新材料及其应用

本发明公开了一种质子交换膜燃料电池寿命预测的方法，采用改进的蛇优化算法分别优化卷积神经网络模型CSO?CNN和随机向量网络模型CSO?RVFL进行退化趋势预测；采用粒子滤波嵌套半经验模型，首先通过燃料电池的物理模型进行循环迭代得到状态方程和观测方程的参数范围，并利用粒子群优化算法进行对物理模型进行参数优化；最后采用Blending算法对数据驱动模型和物理模型预测结果进行集成学习得到燃料电池的性能退化趋势，使用性能退化趋势预测结果对质子交换膜燃料电池剩余寿命进行预测。本发明利用改进的蛇算法对CNN和RVFL模型进行同步优化，能够更好的得到燃料电池性能退化趋势，实现对质子交换膜燃料电池剩余寿命的精确快速预测。

成果亮点

发明目的：针对背景技术中指出的问题，本发明公开了一种质子交换膜燃料电池寿命预测的方法，实现对质子交换膜燃料电池剩余寿命的精确快速预测。 技术方案：本发明公开一种质子交换膜燃料电池寿命预测的方法，包括以下步骤： (1)预先获取质子交换膜燃料电池监测数据；并对该数据进行预处理； (2)基于互信息的主成分分析法对步骤(1)获取的数据进行处理，并通过高斯核函数法滤除噪声尖峰，获取输入变量集，并划分为训练集和测试集； (3)建立改进的蛇算法优化的卷积神经网络模型CSO-CNN，将步骤(2)中获取的训练集输入CSO-CNN模型中进行训练，并通过测试集得到堆栈输出电压与燃料电池使用时间的退化趋势DT1； (4)建立改进的蛇算法优化随机向量函数连接网络模型CSO-RVFL，将步骤(2)中获取的训练集输入CSO-RVFL模型中进行训练，并通过测试集得到堆栈输出电压与燃料电池使用时间的退化趋势DT2；

质子交换膜燃料电池（PEMFCs）是一种非常有前途的清洁能源技术，其在电动汽车、分散式能源和固定式发电等领域都有广泛的应用前景。因此，研究这类电池寿命预测的方法具有重要意义。

寿命预测是一种用于评估 PEMFCs 剩余使用寿命的方法，是保障和提高其可靠性和寿命的关键步骤。具体来说，该方法可以用于以下几个方面：

设备维护和维修：通过预测电池的使用寿命，可以确定何时需要更换或维修电池，以确保其继续正常工作。

能源管理：通过了解电池的剩余使用寿命，可以制定更精确的能源管理计划，以确保整个系统的高效稳定运行。

产品改进：通过对不同种类的电池进行寿命预测，可以比较它们的性能差异，并找到改进或优化的方向，提高电池的寿命和性能表现。

综上所述，一种质子交换膜燃料电池寿命预测的方法在对 PEMFCs 的寿命和性能评估方面有着重要应用，有助于提高 PEMFCs 的可靠性、安全性和经济性。

有益效果：与现有技术相比，本发明的有益效果：1、本发明采用互信息改进主成分分析法，利用数据集的互信息矩阵代替主成分分析法中的协方差或相关系数矩阵，获得堆栈输出电压最佳的输入变量集，并结合高斯核函数去除噪声对模型精度的影响；2、基于模型和数据由于彼此的局限性，通过组合或融合多种模型，可以充分发挥不同模型的各自优势，以获得更好的预测精度；3、本发明利用改进的SO算法对CNN和RVFL模型进行同步优化，能够更好的得到燃料电池性能退化趋势；4、利用Blending集成对数据驱动和物理模型得到燃料电池性能退化趋势机型结果进行集成学习，得到最终燃料电池性能退化趋势预测结果，并计算不同失效阈值下的观测剩余使用寿命和预测剩余使用寿命实现对质子交换膜燃料电池剩余寿命预测。