机械工程学报

作者：孙誉宁, 毛磊, 黄伟国, 章恒, 陆守香

单位：1. 中国科学技术大学精密机械与精密仪器系 合肥 230022;2. 中国科学技术大学先进技术研究院 合肥 230094;3. 苏州大学轨道交通学院 苏州 215131;4. 合肥学院人工智能与大数据学院 合肥 230601;5. 中国科学技术大学火灾科学国家重点实验室 合肥 230022

关键词：质子交换膜燃料电池,早期故障诊断,磁场,卷积神经网络；

基金：国家自然科学基金(51975549);安徽省重点研发计划标准化专项(202104h04020006);安徽省自然科学基金(1908085ME161);合肥市自然科学基金(2021022)资助项目

故障诊断作为解决质子交换膜燃料电池（Proton exchange membrane fuel cell,PEMFC）的安全和寿命问题的重要途径之一，备受研究人员关注。然而在当前PEMFC诊断中，对其早期故障诊断的研究较少，而在亟需早期故障诊断以便及时进行维护控制的PEMFC应用领域，如燃料电池汽车等，在故障发生早期对其进行精确诊断极其重要。该文针对现有PEMFC早期故障诊断方法匮乏问题，提出一种基于磁场的PEMFC故障诊断方法。首先建立PEMFC三维仿真模型，研究燃料电池性能变化与其外部磁场间关联机制，在此基础上搭建燃料电池磁场检测系统，并构建卷积神经网络（Convolutional neural network,CNN）对采集的磁场数据进行分析，验证其在包括水淹、膜干等不同PEMFC故障中的早期诊断效果。结果表明，采用基于磁场数据和卷积神经网络的故障诊断方法，可实现燃料电池不同程度、不同类型故障的在线识别和早期诊断。研究结果验证了磁场数据用于PEMFC故障诊断的可行性，对促进PEMFC故障诊断方法进一步发展、提升PEMFC系统可靠性和耐久性具有重要意义。

来源：2022年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第22期