典型文献
基于Res-LSTM的燃料电池系统故障检测
文献摘要：
质子交换膜燃料电池系统由多个子系统组成,其运行机理复杂,在运行中易发生多种故障,对其进行故障检测有利于控制策略调整,提高系统的可靠性.本文运用残差-长短期记忆网络(Residual Network with Long Short-Term Memory,Res-LSTM)对质子交换膜燃料电池系统的输入输出关系进行建模,运用基于模型的方法对燃料电池系统进行故障检测.实验结果表明,残差-长短期记忆网络能准确预测正常状态的燃料电池输出电压,通过电压残差阈值比较,可以进行故障检测.与长短期记忆网络相比,残差-长短期记忆网络的预测结果更精确,训练速度更快,电压残差阈值更小,从而可以获得更准确的故障检测结果.
文献关键词：
质子交换膜燃料电池;故障检测;残差-长短期记忆网络;模型
中图分类号：
作者姓名：
全睿;乐有生;李涛;常雨芳;谭保华
作者机构：
湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室,湖北 武汉430068;湖北工业大学 电气与电子工程学院,湖北 武汉,430068;湖北工业大学 理学院,湖北 武汉430068
文献出处：
引用格式：
[1]全睿;乐有生;李涛;常雨芳;谭保华-.基于Res-LSTM的燃料电池系统故障检测)[J].昆明理工大学学报（自然科学版）,2022(06):68-77
A类：
B类：
系统故障,故障检测,质子交换膜燃料电池系统,统由,系统组成,运行机理,中易,策略调整,长短期记忆网络,Residual,Network,Long,Short,Term,Memory,对质,输入输出关系,基于模型的方法,准确预测,正常状态,输出电压,过电压,电压残差,残差阈值,阈值比较,训练速度
AB值：
0.236631
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
