CN113467423A - 一种基于云平台的pemfc故障诊断方法及系统 - Google Patents
一种基于云平台的pemfc故障诊断方法及系统 Download PDFInfo
- Publication number
- CN113467423A CN113467423A CN202110747604.2A CN202110747604A CN113467423A CN 113467423 A CN113467423 A CN 113467423A CN 202110747604 A CN202110747604 A CN 202110747604A CN 113467423 A CN113467423 A CN 113467423A
- Authority
- CN
- China
- Prior art keywords
- data
- fault diagnosis
- pemfc
- fault
- vehicle
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 44
- 239000012528 membrane Substances 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 14
- 239000000446 fuel Substances 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 10
- 238000007635 classification algorithm Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000011217 control strategy Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Abstract
本发明公开了一种基于云平台的PEMFC故障诊断方法及系统，该方法包括：采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。该系统包括：模型建立模块、数据预处理模块和故障诊断模块。通过使用本发明，能够对车载PEMFC进行实时故障诊断。本发明作为一种基于云平台的PEMFC故障诊断方法及系统，可广泛应用于车载设备故障诊断领域。
Description
技术领域
本发明涉及车载设备故障诊断领域，尤其涉及一种基于云平台的PEMFC故障诊断方法及系统。
背景技术
车载PEMFC在运行过程中会遇到大量水淹、干燥等可恢复故障的情形，由于产生的水无法及时排出造成的水淹等故障可通过及时的识别和处理排除掉，使电堆恢复正常的运行状态，因此故障的实时诊断和排除十分重要。现有氢燃料电池故障诊断技术中存在故障模型不能实时扩充、故障类型匹配不够丰富、故障诊断不够精确的问题，
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于云平台的PEMFC故障诊断方法及系统，对车载PEMFC进行实时故障诊断。
本发明所采用的第一技术方案是：一种基于云平台的PEMFC故障诊断方法，包括以下步骤：
采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
进一步，还包括：
根据待诊断车辆的故障诊断结果和预设的控制策略对待诊断车辆进行故障修复；
检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整。
进一步，所述采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型这一步骤，其具体还包括：
选取运行参数与待诊断车辆相似编队内闲置车辆为测试车辆；
采集测试车辆PEMFC的运行数据，得到测试数据；
基于预设的分类器对测试数据进行处理，建立温度与故障模型的映射关系，生成故障诊断模型。
进一步，所述采集测试车辆PEMFC的运行数据，得到测试数据这一步骤，其具体包括：
采集测试车辆PEMFC的运行数据并上传至云平台；
将运行数据分区段存储至数据库；
选择平稳区段的运行数据作为测试数据。
进一步，所述基于预设的分类器对测试数据进行处理，建立温度与故障模型的映射关系，生成故障诊断模型这一步骤，其具体包括：
以测试数据中的电信号指标作为故障判别阈值；
采用不同的分类算法对故障进行识别，得到识别精度；
将各个故障对应识别精度最高的分类算法设置故障标签；
根据测试数据中温度与电信号指标的关系、故障标签建立温度与故障模型的映射关系，得到故障诊断模型。
进一步，所述采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据这一步骤，其具体包括：
采集待诊断车辆PEMFC的运行数据并上传至云平台；
将待诊断车辆PEMFC的运行数据进行抽样、平滑和滤波的预处理，得到预处理数据。
进一步，所述故障诊断结果包括电压电流过载、进气端缺气、质子交换膜水淹、质子交换膜干燥和温度过高，所述预设的控制策略包括功率控制、进气流量控制、进气湿度控制和冷却控制。
