| 摘 要： | 燃料电池的寿命预测是燃料电池健康管理的重要组成部分，可为燃料电池的运行和维护提供指导性意见。为提高寿命预测的工况适应性并保证预测精度，本工作结合长短期记忆神经网络（long short-term memory neural network,LSTM）和无迹粒子滤波（unscented particle filter, UPF）两种算法的优势，提出了一种LSTMUPF混合驱动方法进行稳态和准动态工况下燃料电池的寿命预测。该方法首先优化训练预测模型的实验数据并采用离散小波变换（discrete wavelet transform, DWT）技术将其分解为高频部分和低频部分，使用LSTM算法对这两部分分别进行预测实现对燃料电池长期老化趋势的预测，并使用修正因子对趋势预测结果进行漂移修正，然后利用得到的燃料电池长期老化趋势，根据UPF算法对燃料电池的剩余使用寿命（remaining useful life,RUL）进行估计。采用预测寿命终点、预测寿命误差、置信区间宽度、RUL预测误差等评价指标对不同寿命预测方法进行对比分析，结果表明，LSTM-UPF混合预测方法对燃料电池稳态工况和准动态工况的...
|
