基于LSTM-RNN的质子交换膜燃料电池故障检测方法

摘要

精准地故障检测不仅是准确定位故障根源的重要前提,更是及时故障恢复的关键所在。因此,本文基于LST包括正常和6种常见异常数据;其次用这些数据构建时序序列,训练LSTM模型对这些故障序列进行分类,并通过贝叶斯优化获取最佳参数;最后通过LSTM模型与RNN、SVM和BP神经网络三种方法进行对比。结果显示,本文所提方法对燃料电池故障分类准确率达95%以上,比对比方法至少高3%。该方法仅采集系统输出的电压、电流,无需复杂昂贵的传感器监控,简单且成本低。