一种车载氢燃料电池性能衰减实时预测方法

本发明属于车用燃料电池领域，具体地说，涉及一种车载氢燃料电池性能衰减实时预测方法。

背景技术：

1、以氢气为燃料的质子交换膜燃料电池(pemfc)逐渐成熟，具有能量转换效率高、真正实现零排放无污染等优点，使其成为未来最有前途的一种新型能源系统，特别是在汽车领域逐步获得越来越广泛的应用。目前氢气燃料电池作为车用能量源时寿命通常只有2500-3000小时，但乘用车和商用车则要求其寿命至少分别达到5000小时和10000小时以上，才能满足使用要求。因此，一直以来很多学者致力于燃料电池寿命研究，涉及寿命影响因素、耐久性、寿命(性能衰减)预测方法等。影响车用燃料电池寿命的影响因素众多而复杂，其动态响应能力是关键因素之一，主要受燃料电池结构参数、运行参数影响。而研究燃料电池性能衰减预测方法对提高其耐久性具有重大意义，成为最受关注的领域之一。

2、现有研究中，主要有模型驱动预测方法、数据驱动预测方法。前者需要获得燃料电池衰减机理，但由于其衰减过程的复杂性，通常难以用精确的数学模型来描述。后者根据实验测量获得大量燃料电池的数据，将数据转化为对应的模型，对其未来的性能衰减进行预测。所涉及到的方法多以恒定行驶工况下影响燃料电池性能衰减因素为基础进行建模，但实际上车载燃料电池一直工作在动态变载工况中，车辆的变载、启/停、怠速和高负荷都对其寿命有很大影响，因而，这些方法实现动态实时预测仍存在不足。

3、作为一种数据驱动预测方法的雨流计数法，主要用于工程界，特别在寿命损耗计算中获得广泛运用，该法根据对象的应力-应变之间非线性关系进行计数，根据制定的计数规则统计载荷全循环次数，并记录各个循环的最大、最小值，计算全循环的幅值和均值，构成幅值、均值、循环次数的三维载荷谱，利用该载荷谱分析对象受到的损伤度，预测对象的寿命。传统的雨流计数法存在不能计取应力-应变响应中全部全循环、需要全部实验数据计算等不足，缺乏实时性。如何建立实时雨流计数法，并应用到燃料电池性能衰减预测中，这是一种新方法，值得探讨。

4、有鉴于此特提出本发明。

技术实现思路

1、本发明要解决的技术问题在于克服现有技术的不足，提供一种车载氢燃料电池性能衰减实时预测方法，解决了上述背景技术中提出的问题。

2、为解决上述技术问题，本发明采用技术方案的基本构思是：

3、一种车载氢燃料电池性能衰减实时预测方法，包括：

4、s1：根据行驶工况特征参数，建立基于学习向量量化神经网络的工况识别模型，识别变载、启/停、怠速和高负荷的4种工况类别；

5、s1.1：确定工况类别，根据影响燃料电池性能衰减主要行驶工况，选取变载、启/停、怠速和高负荷的4种工况类别；

6、s1.2：确定行驶工况特征参数，选取11个工况特征参数；

7、s1.3：构建用于工况识别的基于学习向量量化神经网络，设置输入层、竞争层和线性输出层3层网络，达到工况识别的目的；输入层接收工况类别标签及11个特征参数值，竞争层通过学习，建立训练用的各短行程片段特征参数与该片段所属工况类别之间的关系；线性输出层是将竞争层学习得到的类别转换成定义的分类目标，即输出行驶工况的类别，达到工况识别的目的；

8、s1.4：确定学习算法，选用同时激活两个竞争层神经元的lvq2算法作为基于学习向量量化神经网络工况识别模型的学习算法；

9、s1.5：使用工况特征参数进行网络训练，获得基于学习向量量化神经网络的工况识别模型。

10、s2：建立适用4种工况类别的改进实时雨流计数法；

11、s2.1：采用“三点法”判断峰值或谷值，实时提取某个历程的三个数据y(n-1)、y(n)、y(n+1)，若满足(y(n)-y(n-1))×(y(n)-y(n+1))>0，则判断y(n)为峰值或谷值；

