CN112993345B - 基于人工智能的燃料电池控制系统及控制方法 - Google Patents

基于人工智能的燃料电池控制系统及控制方法 Download PDF

Info

Publication number
CN112993345B
CN112993345B CN202110432585.4A CN202110432585A CN112993345B CN 112993345 B CN112993345 B CN 112993345B CN 202110432585 A CN202110432585 A CN 202110432585A CN 112993345 B CN112993345 B CN 112993345B
Authority
CN
China
Prior art keywords
fuel cell
control system
artificial intelligence
cell control
learning model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110432585.4A
Other languages
English (en)
Other versions
CN112993345A (zh
Inventor
孙一堡
庞深
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Hydrogen Lan Technology Co ltd
Original Assignee
Beijing Hydrogen Lan Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Hydrogen Lan Technology Co ltd filed Critical Beijing Hydrogen Lan Technology Co ltd
Priority to CN202110432585.4A priority Critical patent/CN112993345B/zh
Publication of CN112993345A publication Critical patent/CN112993345A/zh
Application granted granted Critical
Publication of CN112993345B publication Critical patent/CN112993345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0432—Temperature; Ambient temperature
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0438—Pressure; Ambient pressure; Flow
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04544—Voltage
    • H01M8/04559—Voltage of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04574—Current
    • H01M8/04589—Current of fuel cell stacks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuel Cell (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明公开一种基于人工智能的燃料电池控制系统及控制方法。所述基于人工智能的燃料电池控制系统包括数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构。同时还提供一种上述燃料电池控制系统的控制方法。

