基于融合特征的膜电极催化剂层开裂智能检测方法及系统与流程

本发明属于燃料电池，具体涉及一种质子交换膜燃料电池膜电极催化剂层的缺陷检测方法，尤其是一种基于原位电化学阻抗谱的催化剂层开裂情况在线检测方法及系统。

背景技术：

1、质子交换膜燃料电池（pemfc）作为一种高效、清洁的能量转换装置，在新能源汽车、分布式发电等领域具有广阔的应用前景。膜电极（mea）是燃料电池的核心部件，其中催化剂层的质量和结构完整性直接决定了电池的性能、效率和寿命。在膜电极的制备过程中，催化剂涂层在干燥环节容易因应力不均而产生微裂纹。此外，在燃料电池长期运行过程中，由于负载循环、启停操作、局部燃料饥饿等因素，催化剂层也会逐渐退化，出现裂纹扩展、催化剂脱落、碳载体腐蚀等缺陷。这些裂纹不仅会增加电荷转移电阻，还会影响质子传导和气体扩散，严重时导致电池性能急剧下降。

2、目前，催化剂层开裂的检测方法主要包括：

3、1.离线显微表征：如扫描电子显微镜（sem）、光学显微镜等，需要对膜电极进行破坏性取样，无法实现运行状态下的实时监测。

4、2.x射线断层扫描（x-ct）：可实现无损检测，但设备昂贵、测试时间长、难以在线集成。

5、3.光学透射检测：在涂层干燥过程中利用裂纹处的光线透过率变化进行检测，但该方法仅适用于制备环节，无法评估运行中的膜电极退化。

6、电化学阻抗谱（eis）作为一种无损、原位、信息丰富的电化学表征技术，已被用于燃料电池的退化监测。现有研究表明，通过测量不同偏置电位下的阻抗谱，可以识别电极的退化状态，例如催化剂耗尽区域。然而，现有技术主要关注催化剂活性面积损失或碳腐蚀引起的整体性能退化，缺乏针对催化剂层开裂这一特定结构缺陷的专门检测方法，尤其是在开裂程度量化和开裂位置识别方面存在技术空白。

技术实现思路

1、本发明旨在解决现有技术中膜电极催化剂层开裂难以在线检测、裂纹特征难以量化、工况干扰难以消除的技术问题，提供一种基于融合特征的智能检测方法及系统，通过融合电化学阻抗谱的分布松弛时间特征与深度学习图像特征，实现催化剂层开裂的高精度原位检测与量化评估。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于融合特征的膜电极催化剂层开裂智能检测方法，其特征在于，包括以下步骤：

4、步骤1：构建开裂样本库，制备具有不同开裂程度的膜电极样本，分别采集各样本的扫描电子显微图像和原位电化学阻抗谱，形成配对数据集；

5、其中，所述原位电化学阻抗谱是在燃料电池运行状态下，向被测膜电极施加多个不同频率的交流扰动信号，采集对应的阻抗响应数据，获得全频率范围的原始阻抗谱；

6、步骤2：对采集的电化学阻抗谱进行分布松弛时间（drt）变换，获得drt谱，并从drt谱中提取裂纹敏感特征向量；

7、所述分布松弛时间变换采用tikhonov正则化方法进行求解，正则化参数通过l-curve准则确定；

8、在所述drt谱中，识别与催化剂层开裂相关的特征峰，所述特征峰出现在10-4 s至10-2 s的时间常数范围内，对应于催化剂层裂纹引起的局部传质阻抗和电荷转移阻抗变化；

9、步骤3：对采集的扫描电子显微图像进行预处理和裂纹区域标注，采用深度学习分割网络提取裂纹形态特征参数；

10、所述深度学习分割网络采用u-net架构或其变体。所述裂纹形态特征参数包括裂纹面积占比、裂纹平均宽度、裂纹总长度、裂纹分形维数和裂纹连通度中的至少一种；

11、步骤4：构建特征融合网络，将步骤2提取的drt特征向量与步骤3提取的裂纹形态特征参数进行深度融合，建立电化学特征与物理裂纹参数的映射模型；

12、步骤5：在燃料电池实际运行状态下，在线采集被测膜电极的原位阻抗谱，经步骤2相同的drt变换和特征提取后，输入步骤4训练好的映射模型，输出催化剂层的开裂程度指标和裂纹形态参数；

13、步骤6：根据输出的开裂程度指标，判断膜电极催化剂层的结构完整性状态；还可以在开裂程度超过预设阈值时发出预警信号。

14、进一步地，所述方法包括样本库的构建与模型训练方法以及在线检测方法，其中步骤1到4是样本库的构建与模型训练方法，步骤5和6是在线检测方法。进一步地，步骤2中所述分布松弛时间变换采用tikhonov正则化（吉洪诺夫正则化）方法进行求解，正则化参数通过l-curve准则（l-曲线正则化参数选取准则）确定。

15、进一步地，步骤2中所述从drt谱中提取裂纹敏感特征向量，包括：

16、步骤2.1：对原始阻抗谱进行drt变换，获得时间常数τ在10-5s至100s范围内的drt谱；

17、步骤2.2：在drt谱中识别与催化剂层开裂相关的特征峰区域，所述特征峰出现在10-4s至10-2s的时间常数范围内；步骤2.3：提取所述特征峰区域的统计特征，包括峰值频率、峰高、峰面积、半峰宽和峰形偏度中的至少一种；

18、步骤2.4：提取全频段drt谱的整体特征，包括各特征峰的相对强度比和主峰位置偏移量中的至少一种，形成多维裂纹敏感特征向量。

19、进一步地，步骤2.2中所述特征峰的识别包括：将测得的drt谱与无裂纹基准谱进行差分运算，提取差分峰作为裂纹特征峰。

20、进一步地，步骤3中所述深度学习分割网络采用u-net架构或其变体，所述裂纹形态特征参数包括裂纹面积占比、裂纹平均宽度、裂纹总长度、裂纹分形维数和裂纹连通度中的至少一种。

21、进一步地，步骤4中所述特征融合网络包括：

22、第一分支网络，以drt特征向量为输入，通过全连接层提取高阶电化学特征；

23、第二分支网络，以裂纹形态特征参数为输入，通过全连接层提取高阶形态特征；

24、融合层，将两支路的高阶特征进行拼接；

25、回归层，输出预测的裂纹密度和/或裂纹形态参数。

26、进一步地，所述方法还包括工况补偿步骤：在不同运行工况下分别进行阻抗测试，建立开裂特征参数与工况条件的关联模型，消除温度和湿度对开裂检测的干扰。

27、较佳的是，该工况补偿步骤具体为：在步骤1构建开裂样本库时，对每个样本在多个工况条件下分别采集阻抗谱，建立开裂特征参数随工况变化的响应曲面模型；

28、在步骤5在线检测时，同步采集当前工况参数，利用所述响应曲面模型将实测特征参数补偿至参考工况下的等效值，再输入映射模型。

29、进一步地，所述工况条件包括温度、湿度和电流密度中的至少一种。

30、进一步地，所述方法还包括局部开裂检测步骤：

31、在电池活性面积区域布置多个微型参考电极，采集不同空间位置的局部阻抗谱；所述微型参考电极由铂丝或金丝制成，外覆绝缘层，仅尖端暴露，嵌入阴极流场板背面的微通道中，尖端与膜电极表面接触；

32、分别对各位置阻抗谱进行drt变换和特征提取，输入映射模型获得各位置的局部开裂程度；生成催化剂层裂纹空间分布热力图。

33、进一步地，所述局部开裂检测步骤还包括：采用多频段联合分析，将高频段（>1khz）的欧姆阻抗变化与中频段（1 hz-1 khz）的电荷转移阻抗变化进行解耦，分离出单纯由裂纹引起的阻抗贡献。

34、本发明还提供了一种基于原位阻抗谱的膜电极催化剂层开裂检测系统，包括：

35、燃料电池测试平台：用于容纳被测膜电极并提供可控的运行工况，包括气体供应单元、增湿单元、温度控制单元和电子负载单元；

36、阻抗测量单元：包括频率响应分析仪或电化学工作站，用于向燃料电池施加交流扰动信号并测量阻抗响应；

37、数据处理单元：包括存储器和处理器，所述处理器配置为执行上述任一项所述的方法步骤；

38、显示与预警单元：用于实时显示开裂程度指标，并在开裂程度超过预设阈值时发出声光报警信号。

39、进一步地，所述系统还包括局部阻抗测量模块，所述局部阻抗测量模块包括分布在电池活性面积区域的多个微型参考电极，用于测量不同空间位置的局部阻抗谱，进而识别裂纹的空间分布。

40、进一步地，所述数据处理单元还包括增量学习模块，用于在实际运行过程中收集新的阻抗谱数据及其对应的开裂状态标签，定期更新和优化特征融合映射模型。

41、进一步地，所述局部阻抗测量模块采用多通道同步测量技术，在单个频率扫描周期内完成所有位置的阻抗数据采集。

42、本发明的有益效果：

43、（一）实现催化剂层开裂的原位在线量化检测

44、现有技术多采用离线显微表征（如sem、光学显微镜）对催化剂层开裂进行检测，需要对膜电极进行破坏性取样，无法在燃料电池运行状态下实施。本发明通过在燃料电池运行状态下施加交流扰动信号并采集原位阻抗谱，结合分布松弛时间变换提取裂纹敏感特征，实现了催化剂层开裂的原位在线量化检测，无需拆卸膜电极即可实时获取开裂程度指标，避免了离线检测的破坏性和滞后性。

45、（二）检测精度高，可实现早期微裂纹识别

46、传统eis方法采用等效电路模型拟合阻抗谱，提取欧姆电阻、电荷转移电阻作为特征，难以区分时间常数接近的物理过程，对早期微裂纹识别灵敏度低。本发明采用分布松弛时间变换，将传统eis谱中重叠的物理过程分离成独立的特征峰，并提取裂纹敏感特征峰的多维统计特征（峰值频率、峰高、峰面积、半峰宽、峰形偏度等），显著提高了对早期微裂纹的检测灵敏度。

47、（三）建立电化学特征与裂纹物理参数的量化映射模型

48、现有技术仅能对催化剂层退化状态进行定性分类（如轻度、中度、重度），无法输出裂纹密度、裂纹宽度等物理参数。本发明通过构建开裂样本库，采集离线显微图像和原位阻抗谱形成配对数据集，采用深度学习分割网络提取裂纹形态特征参数（裂纹密度、裂纹平均宽度、裂纹总长度、裂纹分形维数、裂纹连通度），构建特征融合网络建立电化学特征与物理裂纹参数的映射模型，实现了从定性分类到定量评估的跨越，可输出连续的裂纹密度和裂纹形态参数，为膜电极健康管理提供了量化依据。

49、（四）抗工况干扰能力强

50、燃料电池运行过程中温度、湿度、电流密度等工况条件的变化会对阻抗谱产生显著影响，与裂纹效应相互耦合，导致检测误判。现有技术多采用简单归一化处理，效果有限。本发明通过建立开裂特征参数随工况变化的响应曲面模型，在在线检测时同步采集当前工况参数，利用响应曲面模型将实测特征参数补偿至参考工况下的等效值，再输入映射模型，有效消除了工况波动对检测结果的干扰。

51、（五）检测成本低、效率高

52、相比x射线断层扫描（x-ct）等离线检测技术，本发明无需昂贵设备和复杂操作，检测成本降低80%以上；单次检测时间约5分钟（含阻抗谱采集和drt变换计算），可在燃料电池正常运行状态下在线监测，具有显著的工程应用价值。

53、上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。