期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LSTM-UPF混合驱动方法的燃料电池寿命预测
1
作者
曾其权
罗马吉
+1 位作者
杨印龙
黄庆泽
《储能科学与技术》
CAS
CSCD
北大核心
2024年第3期963-970,共8页
燃料电池的寿命预测是燃料电池健康管理的重要组成部分,可为燃料电池的运行和维护提供指导性意见。为提高寿命预测的工况适应性并保证预测精度,本工作结合长短期记忆神经网络(long short-term memory neural network,LSTM)和无迹粒子滤...
燃料电池的寿命预测是燃料电池健康管理的重要组成部分,可为燃料电池的运行和维护提供指导性意见。为提高寿命预测的工况适应性并保证预测精度,本工作结合长短期记忆神经网络(long short-term memory neural network,LSTM)和无迹粒子滤波(unscented particle filter,UPF)两种算法的优势,提出了一种LSTMUPF混合驱动方法进行稳态和准动态工况下燃料电池的寿命预测。该方法首先优化训练预测模型的实验数据并采用离散小波变换(discrete wavelet transform,DWT)技术将其分解为高频部分和低频部分,使用LSTM算法对这两部分分别进行预测实现对燃料电池长期老化趋势的预测,并使用修正因子对趋势预测结果进行漂移修正,然后利用得到的燃料电池长期老化趋势,根据UPF算法对燃料电池的剩余使用寿命(remaining useful life,RUL)进行估计。采用预测寿命终点、预测寿命误差、置信区间宽度、RUL预测误差等评价指标对不同寿命预测方法进行对比分析,结果表明,LSTM-UPF混合预测方法对燃料电池稳态工况和准动态工况的RUL预测误差分别为4.1%和3.4%,比基于模型的PF和UPF方法具有更精确的RUL预测结果与高质量的预测置信区间,工况适应性良好。本研究有助于提高多工况下的燃料电池寿命预测精度和置信度。
展开更多
关键词
质子交换膜燃料电池
寿命预测
长短期记忆神经网络
无迹粒子滤波
下载PDF
职称材料
基于SA-ANFIS-AUKF的PEMFC剩余使用寿命预测方法
2
作者
黄庆泽
罗马吉
张锐明
《电源技术》
CAS
北大核心
2023年第5期610-614,共5页
为实现在恒定和变载工况下对质子交换膜燃料电池(PEMFC)的剩余使用寿命(RUL)预测,提出了一种基于SA-ANFIS-AUKF的混合驱动预测方法。该方法首先基于结合模拟退火(SA)算法的自适应神经模糊推理系统(ANFIS)实现未来衰退趋势(FDT)预测,然...
为实现在恒定和变载工况下对质子交换膜燃料电池(PEMFC)的剩余使用寿命(RUL)预测,提出了一种基于SA-ANFIS-AUKF的混合驱动预测方法。该方法首先基于结合模拟退火(SA)算法的自适应神经模糊推理系统(ANFIS)实现未来衰退趋势(FDT)预测,然后基于预测的电压衰退结果,结合电压衰减半机理模型和自适应无迹卡尔曼滤波(AUKF)算法实现了准确的剩余使用寿命估计。并利用法国燃料电池实验室恒定工况数据集和物流车变载工况数据集进行验证,RUL估计结果的平均准确度分别为0.881 8和0.785 4。在100 h预测时长下,预测RUL的平均绝对误差均不超过12.5 h。结果表明,该混合方法不仅适用于恒定负载,在动态负载下也有良好的预测效果。
展开更多
关键词
质子交换膜燃料电池
剩余使用寿命
自适应神经模糊推理系统
自适应无迹卡尔曼滤波
下载PDF
职称材料
题名
基于LSTM-UPF混合驱动方法的燃料电池寿命预测
1
作者
曾其权
罗马吉
杨印龙
黄庆泽
机构
中广核研究院有限公司
武汉理工大学汽车工程学院
出处
《储能科学与技术》
CAS
CSCD
北大核心
2024年第3期963-970,共8页
基金
国家自然科学基金(52277080)
湖北省重点研发计划(2023BAB114)。
文摘
燃料电池的寿命预测是燃料电池健康管理的重要组成部分,可为燃料电池的运行和维护提供指导性意见。为提高寿命预测的工况适应性并保证预测精度,本工作结合长短期记忆神经网络(long short-term memory neural network,LSTM)和无迹粒子滤波(unscented particle filter,UPF)两种算法的优势,提出了一种LSTMUPF混合驱动方法进行稳态和准动态工况下燃料电池的寿命预测。该方法首先优化训练预测模型的实验数据并采用离散小波变换(discrete wavelet transform,DWT)技术将其分解为高频部分和低频部分,使用LSTM算法对这两部分分别进行预测实现对燃料电池长期老化趋势的预测,并使用修正因子对趋势预测结果进行漂移修正,然后利用得到的燃料电池长期老化趋势,根据UPF算法对燃料电池的剩余使用寿命(remaining useful life,RUL)进行估计。采用预测寿命终点、预测寿命误差、置信区间宽度、RUL预测误差等评价指标对不同寿命预测方法进行对比分析,结果表明,LSTM-UPF混合预测方法对燃料电池稳态工况和准动态工况的RUL预测误差分别为4.1%和3.4%,比基于模型的PF和UPF方法具有更精确的RUL预测结果与高质量的预测置信区间,工况适应性良好。本研究有助于提高多工况下的燃料电池寿命预测精度和置信度。
关键词
质子交换膜燃料电池
寿命预测
长短期记忆神经网络
无迹粒子滤波
Keywords
proton exchange membrane fuel cell
life prediction
long short-term memory neural network
unscented particle filter
分类号
TK91 [动力工程及工程热物理]
TM911 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
基于SA-ANFIS-AUKF的PEMFC剩余使用寿命预测方法
2
作者
黄庆泽
罗马吉
张锐明
机构
武汉理工大学汽车工程学院
先进能源科学与技术广东省实验室佛山分中心
广东省武理工氢能产业技术研究院
出处
《电源技术》
CAS
北大核心
2023年第5期610-614,共5页
文摘
为实现在恒定和变载工况下对质子交换膜燃料电池(PEMFC)的剩余使用寿命(RUL)预测,提出了一种基于SA-ANFIS-AUKF的混合驱动预测方法。该方法首先基于结合模拟退火(SA)算法的自适应神经模糊推理系统(ANFIS)实现未来衰退趋势(FDT)预测,然后基于预测的电压衰退结果,结合电压衰减半机理模型和自适应无迹卡尔曼滤波(AUKF)算法实现了准确的剩余使用寿命估计。并利用法国燃料电池实验室恒定工况数据集和物流车变载工况数据集进行验证,RUL估计结果的平均准确度分别为0.881 8和0.785 4。在100 h预测时长下,预测RUL的平均绝对误差均不超过12.5 h。结果表明,该混合方法不仅适用于恒定负载,在动态负载下也有良好的预测效果。
关键词
质子交换膜燃料电池
剩余使用寿命
自适应神经模糊推理系统
自适应无迹卡尔曼滤波
Keywords
proton exchange membrane fuel cell
remaining useful life
adaptive neuro fuzzy inference system
adaptive unscented Kalman filter
分类号
TM911 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LSTM-UPF混合驱动方法的燃料电池寿命预测
曾其权
罗马吉
杨印龙
黄庆泽
《储能科学与技术》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于SA-ANFIS-AUKF的PEMFC剩余使用寿命预测方法
黄庆泽
罗马吉
张锐明
《电源技术》
CAS
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部