这些数据构建时序序列,训练LSTM模型对这些故障序列进行分类,并通过贝叶斯优化获取最佳参数;最后通过LSTM模型与RNN、SVM和BP神经网络三种方法进行对比。结果显示,本文所提方法对燃料电池故障分类准确率达95%以上,比对比方法至少高3%。该方法仅采集系统输出的电压、电流,无需复杂昂贵的传感器监控,简单且成本低。

论文目录

• 1 引言
• 2 基于LSTM-RNN的质子交换膜燃料电池故障检测方法
•   2.1 LSTM-RNN神经网络模型
•   2.2 基于LSTM-RNN的质子交换膜燃料电池故障检测方法
•     2.2.1 数据集介绍
•     2.2.2 网络训练
•   2.3 模型参数调优
• 3 实验与结果分析
•   3.1 数据集准备和评估指标
•     3.1.1 数据集准备
•     3.1.2 评估指标
•   3.2 对照实验设置
•   3.3 结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 王森,雷卫军,刘健,张伯林

关键词: 质子交换膜燃料电池,故障检测,电堆系统,贝叶斯优化

来源: 电子技术与软件工程 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 无机化工,电力工业

单位: 北京卫星制造厂有限公司

分类号: TM911.4

页码: 74-78

总页数: 5

文件大小: 3427K

下载量: 402