基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断方法

论文摘要

为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使用在线序列超限学习机对故障特征向量进行分类,能有效提高模型诊断正确率并降低运算时间。实例分析表明:新方法可快速识别膜干故障、氢气泄漏故障和正常状态共三种健康状态。算法的诊断正确率为99.67%,运算时间为0.296 9s。新方法的诊断正确率比SVM和BPNN分别高出14.34%和9.34%,在线序列超限学习机的运算时间仅为SVM和BPNN的1/1 011和1/132。因此,该文所提方法适用于大数据量样本和多数据维度下的蒸汽冷却型燃料电池系统在线故障诊断。

论文目录

• 0 引言
• 1 EC型燃料电池系统
•   1.1 EC技术
•   1.2 EC型燃料电池系统
•   1.3 故障类型
•     1.3.1 膜干故障
•     1.3.2 氢气泄漏故障
• 2 在线序列超限学习机和主成分分析
•   2.1 超限学习机
•   2.2 在线序列超限学习机
•     2.2.1 OS-ELM初始化学习阶段
• 3 基于PCA-OS-ELM的EC型燃料电池系统故障诊断
• 4 实例分析
•   4.1 数据采集
•   4.2 特征量提取
•   4.3 诊断决策
•   4.4 对比分析
•     4.4.1 识别正确率对比
•     4.4.2 运算时间对比
• 5 结论

文章来源

类型: 期刊论文

作者: 刘嘉蔚,李奇,陈维荣,余嘉熹,燕雨

关键词: 在线序列超限学习机,蒸汽冷却型燃料电池系统,故障诊断,主成分分析,数据驱动

来源: 电工技术学报 2019年18期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 无机化工,电力工业

单位: 西南交通大学电气工程学院

基金: 国家自然科学基金(61473238),四川省科技计划(应用基础面上项目)(19YYJC0698)资助项目

分类号: TM911.4

DOI: 10.19595/j.cnki.1000-6753.tces.181051

页码: 3949-3960

总页数: 12

文件大小: 3082K

下载量: 375