一种基于深度学习的燃料电池剩余寿命预测方法
授权
摘要
本发明涉及一种基于深度学习的燃料电池剩余使用寿命预测方法。采用深度神经网络模型，从而实现燃料电池RUL的准确预测，属于质子交换膜燃料电池健康状态监测技术领域。具体步骤为：S1：获取燃料电池的监测数据，并降噪处理；S2：对降噪处理后的训练数据进行拟合，建立当前输入数据与目标数据之间的非线性映射关系；S3：建立损失函数并通过反馈求导的方法，优化神经网络模型参数，得到最优的神经网络模型；S4：将预测起点的输入数据作为最优DNN的输入，从而实现迭代滚动预测。S4可以简单的概括为：迭代地使用神经网络的当前时刻的预测输出作为下一时刻预测的输入，迭代滚动预测电压或功率输出，从而实现燃料电池RUL预测。
基本信息
专利标题 ：
一种基于深度学习的燃料电池剩余寿命预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112986827A
申请号 ：
CN202110385900.2
公开（公告）日 ：
2021-06-18
申请日 ：
2021-04-12
授权号 ：
CN112986827B
授权日 ：
2022-06-03
发明人 ：
杨鑫冷承霖刘凯
申请人 ：
山东凯格瑞森能源科技有限公司
申请人地址 ：
山东省烟台市经济技术开发区长江路300号业达智谷孵化器C栋18楼1806室
代理机构 ：
北京中创博腾知识产权代理事务所(普通合伙)
代理人 ：
李艳艳
优先权 ：
CN202110385900.2
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/392 G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/367
••其软件，例如 使用建模或查找表进行电池测试
法律状态
2022-06-03 ：
授权
2021-07-06 ：
实质审查的生效
IPC(主分类) : G01R 31/367
申请日 : 20210412
申请日 : 20210412
2021-06-18 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