进一步，所述检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整这一步骤，其具体包括：
判断到修复操作后故障未排除，更换故障标签并根据识别精度重新选择故障诊断模型；
判断到修复操作后故障已排除，继续使用该故障诊断模型。
本发明所采用的第二技术方案是：一种基于云平台的PEMFC故障诊断系统，包括：
模型建立模块，用于采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
数据预处理模块，用于采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
故障诊断模块，用于将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
本发明方法及系统的有益效果是：本发明通过基于云平台的诊断匹配，数据源是具有相似应用场景下的编队内多车的包含全生命周期的大量数据，使得数据驱动模型更加准确，通过将故障诊断模型训练过程和诊断过程放到云端，可以实现多个算法间寻优，从而建立更加精确的故障诊断模型。
附图说明
图1是本发明具体实施例基于云平台的PEMFC故障诊断方法的流程图；
图2是本发明具体实施例生成故障诊断模型的步骤流程图；
图3是本发明一种基于云平台的PEMFC故障诊断系统的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明提供了一种基于云平台的PEMFC故障诊断方法，该方法包括以下步骤：
采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
具体地，运行数据包括采集PEMFC和储能电池包的健康参数，采集PEMFC的健康参数，包括但不限于电池出厂参数、实时采集的电压、电流、温度、阳极电势、压力、张力、进气流量，以及EIS数据等。采集储能电池包的健康参数，储能电池包一般指锂电池模组，包括但不限于电池出厂参数，实时采集的电压、电流、温度，以及EIS数据等。
不断上传的数据为相似工况的编队内多台车辆数据，而非单车数据，可以极大地扩充数据集。
进一步作为本方法的优选实施例，还包括：
根据待诊断车辆的故障诊断结果和预设的控制策略对待诊断车辆进行故障修复；
检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整。
进一步作为本方法的优选实施例，所述采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型这一步骤，其具体还包括：
选取运行参数与待诊断车辆相似编队内闲置车辆为测试车辆；
采集测试车辆PEMFC的运行数据，得到测试数据；
基于预设的分类器对测试数据进行处理，建立温度等健康指标与故障模型的映射关系，生成故障诊断模型。
在匹配诊断过程中，通过目标车辆的实时数据采集，调用与目标PEMFC的使用小时数或使用里程数(等维度)相近的已有数据样本训练的模型，优先进行匹配诊断，再根据上述SVM支持向量机等优选诊断模型的方法进行进一步的匹配，从而保证在多维度下进行准确诊断。
进一步作为本方法的优选实施例，所述采集测试车辆PEMFC的运行数据，得到测试数据这一步骤，其具体包括：
采集测试车辆PEMFC的运行数据并上传至云平台；
通过LTE-V、5G等车联网通信技术，将收集的相关数据上传至云平台，并导入数据库中。收集的数据有两方面作用：一方面是充当数据驱动模型的训练集数据，如使用神经网络、贝叶斯深度学习方法来训练模型，使得模型的精确度提高；另一方面是充当模型的测试集数据，通过支持向量机、最小二乘法等方法进行模型比对来诊断运行中的车载PEMFC是否发生故障。
将运行数据分区段存储至数据库；
选择平稳区段的运行数据作为测试数据。
具体地，通过车端监测运行过程中的PEMFC相关状态参数，如通过电压传感器实时测量单个和堆栈PEMFC电压，通过电流传感器实时测量单个和堆栈PEMFC电流，并通过检测电路进行数据采集和校准；通过压力传感器实时测量PEMFC进气端和出口端压力。在驻车状态下，通过场站EIS设备对PEMFC进行扫描，获取PEMFC的EIS数据。并收集其他数据，如车辆行驶里程、行驶过程中辅助动力电池输出功率、车辆输出总功率、PEMFC运行时间等。
进一步作为本方法优选实施例，所述基于预设的分类器对测试数据进行处理，建立温度等健康指标与故障模型的映射关系，生成故障诊断模型这一步骤，其具体包括：
以测试数据中的电信号指标作为故障判别阈值；
采用不同的分类算法对故障进行识别，得到识别精度；
将各个故障对应识别精度最高的分类算法设置故障标签；
根据测试数据中温度等健康指标与电信号指标的关系、故障温度等健康指标与故障模型的映射关系，得到故障诊断模型。
具体地，参照图2，通过测试车辆采集的温度与电信号数据并对采集的信号进行抽样和平滑等的预处理，以电信号为故障判别阈值(如电压降5％可认为发生轻度水淹故障)，运用不同算法对某一故障进行诊断，得到不同算法对这一故障的识别精度(通常分类算法都会有一个score，如二分类问题中判断为故障score为0.6、判断为正常的score为0.4，则将该情况分类为故障)，可直接比较该score(如score不为0-1之间数值则正则化为[0，1]区间内数值)，从而将该情况下的算法种类贴上标签tag1，至此转化为一个温度等健康指标与算法种类之间的新的分类问题，再使用一次机器学习算法(如svm)进行训练，得到故障诊断模型。
