基于多源信息融合的车用燃料电池膜湿度预测方法及系统

1.本发明涉及车用燃料电池参数预测技术领域，特别是涉及一种基于多源信息融合的车用燃料电池膜湿度预测方法及系统。


背景技术：

2.在燃料电池汽车产业化及推广使用的过程中，车用燃料电池的寿命问题，是一个涉及材料、结构、辅助系统及控制策略的复杂系统问题。车用燃料电池运行时，其内部湿度是非常重要的状态参数，其性能直接影响质子的传输过程，进而造成内阻变化，使得输出电压、电流、功率等大幅下降，严重影响车用燃料电池的输出特性；严重时，还可能损坏质子交换膜组件，进而导致车用燃料电池失效。
3.对车用燃料电池的湿度进行实时监测乃至预测，必定有益于车用燃料电池的运行性能，进而辅助提高车用燃料电池的安全性、可靠性，并最终提高其使用寿命。然而，由于车用燃料电池本身的密闭结构，使得无法在其内部安装传感器；同时，传感器的存在，也必将会改变车用燃料电池本身的结构特性，进而直接影响车用燃料电池的工作性能。同时，从实际操作的角度考虑，由于车用燃料电池的质子交换膜非常薄，平均厚度一般都在10-200μm范围，因此放置和安装传感器也非常困难。所以，就现有手段和方法而言，难以直接获得车用燃料电池的内部湿度参数或其状态特性。


