基于人工智能的质子交换膜燃料电池状态估计及故障诊断

郑如意, 杨博, 周率, 蒋林, 李鸿彪, 郜登科

State Estimation and Fault Diagnosis of Proton Exchange Membrane Fuel Cells Based on Artificial Intelligence

Ruyi ZHENG, Bo YANG, Shuai ZHOU, Lin JIANG, Hongbiao LI, Dengke GAO

表2 基于AI的4种数据特征提取方法

Tab. 2 Four data feature extraction methods based on AI

方法 原理 优点 缺点 精确性 抗噪性 适用类型 模态分解[49] 分析并分解复杂信号为多个简单成分 提取不易察觉的关键特征 可能引入分解误差 中高 中 复杂信号分析 机器学习[50] 自动学习数据的统计规律和潜在特征 自动化特征提取，适用于大规模数据 依赖样本质量和数量 高 中高 分类、预测任务 深度学习[51] 利用深度神经网络抽取高层次抽象特征 高精度特征提取，简化特征提取工程 需要大量数据和计算资源 极高 高 图像、语音、文本等 注意力机制[52] 动态调整数据部分权重，聚焦信息量大的部分 提升特征提取鲁棒性和效率 复杂度增加，可能导致计算开销大 高 高 需要聚焦关键信息的任务