质子交换膜燃料电池系统由多个子系统组成,其运行机理复杂,在运行中易发生多种故障,对其进行故障检测有利于控制策略调整,提高系统的可靠性.本文运用残差-长短期记忆网络(Residual Network with Long Short-Term Memory, Res-LSTM)对质...质子交换膜燃料电池系统由多个子系统组成,其运行机理复杂,在运行中易发生多种故障,对其进行故障检测有利于控制策略调整,提高系统的可靠性.本文运用残差-长短期记忆网络(Residual Network with Long Short-Term Memory, Res-LSTM)对质子交换膜燃料电池系统的输入输出关系进行建模,运用基于模型的方法对燃料电池系统进行故障检测.实验结果表明,残差-长短期记忆网络能准确预测正常状态的燃料电池输出电压,通过电压残差阈值比较,可以进行故障检测.与长短期记忆网络相比,残差-长短期记忆网络的预测结果更精确,训练速度更快,电压残差阈值更小,从而可以获得更准确的故障检测结果.展开更多
文摘质子交换膜燃料电池系统由多个子系统组成,其运行机理复杂,在运行中易发生多种故障,对其进行故障检测有利于控制策略调整,提高系统的可靠性.本文运用残差-长短期记忆网络(Residual Network with Long Short-Term Memory, Res-LSTM)对质子交换膜燃料电池系统的输入输出关系进行建模,运用基于模型的方法对燃料电池系统进行故障检测.实验结果表明,残差-长短期记忆网络能准确预测正常状态的燃料电池输出电压,通过电压残差阈值比较,可以进行故障检测.与长短期记忆网络相比,残差-长短期记忆网络的预测结果更精确,训练速度更快,电压残差阈值更小,从而可以获得更准确的故障检测结果.