技术实现要素：

4.本发明的目的是提供一种基于多源信息融合的车用燃料电池膜湿度预测方法及系统，实现对车用燃料电池的内部膜湿度实时量化预测，提高车用燃料电池使用安全性和耐久性。
5.为实现上述目的，本发明提供了如下方案：第一方面，本发明提供了一种基于多源信息融合的车用燃料电池膜湿度预测方法，包括：获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降；根据所述当前时段车用燃料电池的输出电压，确定所述当前时段车用燃料电池的第一特征；所述第一特征为振幅谱；根据所述当前时段车用燃料电池的输出电流，确定所述当前时段车用燃料电池的阳极进出口理论压降；当所述当前时段车用燃料电池的阳极进出口理论压降小于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述当前时段车用燃料电池的阳极进出口理论压降与所述当前
时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述当前时段车用燃料电池的阳极进出口理论压降大于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述当前时段车用燃料电池的膜湿度；其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征；所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
6.第二方面，本发明提供了一种基于多源信息融合的车用燃料电池膜湿度预测系统，包括：状态信息获取模块，用于获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降；第一特征计算模块，用于根据所述当前时段车用燃料电池的输出电压，确定所述当前时段车用燃料电池的第一特征；所述第一特征为振幅谱；阳极进出口理论压降计算模块，用于根据所述当前时段车用燃料电池的输出电流，确定所述当前时段车用燃料电池的阳极进出口理论压降；膜湿度预测模块，用于：当所述当前时段车用燃料电池的阳极进出口理论压降小于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述当前时段车用燃料电池的阳极进出口理论压降与所述当前时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述当前时段车用燃料电池的阳极进出口理论压降大于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述当前时段车用燃料电池的膜湿度；其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征；所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
7.第三方面，本发明提供了一种基于多源信息融合的车用燃料电池膜湿度预测方法，包括：获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息
至少包括输出电压、输出电流和阳极进出口实际压降；根据所述当前时段车用燃料电池的状态信息和机器学习算法，预测下一时段车用燃料电池的状态信息；根据所述下一时段车用燃料电池的输出电压，确定所述下一时段车用燃料电池的第一特征；所述第一特征为振幅谱；根据所述下一时段车用燃料电池的输出电流，确定所述下一时段车用燃料电池的阳极进出口理论压降；当所述下一时段车用燃料电池的阳极进出口理论压降小于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述下一时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述下一时段车用燃料电池的阳极进出口理论压降与所述下一时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述下一时段车用燃料电池的阳极进出口理论压降大于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述下一时段车用燃料电池的膜湿度；其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征；所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
8.第四方面，本发明提供了一种基于多源信息融合的车用燃料电池膜湿度预测系统，包括：状态信息获取模块，用于获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降；状态信息预测模块，用于根据所述当前时段车用燃料电池的状态信息和机器学习算法，预测下一时段车用燃料电池的状态信息；第一特征计算模块，用于根据所述下一时段车用燃料电池的输出电压，确定所述下一时段车用燃料电池的第一特征；所述第一特征为振幅谱；阳极进出口理论压降计算模块，用于根据所述下一时段车用燃料电池的输出电流，确定所述下一时段车用燃料电池的阳极进出口理论压降；膜湿度预测模块，用于：当所述下一时段车用燃料电池的阳极进出口理论压降小于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述下一时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述下一时段车用燃料电池的阳极进出口理论压降与所述下一
时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述下一时段车用燃料电池的阳极进出口理论压降大于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述下一时段车用燃料电池的膜湿度；其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征；所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
9.根据本发明提供的具体实施例，本发明公开了以下技术效果：研究表明，在一定程度上，车用燃料电池内部湿度的变化情况，能够被车用燃料电池输出电压特性和阳极进出口压降所反应。鉴于此，本发明提供了一种基于多源信息融合的车用燃料电池膜湿度预测方法及系统，旨在通过对车用燃料电池输出电压和阳极进出口压降进行在线测量，获取电堆运行的实时动态数据信息，经过数据预处理后，输入至采用信息融合技术构建的车用燃料电池水淹故障特征空间和车用燃料电池膜干故障特征空间内，预测车用燃料电池膜湿度，可以实现对车用燃料电池的内部膜湿度实时量化预测，提高车用燃料电池使用安全性和耐久性。
附图说明
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
11.图1为本发明实施例所公开的基于多源信息融合的车用燃料电池膜湿度预测方法的流程示意图；图2为本发明实施例所公开的车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间的构建方法的流程示意图；图3为本发明实施例所公开的nedc工况下车用燃料电池输出电压v
25
与输出电压v
100
的对比图以及局部放大图；图3中a）为对比图；图3中b）为放大图；图4为本发明实施例所公开的输出电压v
25
与输出电压v
100
的差值绝对值与车速图；图5为本发明实施例所公开的输出电压v
25
与输出电压v
100
的差值绝对值的二阶导数图及加速段局部放大图；图5中a）为二阶导数图；图5中b）为加速段局部放大图；图6为本发明实施例所公开的输出电压v
25
与输出电压v
100
的差值绝对值的二阶导数转至频域后提取的振幅谱图；图7为本发明实施例所公开的车用燃料电池在不同膜湿度故障下的阳极压降图；图8为本发明实施例所公开的以asi和d
δpi
为坐标轴建立的散点图;图9为本发明实施例所公开的车用燃料电池膜干故障特征空间的示意图；