Description

基于人工智能的燃料电池控制系统及控制方法
技术领域
本发明涉及燃料电池系统控制技术领域，具体涉及一种基于人工智能的燃料电池控制系统及控制方法。
背景技术
随着燃料电池汽车技术的迅速发展，燃料电池系统作为一种常态的车用发电装置，其将化学能对应转化成电能以为汽车提供动力。在所述燃料电池产品中，鉴于氢燃料电池具有较佳清洁效果，对环境友好的特点，从而受到广泛关注。
现有技术的燃料电池作为电力输出设备，其输出的控制系统相对较为复杂，同时所述燃料电池自身性能亦受多种因素影响，且各种不同因素之间相互耦合而彼此影响。
为评价所述燃料电池的技术性能优劣，业界有采用性能曲线作为参考标准评价所述的燃料电池的性能。所谓燃料电池性能曲线，是指电堆厂家进行大量的试验标定得到的性能较好的燃料电池性能输出曲线。
但是，现有技术的燃料电池性能曲线是基于现有技术手段的基础上获得的，其并未考虑各零部件的功率消耗。因此，通过传统的燃料电池控制方法获取的燃料电池输出曲线并不是最佳的输出曲线。
鉴于此，有必要提供一种新的燃料电池控制系统控制所述燃料电池的电力输出，有效改善其性能曲线，提高所述燃料电池的系统性能和环境适应性。
发明内容
本发明的目的是克服上述技术问题，提供一种基于人工智能的燃料电池控制系统，缩短燃料电池控制系统开发周期，提高燃料电池系统性能，提高经济性和环境适应性。
同时，还提供一种采用上述燃料控制系统的人工智能控制方法。
本发明的技术方案是：一种基于人工智能的燃料电池控制系统，包括依次相接设置的数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构。
优选地，所述数据采集模组包括多个传感器单元，所述传感器单元是温度测量单元、压力测量单元、流量测量单元、电压测量单元、电流测量单元、转速测量单元及开度测量单元中的至少一种。
优选地，所述数据传输模组收集所述多个传感器单元所采集到的模拟感应信号，并对应转换为数字感应信号传输至所述数据学习模型。
优选地，所述数据学习模型接收来自所述数据传输模组的数字感应信号，基于人工智能的深度学习模型通过递归算法获得最优燃料电池性能曲线。
优选地，所述控制器产生控制信号触发所述燃料电池控制系统的开关命令、执行转速及阀门开关操作指令，驱动所述处理器控制所述燃料电池控制系统处于最佳运行状态。
优选地，所述限制诊断模组内预先存储设定的燃料电池工作范围和故障参数，当所述燃料电池控制系统处于故障或者其工作参数超出设定值，则所述限制诊断模组将诊断结果传输至所述控制器，所述控制器对应反馈控制信号控制所述处理器驱动所述燃料电池停止运行。
一种基于人工智能的燃料电池控制系统的控制方法，包括如下步骤：
检测燃料电池控制系统的净输出功率；
通过人工智能算法给出所述燃料电池其中一零部件的指令；
判断燃料电池控制系统的净输出功率是否增大，如果增大则给与该零部件指令奖励；如果减小则给与该部件指令惩罚；
依次给组成所述燃料电池的其他零部件的变化指令；
优化燃料电池零部件执行参数。
优选地，所述燃料电池的性能指标与各零部件的实际运行参数之间建立如下函数关系：
FC power net=f（I，各零部件转速，各零部件开度）。
与相关技术相比，本发明提供的燃料电池控制系统中，增加设置数据学习模型，所述数据学习模型以人工智能算法进行学习，递归计算最优燃料电池性能，并通过所述控制器和处理器配合产生控制指令控制所述燃料电池控制系统的工作状态，避免现有技术中将电堆性能转化为气体流量、压力、水温等需求的方式来测算所述燃料电池控制系统的实际性能曲线，简化测算方法，提高测算精度，缩短燃料电池系统开发周期，提高燃料电池系统经济性与环境适应性。
附图说明
图1为本发明提供的燃料电池控制系统框架示意图；
图2为图1所示燃料电池控制系统的控制方法流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，为本发明揭示一种基于人工智能的燃料电池控制系统结构框图。所述基于人工智能1燃料电池控制系统10包括数据采集模组11、数据传输模组13、数据学习模型15、控制器17、处理器18及限制诊断模组19。
所述数据采集模组11包括多个传感器单元，具体的，所述传感器单元包括温度测量单元111、压力测量单元112、流量测量单元113、电压测量单元114、电流测量单元115、转速测量单元116及开度测量单元117。所述温度测量单元111感测所述燃料电池控制系统10的整体温度参数。所述压力测量单元112对应实时感应所述燃料电池控制系统10的内部压力值。所述流量测量单元113、所述电压测量单元114、所述电流测量单元115实时监测所述燃料电池控制系统10的内部流体参数和输出的电流、电压值。所述转速测量单元116实时监测所述空压机、氢泵、水泵的转速。所述开度测量单元117实时监测所述阀门的开度，如：背压阀开度参数值、旁通阀开度参数值、三通阀开度参数值、排氢阀频率及氢喷频率值。
所述数据传输模组13收集所述多个传感器单元所采集到的模拟感应信号，并对应转换为数字感应信号传输至所述数据学习模型15。