另外，温度与故障模型的映射关系中的温度可以包括堆栈温度、加湿水箱温度和气体伴热带温度，还可以构建其他健康指标的关系，如(阳极/阴极)进气/出气压力、(阳极/阴极)相对湿度。
进一步作为本方法优选实施例，所述采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据这一步骤，其具体包括：
采集待诊断车辆PEMFC的运行数据并上传至云平台；
将待诊断车辆PEMFC的运行数据进行抽样、平滑和滤波的预处理，得到预处理数据。
进一步作为本方法优选实施例，所述故障诊断结果包括电压电流过载、进气端缺气、质子交换膜水淹、质子交换膜干燥和温度过高，所述预设的控制策略包括功率控制、进气流量控制、进气湿度控制和冷却控制。
进一步作为本方法优选实施例，所述检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整这一步骤，其具体包括：
判断到修复操作后故障未排除，更换故障标签并根据识别精度重新选择故障诊断模型；
判断到修复操作后故障已排除，继续使用该故障诊断模型。
如图3所示，一种基于云平台的PEMFC故障诊断系统，包括：
模型建立模块，用于采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
数据预处理模块，用于采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
故障诊断模块，用于将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种基于云平台的PEMFC故障诊断方法，其特征在于，包括以下步骤：
采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
2.根据权利要求1所述一种基于云平台的PEMFC故障诊断方法，其特征在于，还包括：
根据待诊断车辆的故障诊断结果和预设的控制策略对待诊断车辆进行故障修复；
检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整。
3.根据权利要求2所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型这一步骤，其具体还包括：
选取运行参数与待诊断车辆相似编队内闲置车辆为测试车辆；
采集测试车辆PEMFC的运行数据，得到测试数据；
基于预设的分类器对测试数据进行处理，建立温度与故障模型的映射关系，生成故障诊断模型。
4.根据权利要求3所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述采集测试车辆PEMFC的运行数据，得到测试数据这一步骤，其具体包括：
采集测试车辆PEMFC的运行数据并上传至云平台；
将运行数据分区段存储至数据库；
选择平稳区段的运行数据作为测试数据。
5.根据权利要求4所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述基于预设的分类器对测试数据进行处理，建立温度与故障模型的映射关系，生成故障诊断模型这一步骤，其具体包括：
以测试数据中的电信号指标作为故障判别阈值；
采用不同的分类算法对故障进行识别，得到识别精度；
将各个故障对应识别精度最高的分类算法设置故障标签；
根据测试数据中温度与电信号指标的关系、故障标签建立温度与故障模型的映射关系，得到故障诊断模型。
6.根据权利要求5所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据这一步骤，其具体包括：
采集待诊断车辆PEMFC的运行数据并上传至云平台；
将待诊断车辆PEMFC的运行数据进行抽样、平滑和滤波的预处理，得到预处理数据。
7.根据权利要求6所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述故障诊断结果包括电压电流过载、进气端缺气、质子交换膜水淹、质子交换膜干燥和温度过高，所述预设的控制策略包括功率控制、进气流量控制、进气湿度控制和冷却控制。
8.根据权利要求7所述一种基于云平台的PEMFC故障诊断方法，其特征在于，所述检测待诊断车辆的故障情况并根据检测结果对故障诊断模型进行调整这一步骤，其具体包括：
判断到修复操作后故障未排除，更换故障标签并根据识别精度重新选择故障诊断模型；
判断到修复操作后故障已排除，继续使用该故障诊断模型。
9.一种基于云平台的PEMFC故障诊断系统，其特征在于，包括以下模块：
模型建立模块，用于采集测试车辆PEMFC的运行数据并训练预设的分类器，得到故障诊断模型；
数据预处理模块，用于采集待诊断车辆PEMFC的运行数据并进行数据预处理，得到预处理数据；
