申请/专利权人:山东科技大学
申请日:2024-05-15
公开(公告)日:2024-06-14
公开(公告)号:CN118194025A
主分类号:G06F18/213
分类号:G06F18/213;G06F18/241;G06N3/0464;G06N3/096;G01R31/36;G06F123/02
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明公开了基于迁移学习的燃料电池水故障诊断方法及系统,涉及电池故障诊断领域,其中方法步骤包括:基于燃料电池系统,采集一维时间序列的电压信号数据;基于一维时间序列的电压信号数据,提取统计学特征并同时获取时间序列图像;基于统计学特征和时间序列图像,构建故障诊断模型;利用故障诊断模型,完成燃料电池水故障诊断。本发明数据来源简单,只需要收集电压数据,不需要其他复杂的数据或传感器;同时可以充分保留和利用一维时间序列数据的相对关系,保留了数据在时间维度上的结构特征;进而可以通过电压数据快速进行故障诊断。此外,本发明还充分利用统计学特征,增强了特征表达能力,提高了模型鲁棒性和泛化能力。
主权项:1.基于迁移学习的燃料电池水故障诊断方法,其特征在于,步骤包括:基于燃料电池系统,采集一维时间序列的电压信号数据;基于所述一维时间序列的电压信号数据,提取统计学特征并同时获取时间序列图像,所述时间序列图像为二维图像;基于所述统计学特征和所述时间序列图像,构建故障诊断模型;利用所述故障诊断模型,完成燃料电池水故障诊断。
全文数据:
权利要求:
百度查询: 山东科技大学 基于迁移学习的燃料电池水故障诊断方法及系统
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。