所述数据学习模型15是基于人工智能的深度学习模型，其接收来自所述数据传输模组13的数字感应信号，通过递归算法获得最优燃料电池性能曲线。在本实施方式中，首先基于人工智能深度学习方式训练所述数据学习模型15，在所述燃料电池的性能指标与各零部件的实际运行参数之间建立如下函数关系：
FC power net=f（I，各零部件转速，各零部件开度）；
即：当所述燃料电池的性能指标与各零部件的实际运行参数之间满足上述公式时，则对应所述料电池控制系统10控制所述燃料电池处于最佳运行状态，对应的，其净输出曲线更加接近标定值。
所述控制器17产生控制信号触发所述燃料电池控制系统10的开关命令，执行转速、阀门开关等操作指令，驱动所述处理器18控制所述燃料电池控制系统10处于最佳运行状态。
所述限制诊断模组19预先设定所述燃料电池的工作范围和故障参数，当所述燃料电池的输出参数超出所述设定值时，所述限制诊断模组19将诊断结果传输至所述控制器17，所述控制器17对应反馈控制信号控制所述处理器18停止运行。进一步的，当所述燃料电池出现故障时，同样的，所述限制诊断模组19将诊断结果传输至所述控制器17，所述控制器17亦对应反馈控制信号控制所述处理器18停止运行。
再请参阅图2，是图1所示燃料电池控制系统输出的控制方法示意图。所述基于人工智能的燃料电池控制方法对组成所述燃料电池的其中一A零部件进行检测控制的工作流程，包括如下步骤：
步骤S01，检测燃料电池控制系统10的净输出功率；
步骤S02，通过人工智能算法给出A零部件的指令；
步骤S03，判断燃料电池控制系统10的净输出功率是否增大，如果增大则给与所述A零部件指令奖励；如果减小则给与A零部件指令惩罚；
步骤S04，依次给A、B、C等所有影响燃料电池性能的零部件的变化指令；最终优化了燃料电池零部件执行参数。
在本实施方式中，所述A、B、C分别是组成所述燃料电池的零部件。
相较于现有技术，在本发明的燃料电池控制系统10中，增加设置数据学习模型13，所述数据学习模型13以人工智能算法进行学习，递归计算最优燃料电池性能，并通过所述控制器17和处理器18配合产生控制指令控制所述燃料电池控制系统10的工作状态，避免现有技术中将电堆性能转化为气体流量、压力、水温等需求的方式来测算所述燃料电池控制系统的实际性能曲线，简化测算方法，提高测算精度，缩短燃料电池系统开发周期，提高燃料电池系统经济性与环境适应性。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种基于人工智能的燃料电池控制系统，包括依次相接设置的数据采集模组、数据传输模组、数据学习模型、控制器、处理器及限制诊断模组，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速及开度信号，依次经所述数据传输模组、数据学习模型传输至所述控制器，所述控制器根据所述数据学习模型输出的结果产生驱动信号驱动所述处理器控制所述燃料电池控制系统的工作状态，其特征在于，所述数据学习模型包括基于人工智能的深度学习模型通过递归算法精确计算所述燃料电池性能曲线的神经网络结构；
所述数据采集模组包括多个传感器单元，所述传感器单元是温度测量单元、压力测量单元、流量测量单元、电压测量单元、电流测量单元、转速测量单元及开度测量单元中的至少一种；
所述数据传输模组收集所述多个传感器单元所采集到的模拟感应信号，并对应转换为数字感应信号传输至所述数据学习模型；
所述控制器产生控制信号触发所述燃料电池控制系统的开关命令、执行转速及阀门开关操作指令，驱动所述处理器控制所述燃料电池控制系统处于最佳运行状态；
所述基于人工智能的燃料电池控制系统的控制方法，包括如下步骤：
检测燃料电池控制系统的净输出功率；
通过人工智能算法给出所述燃料电池其中一零部件的指令；
判断燃料电池控制系统的净输出功率是否增大，如果增大则给与该零部件指令奖励；如果减小则给与该零 部件指令惩罚；
依次给组成所述燃料电池的其他零部件的变化指令；
优化燃料电池零部件执行参数。
2.根据权利要求1所述的基于人工智能的燃料电池控制系统，其特征在于，所述限制诊断模组内预先存储设定的燃料电池工作范围和故障参数，当所述燃料电池控制系统处于故障或者其工作参数超出设定值，则所述限制诊断模组将诊断结果传输至所述控制器，所述控制器对应反馈控制信号控制所述处理器驱动所述燃料电池停止运行。
3.根据权利要求1所述的基于人工智能的燃料电池控制系统，其特征在于，所述燃料电池的性能指标与各零部件的实际运行参数之间建立如下函数关系：
FC power net=f（I，各零部件转速，各零部件开度）。
CN202110432585.4A 2021-04-21 2021-04-21 基于人工智能的燃料电池控制系统及控制方法 Active CN112993345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110432585.4A CN112993345B (zh) 2021-04-21 2021-04-21 基于人工智能的燃料电池控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110432585.4A CN112993345B (zh) 2021-04-21 2021-04-21 基于人工智能的燃料电池控制系统及控制方法

Publications (2)

Publication Number Publication Date
CN112993345A CN112993345A (zh) 2021-06-18
CN112993345B true CN112993345B (zh) 2022-05-03

Family

ID=76341556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110432585.4A Active CN112993345B (zh) 2021-04-21 2021-04-21 基于人工智能的燃料电池控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN112993345B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113299954A (zh) * 2021-04-25 2021-08-24 北京氢澜科技有限公司 控制燃料电池电堆内水含量的方法、装置及设备
CN114019392B (zh) * 2022-01-06 2022-04-08 苏州氢澜科技有限公司 一种燃料电池系统单片电压一致性和故障干预系统
CN114614056B (zh) * 2022-05-12 2022-07-26 苏州氢澜科技有限公司 一种基于分布式边缘计算的燃料电池系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109792063A (zh) * 2016-09-26 2019-05-21 株式会社Lg化学 人工智能燃料电池系统
CN110262463A (zh) * 2019-07-09 2019-09-20 河海大学常州校区 一种基于深度学习的轨道交通站台门故障诊断系统
CN110311423A (zh) * 2019-07-26 2019-10-08 内蒙古大学 基于超限惩罚的独立微电网动态回馈修正优化调度方法
CN112317110A (zh) * 2020-09-27 2021-02-05 鞍钢集团矿业有限公司 基于深度学习的磨矿粒度预测系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8192879B2 (en) * 2008-02-06 2012-06-05 GM Global Technology Operations LLC Method for maximum net power calculation for fuel cell system based on online polarization curve estimation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109792063A (zh) * 2016-09-26 2019-05-21 株式会社Lg化学 人工智能燃料电池系统
CN110262463A (zh) * 2019-07-09 2019-09-20 河海大学常州校区 一种基于深度学习的轨道交通站台门故障诊断系统
CN110311423A (zh) * 2019-07-26 2019-10-08 内蒙古大学 基于超限惩罚的独立微电网动态回馈修正优化调度方法
CN112317110A (zh) * 2020-09-27 2021-02-05 鞍钢集团矿业有限公司 基于深度学习的磨矿粒度预测系统及方法

Also Published As

Publication number Publication date
CN112993345A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112993345B (zh) 基于人工智能的燃料电池控制系统及控制方法
CN101216042B (zh) 一种冷却风扇控制装置的控制方法
CN101680457B (zh) 用于故障监控的装置和方法
KR102247165B1 (ko) 머신러닝 기반 선박 에너지-전력제어 관리시스템
AU2011253741A1 (en) Wind turbine generator system vibration detecting device and method
CN1966955A (zh) 燃气涡轮发动机部件品质的以模型为基础的迭代法评价
CN105673238A (zh) 一种发动机可变进气歧管执行机构诊断方法
CN213583883U (zh) 车用氢燃料电池热管理测试系统
CN112290060A (zh) 一种车用氢燃料电池热管理测试系统
CN114019392B (zh) 一种燃料电池系统单片电压一致性和故障干预系统
CN103823493B (zh) 液力驱动风扇热管理系统控制装置的控制方法
CN112883634B (zh) 基于多维度分析的直流测量系统状态预测方法及系统
CN2820965Y (zh) 推土机监测和故障诊断装置
CN114576152A (zh) 水泵状态监测系统、监测方法、装置、电子设备和介质
CN101761401A (zh) 一种发动机电子节气门控制的方法和装置
CN204009609U (zh) 液力驱动风扇热管理系统控制装置
CN115962498A (zh) 吸油烟机
CN110429304A (zh) 一种用于车辆的氢燃料电池发动机控制器
CN102384088B (zh) 基于转矩流量智能软测量的涡旋压缩机控制系统及方法
CN116706157B (zh) 燃料电池车辆及排氢阀/排水阀故障诊断方法和装置
CN204610227U (zh) 一种汽车发动机冷却水泵性能测试系统
CN103207082A (zh) 风电机组变桨系统的测试系统和测试方法
CN220452105U (zh) 一种海上风电机组故障检测系统
CN110333708A (zh) 基于水力机组技术供水水压数据关联的诊断控制方法、系统、存储介质和终端
CN220509323U (zh) 一种电动汽车电机控制器控制鲁棒性检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant