一种基于燃料电池变化状态的检测方法及装置

文档序号:36796459发布日期:2024-01-23 12:19阅读:来源:国知局

技术特征:

1.一种基于燃料电池变化状态的检测方法,其特征在于,所述方法包括:

2.如权利要求1所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述确定电池在目标区域的变化状态,包括:

3.如权利要求2所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述确定电池在目标区域的变化状态,还包括:

4.如权利要求1所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述根据所述变化状态,基于分析算法,确定变化状态下电池的数据特征,从而实现数据降维,包括:

5.如权利要求1所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述基于长短期记忆神经网络模型,得到归一划分的训练数据集合,包括:

6.如权利要求5所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述输出门将控制当前状态有多少需要输出到当前的输出值,从而得到归一划分的训练数据集合,包括:

7.如权利要求6所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述方法还包括:

8.如权利要求1所述的一种基于燃料电池变化状态的检测方法,其特征在于,所述根据所述训练数据集合,确定是否更新长短期记忆神经网络模型参数,包括:

9.一种基于燃料电池变化状态的检测装置,其特征在于,所述装置包括:

10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-8任一项所述的一种基于燃料电池变化状态的检测方法。


技术总结
本发明属于燃料电池状态的检测方法技术领域,具体涉及一种基于燃料电池变化状态的检测方法及装置,该方法包括:确定电池在目标区域的变化状态,所述变化状态用于表示电池在目标区域的变化;根据所述变化状态,基于分析算法,确定变化状态下电池的数据特征,从而实现数据降维。可见,该方法通过使用主成分分析方法,有效地降低了用于在线故障诊断所需要输入的数据维度,大大地降低了在线运算量;其次,通过采用长短期记忆神经网络模型(算法),有效地提高了燃料电池运行状态的分类准确度;最后,根据训练数据集合,确定是否更新长短期记忆神经网络模型参数,使得分类器诊断精度可以随运行时间不断提升。

技术研发人员:卜庆元,张诗蔚,马宁,李超,罗庆贺,孙柏刚
受保护的技术使用者:北京理工大学
技术研发日:
技术公布日:2024/1/22
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1