文献类型：期刊文章

作　　者：常家康[1] 吕宁[2] 詹跃东[1]

Chang Jiakang;Lyu Ning;Zhan Yuedong(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China;Computer Center,Kunming University of Science and Technology,Kunming 650500,China)

机构地区：[1]昆明理工大学信息工程与自动化学院,昆明650500 [2]昆明理工大学计算中心,昆明650500

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(51667012)项目资助

年　　份：2022

卷　　号：36

期　　号：1

起止页码：126-133

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对质子交换膜燃料电池(PEMFC)寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆(LSTM)神经网络的PEMFC剩余寿命预测方法。首先通过等间隔采样和SG卷积平滑法对PEMFC原始数据进行重构和平滑处理,有效提取PEMFC退化趋势。然后利用XGBoost-RFECV算法计算PEMFC不同特征的重要度,并选择平均交叉验证均方误差最小的10个PEMFC特征组成最优特征子集。最后将最优特征子集输入构建的双层LSTM神经网络实现PEMFC的剩余寿命预测。实验结果表明,该方法的平均绝对误差和均方根误差分别为0.0019和0.0025,决定系数R^(2)为0.974,与XGBoost-RNN、XGBoost-LSTM和XGBoost-RFECV-RNN方法相比预测精度更高,能够有效地预测PEMFC剩余寿命。

关 键 词：XGBoost-RFECV算法  LSTM神经网络  PEMFC 剩余寿命

分 类 号：TM911.4] TP18]