买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学宁波研究院

摘要：本申请的实施例涉及燃料电池技术领域，公开了一种基于AGA‑SVR的燃料电池剩余使用寿命的预测方法，该方法包括：获取训练样本集；构建SVR回归模型；定义搜索空间，在搜索空间中随机生成种群并进行初始化；使用训练样本集对SVR回归模型进行迭代训练，计算种群中每个染色体的适应度，并基于适应度在种群中确定亲代染色体；通过对亲代染色体进行基因重组实现种群更新，在达到最大迭代次数后，将最新的种群中适应度最高的染色体对应的惩罚因子和核参数作为最优参数，得到训练完成的预测模型；将采集到的待测燃料电池的输出电压数据输入至预测模型，得出待测燃料电池的剩余使用寿命，该方法提升了燃料电池剩余使用寿命的预测速度和精度。

主权项：1.一种基于AGA-SVR的燃料电池剩余使用寿命的预测方法，其特征在于，包括：获取训练样本集和测试样本集；其中，所述训练样本集和所述测试样本集中均包含若干个样本电压数据，所述样本电压数据上标注有表征燃料电池的真实剩余使用寿命的标签；构建SVR回归函数拟合燃料电池的输出电压与剩余使用寿命之间的关系，建立经验风险函数和结构风险函数并引入惩罚因子，基于所述经验风险函数、所述结构风险函数和所述惩罚因子，利用结构风险最小化原则，将所述SVR回归函数转化为优化函数，最后基于所述优化函数，引入拉格朗日函数和混合核函数，得到SVR回归模型；定义超参数空间作为AGA的搜索空间，在所述搜索空间中随机生成由若干个染色体组成的种群并进行种群初始化；其中，所述超参数空间包括所述惩罚因子参数的取值范围和所述混合核函数的核参数的取值范围；使用所述训练样本集对所述SVR回归模型进行迭代训练，计算所述种群中每个染色体的适应度，并基于所述适应度在所述种群中确定亲代染色体；通过对所述亲代染色体进行基因重组实现种群更新，并计算更新后的种群中每个染色体的适应度，直至迭代次数达到预设的最大迭代次数后，将最新的种群中适应度最高的染色体对应的惩罚因子参数和核参数作为最优参数，得到训练完成的预测模型，使用所述测试样本集对所述预测模型进行性能测试；采集待测燃料电池的输出电压数据，采用鲁棒局部加权平滑算法对所述输出电压数据进行重构，得到处理后的输出电压数据；将所述处理后的输出电压数据输入至所述预测模型中，获得所述预测模型输出的所述待测燃料电池的剩余使用寿命；所述定义超参数空间作为AGA的搜索空间，在所述搜索空间中随机生成由若干个染色体组成的种群并进行种群初始化，包括：定义超参数空间作为AGA的搜索空间，在所述搜索空间中随机生成个染色体组成一个种群，为大于1的整数，每个染色体均对应有一个唯一的基因编码，并且每个染色体均各自对应有惩罚因子参数和核参数，初始化各所述染色体对应的惩罚因子参数和核参数，不同的染色体对应的惩罚因子参数和核参数存在不同；所述使用所述训练样本集对所述SVR回归模型进行迭代训练，计算所述种群中每个染色体的适应度，并基于所述适应度在所述种群中确定亲代染色体，包括：将所述训练样本集中的样本电压数据输入至所述SVR回归模型中，获取所述SVR回归模型输出的剩余使用寿命预测值，基于所述SVR回归模型输出的剩余使用寿命预测值和所述训练样本集中的样本电压数据上标注的标签，计算所述种群中每个染色体的适应度；基于所述种群中每个染色体的适应度，分别计算所述种群中每个染色体作为亲代染色体的概率；根据所述种群中每个染色体作为亲代染色体的概率，在所述种群中确定亲代染色体；所述根据所述种群中每个染色体作为亲代染色体的概率，在所述种群中确定亲代染色体，包括：选择所述种群中作为亲代染色体的概率大于预设概率阈值的染色体作为亲代染色体；所述通过对所述亲代染色体进行基因重组实现种群更新，包括：保留在所述种群中确定出的亲代染色体；在各所述亲代染色体中随机选择第一染色体和第二染色体，基于所述第一染色体的适应度和所述第二染色体的适应度，计算所述第一染色体与所述第二染色体之间的交叉概率；基于各所述亲代染色体的适应度，分别计算各所述亲代染色体的变异概率；根据所述交叉概率和所述变异概率依次完成各所述亲代染色体的自适应交叉和自适应变异以实现基因重组，基于基因重组后得到的各染色体生成更新后的种群；所述基于所述第一染色体的适应度和所述第二染色体的适应度，计算所述第一染色体与所述第二染色体之间的交叉概率，通过以下公式实现： 其中，表示所述第一染色体和所述第二染色体中较大的适应度，表示各所述亲代染色体的适应度的平均值，表示各所述亲代染色体的适应度的最大值，表示各所述亲代染色体的适应度的最小值，和分别表示预设的最大交叉概率和最小交叉概率，表示所述第一染色体与所述第二染色体之间的交叉概率；所述基于各所述亲代染色体的适应度，分别计算各所述亲代染色体的变异概率，通过以下公式实现： 其中，表示所述亲代染色体的总数，表示第个亲代染色体的适应度，表示各所述亲代染色体的适应度的最大值，表示各所述亲代染色体的适应度的最小值，和分别表示预设的最大变异概率和最小变异概率，表示所述第个亲代染色体的变异概率；所述SVR回归模型，通过公式表示为： 其中，为预设的批大小，表示每一次向所述SVR回归模型中输入个样本电压数据，表示所述个样本电压数据中的第个样本电压数据，表示所述个样本电压数据中的第个样本电压数据，和均表示所述拉格朗日函数中与所述第个样本电压数据对应的拉格朗日乘子，表示所述混合核函数，表示支持向量的个数，表示所述惩罚因子，表示所述第个样本电压数据上标注的标签，表示预设的不敏感损失，表示所述SVR回归模型；所述基于所述SVR回归模型输出的剩余使用寿命预测值和所述训练样本集中的样本电压数据上标注的标签，计算所述种群中每个染色体的适应度，通过以下公式实现： 其中，为预设的批大小，表示每一次向所述SVR回归模型中输入个样本电压数据，表示所述个样本电压数据中的第个样本电压数据，表示所述第个样本电压数据上标注的标签，表示所述种群中染色体的总数，表示惩罚因子参数和核参数为所述种群中的第个染色体对应的惩罚因子参数和核参数的SVR回归模型，表示所述第个染色体的适应度；所述基于所述种群中每个染色体的适应度，分别计算所述种群中每个染色体作为亲代染色体的概率，通过以下公式实现： 其中，表示所述种群中染色体的总数，表示所述第个染色体的适应度，表示所述第个染色体作为亲代染色体的概率。

全文数据：

权利要求：

百度查询： 西北工业大学宁波研究院 基于AGA-SVR的燃料电池剩余使用寿命的预测方法