故障诊断模块，用于将预处理数据输入到故障诊断模型，得到待诊断车辆的故障诊断结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110747604.2A CN113467423A (zh) | 2021-07-01 | 2021-07-01 | 一种基于云平台的pemfc故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110747604.2A CN113467423A (zh) | 2021-07-01 | 2021-07-01 | 一种基于云平台的pemfc故障诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113467423A true CN113467423A (zh) | 2021-10-01 |
Family
ID=77878259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110747604.2A Pending CN113467423A (zh) | 2021-07-01 | 2021-07-01 | 一种基于云平台的pemfc故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113467423A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113900426A (zh) * | 2021-10-15 | 2022-01-07 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
| CN117007999A (zh) * | 2023-08-08 | 2023-11-07 | 杭州意博科技有限公司 | 一种电池组故障诊断方法、装置及系统 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138184A1 (en) * | 2001-02-05 | 2002-09-26 | The Boeing Company | Diagnostic system and method |
| CN1747403A (zh) * | 2004-09-08 | 2006-03-15 | 阿尔卡特公司 | 用于通信网络中的利用自适应诊断模型的诊断设备 |
| CN102073015A (zh) * | 2009-11-20 | 2011-05-25 | 上海济烨能源科技有限公司 | 基于频谱分析的质子交换膜燃料电池的在线故障诊断方法 |
| CN103149475A (zh) * | 2013-02-05 | 2013-06-12 | 广东电网公司 | 电力设备故障诊断方法及系统 |
| CN104021238A (zh) * | 2014-03-25 | 2014-09-03 | 重庆邮电大学 | 一种铅酸动力电池系统故障诊断方法 |
| CN104156627A (zh) * | 2014-08-29 | 2014-11-19 | 中国石油大学(北京) | 一种基于设备工况的故障诊断方法及装置 |
| CN104238545A (zh) * | 2014-07-10 | 2014-12-24 | 中国石油大学(北京) | 一种石油炼化生产过程故障诊断和预警系统及其建立方法 |
| CN106646158A (zh) * | 2016-12-08 | 2017-05-10 | 西安工程大学 | 基于多分类支持向量机变压器故障诊断提升方法 |
| CN107426750A (zh) * | 2017-07-18 | 2017-12-01 | 上海斐讯数据通信技术有限公司 | 一种手机注册失败自动诊断方法及系统 |
| JP2018151317A (ja) * | 2017-03-14 | 2018-09-27 | オークマ株式会社 | 工作機械の診断装置における診断モデルの更新システム |
| CN109446049A (zh) * | 2018-11-01 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种基于监督学习的服务器错误诊断方法和装置 |
| CN110165259A (zh) * | 2019-05-16 | 2019-08-23 | 苏州纳尔森能源科技有限公司 | 电池的运行状态的监测方法及装置、系统 |
| CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
| CN110455537A (zh) * | 2019-09-18 | 2019-11-15 | 合肥工业大学 | 一种轴承故障诊断方法及系统 |
| JP2019199817A (ja) * | 2018-05-15 | 2019-11-21 | 三菱重工業株式会社 | 故障診断システム及び故障診断方法 |
| CN110705657A (zh) * | 2019-11-21 | 2020-01-17 | 北京交通大学 | 一种质子交换膜燃料电池系统的模式识别故障诊断方法 |
| CN110852017A (zh) * | 2019-10-08 | 2020-02-28 | 湖南省计量检测研究院 | 基于粒子群优化的支持向量机的氢燃料电池故障诊断方法 |
| CN110873840A (zh) * | 2019-12-11 | 2020-03-10 | 中山大学 | 一种空气冷却圆柱形锂离子电池热管理性能的实验研究系统及方法 |
| US20200089207A1 (en) * | 2017-08-30 | 2020-03-19 | Hitachi, Ltd. | Failure diagnosis system |
| CN112101767A (zh) * | 2020-09-09 | 2020-12-18 | 中国石油大学(北京) | 一种设备运行状态边云融合诊断方法及系统 |
| CN112329343A (zh) * | 2020-11-03 | 2021-02-05 | 华中科技大学鄂州工业技术研究院 | 一种电池故障检测模型训练方法、装置、设备和存储介质 |
| CN112418460A (zh) * | 2020-12-10 | 2021-02-26 | 三一汽车起重机械有限公司 | 工程车辆的故障诊断方法和故障诊断装置 |
-
2021
- 2021-07-01 CN CN202110747604.2A patent/CN113467423A/zh active Pending
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138184A1 (en) * | 2001-02-05 | 2002-09-26 | The Boeing Company | Diagnostic system and method |
| CN1747403A (zh) * | 2004-09-08 | 2006-03-15 | 阿尔卡特公司 | 用于通信网络中的利用自适应诊断模型的诊断设备 |
| CN102073015A (zh) * | 2009-11-20 | 2011-05-25 | 上海济烨能源科技有限公司 | 基于频谱分析的质子交换膜燃料电池的在线故障诊断方法 |
| CN103149475A (zh) * | 2013-02-05 | 2013-06-12 | 广东电网公司 | 电力设备故障诊断方法及系统 |
| CN104021238A (zh) * | 2014-03-25 | 2014-09-03 | 重庆邮电大学 | 一种铅酸动力电池系统故障诊断方法 |
| CN104238545A (zh) * | 2014-07-10 | 2014-12-24 | 中国石油大学(北京) | 一种石油炼化生产过程故障诊断和预警系统及其建立方法 |
| CN104156627A (zh) * | 2014-08-29 | 2014-11-19 | 中国石油大学(北京) | 一种基于设备工况的故障诊断方法及装置 |
| CN106646158A (zh) * | 2016-12-08 | 2017-05-10 | 西安工程大学 | 基于多分类支持向量机变压器故障诊断提升方法 |
| JP2018151317A (ja) * | 2017-03-14 | 2018-09-27 | オークマ株式会社 | 工作機械の診断装置における診断モデルの更新システム |
| CN107426750A (zh) * | 2017-07-18 | 2017-12-01 | 上海斐讯数据通信技术有限公司 | 一种手机注册失败自动诊断方法及系统 |
| US20200089207A1 (en) * | 2017-08-30 | 2020-03-19 | Hitachi, Ltd. | Failure diagnosis system |
| JP2019199817A (ja) * | 2018-05-15 | 2019-11-21 | 三菱重工業株式会社 | 故障診断システム及び故障診断方法 |
| CN109446049A (zh) * | 2018-11-01 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种基于监督学习的服务器错误诊断方法和装置 |
| CN110276372A (zh) * | 2019-05-08 | 2019-09-24 | 复变时空(武汉)数据科技有限公司 | 基于云平台的燃料电池发动机故障诊断方法 |
| CN110165259A (zh) * | 2019-05-16 | 2019-08-23 | 苏州纳尔森能源科技有限公司 | 电池的运行状态的监测方法及装置、系统 |
| CN110455537A (zh) * | 2019-09-18 | 2019-11-15 | 合肥工业大学 | 一种轴承故障诊断方法及系统 |
| CN110852017A (zh) * | 2019-10-08 | 2020-02-28 | 湖南省计量检测研究院 | 基于粒子群优化的支持向量机的氢燃料电池故障诊断方法 |
| CN110705657A (zh) * | 2019-11-21 | 2020-01-17 | 北京交通大学 | 一种质子交换膜燃料电池系统的模式识别故障诊断方法 |
| CN110873840A (zh) * | 2019-12-11 | 2020-03-10 | 中山大学 | 一种空气冷却圆柱形锂离子电池热管理性能的实验研究系统及方法 |
