龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：淮阴工学院
申请日：2024-02-04
公开（公告）日：2024-05-17
公开（公告）号：CN118050644A
主分类号：G01R31/367
分类号：G01R31/367;G06N3/0464;G06N3/0985;G06N20/20;G06F18/10;G06F18/213;G06N3/042;G01R31/378;G01R31/385;G01R31/392;G01R31/396
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.04#实质审查的生效;2024.05.17#公开
摘要：本发明公开一种氢燃料电池性能衰退预测方法、装置及介质，所述方法包括：对预先获取的氢燃料电池电压退化数据进行预处理，采用结合局部加权回归法的VMD算法对原始数据进行降噪平滑处理，采用XGBoost对数据进行特征参数提取，进一步采用半数均匀初始化策略和透镜成像折射学习方法对光学显微镜算法进行改进，得到IOMA，同时使用IOMA对图卷积神经网络GCN和基于傅里叶变换的频域增强分解变压器结合的神经网络模型GCN‑FEDformer进行参数优化，得到IOMA‑GCN‑FEDformer预测模型，并将测试数据样本输入到IOMA‑GCN‑FEDformer预测模型中得到最终预测结果。本发明能够有效地提高氢燃料电池性能衰退预测模型精度，也为氢燃料电池寿命的预测提供了可靠的依据。
主权项：1.一种氢燃料电池性能衰退预测方法，其特征在于，包括以下步骤：1对预先获取的氢燃料电池电压退化数据进行预处理，采用结合局部加权回归法的VMD算法对电压退化数据进行降噪平滑处理；2采用XGBoost算法对进行降噪处理后的电压退化数据进行特征选取，选择与氢燃料电池性能衰退密切相关的变量；3采用半数均匀初始化策略对OMA的种群初始化进行改进；在经过物镜和目镜的放大寻优之后，采用透镜成像折射学习方法，使OMA再进行一次新的放大寻优，得到IOMA算法；4采用IOMA算法对图卷积神经网络GCN和基于傅里叶变换的频域增强分解变压器结合的神经网络模型GCN-FEDformer模型的超参数进行优化，获得最优超参数，完成IOMA-GCN-FEDformer预测模型的构建；5将氢燃料电池电压性能衰退的测试数据样本输入到IOMA-GCN-FEDformer预测模型中进行预测，得到氢燃料电池性能衰退评估的预测结果。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种氢燃料电池性能衰退预测方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号