典型文献
基于机器学习的质子交换膜燃料电池寿命预测研究
文献摘要：
针对质子交换膜燃料电池寿命预测的问题,提出一种将小波阈值去噪算法与机器学习技术相结合的预测方法.基于公开的质子交换膜燃料电池长时间运行数据集,以质子交换膜燃料电池的电压为寿命指标,利用小波阈值滤波算法剔除原始数据中的噪声干扰,保留质子交换膜燃料电池老化信息,同时搭建长短时记忆神经网络电压预测模型,利用去噪后的数据对模型进行训练,并在750 h及850 h处设置预测起点.利用实际电压变化趋势对预测结果进行验证,结果表明,不同预测起点的均方根误差均在0.005以内,决定系数均大于0.8,剩余使用寿命预测误差小于2％,验证了本文所提出预测方法可以以较高精度对质子交换膜燃料电池寿命进行预测.
文献关键词：
质子交换膜燃料电池;寿命预测;小波阈值滤波;长短时记忆神经网络
中图分类号：
作者姓名：
蓝煜;吴占宽;姜琦;熊树生
作者机构：
浙江大学,浙江 杭州310012
文献出处：
引用格式：
[1]蓝煜;吴占宽;姜琦;熊树生-.基于机器学习的质子交换膜燃料电池寿命预测研究)[J].现代机械,2022(05):1-5
A类：
B类：
基于机器学习,质子交换膜燃料电池,电池寿命预测,预测研究,对质,小波阈值去噪,去噪算法,机器学习技术,技术相结合,长时间运行,运行数据,小波阈值滤波,滤波算法,原始数据,噪声干扰,电池老化,长短时记忆神经网络,电压预测,用去,电压变化,决定系数,剩余使用寿命预测,预测误差
AB值：
0.191456
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。