| CN112101767A (zh) * | 2020-09-09 | 2020-12-18 | 中国石油大学(北京) | 一种设备运行状态边云融合诊断方法及系统 |
| CN112329343A (zh) * | 2020-11-03 | 2021-02-05 | 华中科技大学鄂州工业技术研究院 | 一种电池故障检测模型训练方法、装置、设备和存储介质 |
| CN112418460A (zh) * | 2020-12-10 | 2021-02-26 | 三一汽车起重机械有限公司 | 工程车辆的故障诊断方法和故障诊断装置 |
Non-Patent Citations (2)
| Title |
|---|
| 宋超: "基于多标签算法的工业过程多重故障诊断研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
| 谭晓军: "轻量化、高安全的结构化动力电池系统的研发与产业化", 《科技成果工程科技II辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113900426A (zh) * | 2021-10-15 | 2022-01-07 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
| CN113900426B (zh) * | 2021-10-15 | 2023-07-18 | 万申科技股份有限公司 | 一种基于5g+工业互联网的远程设备操控及故障诊断系统 |
| CN117007999A (zh) * | 2023-08-08 | 2023-11-07 | 杭州意博科技有限公司 | 一种电池组故障诊断方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726452B (zh) | 一种基于阻抗谱的在线质子交换膜燃料电池故障诊断方法 | |
| CN111090050A (zh) | 一种基于支持向量机和k均值的锂电池故障诊断方法 | |
| CN113467423A (zh) | 一种基于云平台的pemfc故障诊断方法及系统 | |
| CN112630660B (zh) | 一种基于支持向量机的电池故障识别方法 | |
| CN114899457B (zh) | 一种针对质子交换膜燃料电池系统的故障检测方法 | |
| CN112834945A (zh) | 评估模型建立方法、电池健康状态评估方法及相关产品 | |
| CN113447828B (zh) | 一种基于贝叶斯神经网络的锂电池温度估计方法及系统 | |
| CN109061495A (zh) | 一种混合储能电池组故障诊断方法 | |
| CN114559819B (zh) | 一种基于信号处理的电动汽车电池安全预警方法 | |
| CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
| CN110077282B (zh) | 新能源汽车的燃料电池在线寿命检测方法、系统和装置 | |
| CN112485693B (zh) | 一种基于温度概率密度函数的电池健康状态快速评估方法 | |
| CN114545234A (zh) | 一种基于电池温度梯度变化监测电池状态的方法 | |
| CN111562508A (zh) | 在线检测电池包内部单体电池内阻异常的方法 | |
| CN115236524A (zh) | 一种新能源汽车动力电池的绝缘故障检测方法及系统 | |
| CN117117258B (zh) | 一种氢燃料电池系统的故障监测方法及装置 | |
| CN114325433A (zh) | 基于电化学阻抗谱测试的锂离子电池故障检测方法和系统 | |
| CN112327189B (zh) | 一种基于knn算法的储能电池健康状态综合判断方法 | |
| CN112287979B (zh) | 一种基于互信息的储能电池状态判定方法 | |
| CN113780537B (zh) | 一种质子交换膜燃料电池发电系统的故障诊断方法及装置 | |
| CN109242008A (zh) | 一种样本类别不完备条件下的复合故障识别方法 | |
| Dang et al. | A novel diagnosis method of proton exchange membrane fuel cells based on the PCA and XGBoost algorithm | |
| CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
| Pan et al. | Investigation of Feature Effectiveness in Polymer Electrolyte Membrane Fuel Cell Fault Diagnosis | |
| CN111600051A (zh) | 一种基于图像处理的质子交换膜燃料电池故障诊断方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |