基于模糊C均值聚类和概率神经网络的PEMFC故障诊断方法

摘要

本发明涉及一种基于模糊C均值聚类和概率神经网络的PEMFC故障诊断方法，属于燃料电池技术领域。首先基于修正后的燃料电池电堆Fouquet等效电路模型，并结合电堆EIS阻抗谱实验数据，得到电堆的膜干、水淹、氧饥饿和正常4种健康状态与电路模型参数的对应关系，进而提取合适的故障特征量作为聚类算法的特征输入。然后，论文利用模糊C均值聚类算法对故障样本数据进行聚类，形成标准聚类中心，采用概率神经网络算法对故障样本实现多故障分类，实现有效剔除奇异数据并提高模型分类的正确率。对200组实验数据进行了实例分析，并与支持向量机和K最邻近方法进行了对比，表明所提方法能够对4种电堆工作状态进行快速识别。