12、s2.2：设置三个区域存放峰谷值，达到实时计算的要求；三个区域为中间区、极大值区和极小值区以存放数据，中间区存放步骤s2.1获得的峰值或谷值，当中间区域至少存放2个数据时，按顺序进行比较，较大的数据存放在极大值区域，较小的数据存放在极小值区域；

13、s2.3：采用峰谷值比较法融合多变程计数法提取波动幅值、均值和循环次数；采用“四点法”峰谷值比较法，每次计算用到4个峰谷值，变程是相邻两个峰谷值差的绝对值，本质上为波动幅值，使用多个变程进行计数；

14、s2.3.1：从s2.2步骤中的数据区域中提取相邻的4个峰谷值，计算两两差值，取其绝对值获得相邻序列的3个变程；

15、s2.3.2：判断中间序列的变程是否为最小值，是则提取该变程，计一个全循环数，并计算该变程对应的均值；

16、s2.3.3：在s2.3.2步骤中余下的2个变程组合成一个新变程，与新采样值获得的下2个序列的新变程进行新一轮计算；

17、s2.3.4：在s2.3.2步骤中，当中间序列的变程不满足最小值条件，将第一个变程暂存，第二、三个变程与新的第四个变程进行比较，若满足上述最小值条件，按上述的过程操作，并将第二、第三个变程组合成一个新变程，与暂存的第一个变程、取出的第五个变程进行比较；

18、s2.3.5：循环以上步骤，记录下波动幅值、均值和循环次数，为后续性能衰减预测计算所用。

19、s3：根据建立的改进实时雨流计数法计算变载循环次数、启/停循环次数、怠速时间和高负荷时间；使用改进的实时雨流计数法，确定各工况的实时行驶速度与雨流计数法的波动幅值、均值和循环次数对应关系；使用改进的实时雨流计数法，记录四类工况的循环次数和计算工况循环时间；

20、s4：根据变载循环次数、启/停循环次数、怠速时间和高负荷时间，计算燃料电池的性能衰减率，获得电池寿命预测结果；

21、计算燃料电池的性能衰减率的公式如下：

22、

23、其中，δv为允许的质子交换膜燃料电池最大电压衰减值；kμ为不同质子交换膜燃料电池系统的校正因子；μ1、μ2、μ3、μ4分别为变载、启/停、怠速和高负荷工况下性能衰减率；n1、n2、t1、t2分别为变载工况循环次数、启/停工况循环次数、怠速工况时间和高负荷工况时间；

24、通过步骤s3记录下n1、n2、t1、t2，计算出燃料电池的性能衰减率，获得其寿命预测结果。

25、采用上述技术方案后，本发明与现有技术相比具有以下有益效果，当然，实施本发明的任一产品并不一定需要同时达到以下所述的所有优点：

26、1、本发明提供一种新的实时雨流计数方法，可以使用较少的历史数据，采用实时采集数据，循环计算，实时获得相关物理量的波动幅值、均值和循环次数，为各种应用奠定基础。该方法避免传统方法使用全部历史数据进行计算、实时性较差等不足；

27、2、应用的基于学习向量量化神经网络工况预测模型和改进实时雨流计数法，实现依据汽车行驶工况实时预测氢燃料电池性能衰减率，极大地降低了燃料电池性能衰减预测方法的工程应用难度；

28、3、通过本发明的应用，可建立燃料电池混合动力汽车的燃料电池性能衰减性能指标，有利于该类汽车能量管理的实时优化，实现燃料电池等各功率源的最佳能量分配，降低氢气消耗，提升整车燃料经济性；同时，能量实现实时优化后有利于延长燃料电池的使用寿命。

29、下面结合附图对本发明的具体实施方式作进一步详细的描述。