图10为本发明实施例所公开的车用燃料电池水淹故障特征空间的示意图；图11为本发明实施例所公开的车用燃料电池膜干故障特征空间向量构建过程示意图；图12为本发明实施例所公开的车用燃料电池水淹故障特征空间向量构建过程示意图；图13为本发明实施例所公开的车用燃料电池量化预测策略原理图；图14为本发明实施例所公开的基于多源信息融合的车用燃料电池膜湿度预测系统的结构示意图；图15为本发明实施例所公开的燃料电池膜湿度量化预测及预警方法流程图。
具体实施方式
12.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。
13.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
14.实施例一由于车用燃料电池膜湿度故障时会在多源信息上所体现，例如会导致车用燃料电池输出压力降低、阴阳极压降增加等。为了提高车用燃料电池膜湿度故障预测准确率和稳定性，本实施例采用信息融合技术，汇聚多方面信息，将车用燃料电池输出电压这一电学量和阳极压降这一非电学量共同考虑，用以膜湿度量化预测。
15.如图1所示，本实施例提供的一种基于多源信息融合的车用燃料电池膜湿度预测方法，包括以下步骤。
16.步骤100：获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降。
17.步骤200：根据所述当前时段车用燃料电池的输出电压，确定所述当前时段车用燃料电池的第一特征；所述第一特征为振幅谱。
18.步骤300：根据所述当前时段车用燃料电池的输出电流，确定所述当前时段车用燃料电池的阳极进出口理论压降。
19.步骤400：当所述当前时段车用燃料电池的阳极进出口理论压降小于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述当前时段车用燃料电池的阳极进出口理论压降与所述当前时段车用燃料电池的阳极进出口实际压降的差值的绝对值。
20.步骤500：当所述当前时段车用燃料电池的阳极进出口理论压降大于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和
车用燃料电池水淹故障特征空间，预测所述当前时段车用燃料电池的膜湿度。
21.其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征。
22.所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
23.作为步骤200的一种优选实施方式，具体包括：步骤201：获取正常运行时车用燃料电池的输出电压。
24.步骤202：计算第二绝对值；所述第二绝对值为所述当前时段车用燃料电池的输出电压与所述正常运行时车用燃料电池的输出电压的差值的绝对值。
25.步骤203：根据所述第二绝对值，确定加速段绝对值；所述加速段绝对值为在加速段工况时的第二绝对值。
26.步骤204：计算所述加速段绝对值的二阶导数，并对所述加速段绝对值的二阶导数进行傅里叶变换，得到频域信号。
27.步骤205：根据所述频域信号，提取当前时段车用燃料电池的振幅谱。
28.在本实施例中，所述当前时段车用燃料电池的状态信息还包括工况信息；所述工况信息包括阴极水流通道宽度、阴极水流通道深度、阴极水流通道长度、阴极水流通道数量、阳极入口氢气压力、阳极入口氢气饱和压力、氢气化学计量数和燃料电池运行温度。
29.作为步骤300的一种优选实施方式，具体包括：根据所述当前时段车用燃料电池的输出电流和工况信息，计算所述当前时段车用燃料电池的阳极进出口理论压降。
30.进一步地，本实施例所公开的方法还包括：构建车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间。
31.所述构建车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间，具体包括：步骤（1）：获取历史阶段车用燃料电池的状态信息；所述历史阶段车用燃料电池的状态信息包括工况信息以及不同膜湿度对应的输出电压、输出电流和阳极进出口实际压降。
32.步骤（2）：根据所述历史阶段车用燃料电池的输出电压，确定不同膜湿度对应的第一特征。
33.步骤（3）：根据所述历史阶段车用燃料电池的输出电流和工况信息，确定不同膜湿度对应的阳极进出口理论压降。
34.步骤（4）：根据所述历史阶段车用燃料电池的阳极进出口理论压降和阳极进出口实际压降，确定不同膜湿度对应的第二特征。
35.步骤（5）：确定第一样本数据和第二样本数据；所述第一样本数据为不同第一膜湿度对应的第一特征和第二特征；所述第二样本数据为不同第二膜湿度对应的第一特征和第二特征。
36.步骤（6）：根据所述第一样本数据构建车用燃料电池膜干故障特征空间。
37.步骤（7）：根据所述第二样本数据构建车用燃料电池水淹故障特征空间。
38.其中，步骤（6）具体包括：步骤2）：将不同第一膜湿度对应的第一特征和第二特征以坐标形式表示，得到不同的第一膜湿度坐标；所述第一膜湿度坐标的横坐标为第一特征；所述第一膜湿度坐标的纵坐标为第二特征；步骤3）：对同一所述第一膜湿度对应的多个第一膜湿度坐标进行取均值操作，得到不同所述第一膜湿度对应的均值坐标；其中，一个所述第一膜湿度对应一个均值坐标；步骤4）：将不同的所述均值坐标绘制在二维坐标系，得到车用燃料电池膜干故障特征空间；其中，在所述车用燃料电池膜干故障特征空间x轴坐标值增大的方向，所述均值坐标对应的第一膜湿度递增。
39.由于步骤（7）实施过程和步骤（6）实施过程相似，在此不再过多赘述。
40.下面通过一个具体示例来说明车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间的构建过程。
41.一个示例为：如图2所示，车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间的构建过程如下所示。
42.第一部分：多源信息预处理。
43.第一步，获取燃料电池汽车在新欧洲驾驶周期（new european driving cycle，简称nedc）循环工况下车用燃料电池分别在相对膜湿度为25%、50%、75%、100%、125%、150%、175%条件下的输出电压（vi）、输出电流（ii）、阳极进出口实际压降（），其中i=25、50、75、100、125、150、175，信号采集时间为1180秒。确定车用燃料电池的工况信息，例如阴极水流通道宽度（cw）、阴极水流通道深度（cd）、阴极水流通道长度（l）、阴极水流通道数量（n）、阳极入口氢气压力（p
in
）、阳极入口氢气饱和压力（p
sat
）、氢气化学计量数（）和燃料电池运行温度（t），总结如下表1所示。
44.表1 多源信息数据表
第二步，不同膜湿度故障下车用燃料电池输出电压均低于正常运行时车用燃料电池输出电压(如图3所示，在此以相对膜湿度为25%举例说明，其他膜湿度故障类似)，分别计算二者差值的绝对值(如图4所示)，从图4中可知，在加速工况下膜湿度故障的车用燃料电池故障输出电压与正常运行时车用燃料电池输出电压相差较为明显，因此，提取加速段两者的差值的绝对值，即输出电压降，并对其求二阶导数(如图5所示)，接着采用傅里叶变换（如公式（1）所示）将输出电压降二阶导数转至频域后提取振幅谱(如图6所示)，将其作为提取的特征一，称为as。分别获取3类膜干故障、3类水淹故障车用燃料电池特征一数据，分别为as
25、
as
50、
as
75、
as
125、
as1
150、
as
175
。
45.其中，f(t)为时域信号，为频域信号，为积分变换核，dt即为对时间t进行积分，f[ ]表示傅里叶变换。
[0046]
第三步，根据采集的输出电流（ii）、阴极水流通道宽度（cw）、阴极水流通道深度（cd）、阴极水流通道长度（l）和阴极水流通道数量（n）、阳极入口氢气压力（p
in
）、阳极入口氢气饱和压力（p
sat
）、氢气化学计量数（）和燃料电池运行温度（t）等信号，获取在所处状态下的阳极进出口理论压降：
（273k≤t≤313k）
ꢀꢀꢀꢀꢀꢀꢀ
（2）；（313k《t≤373k）
ꢀꢀꢀꢀꢀꢀꢀ
（3）；其中，i=25、50、75、100、125、150、175，并且通过信号采集获取车用燃料电池在不同膜湿度故障下阳极进出口实际压降、、
…
；其中，车用燃料电池在水淹故障下阳极进出口实际压降均高于阳极进出口理论压降，在膜干故障下由于水量很少，压降值几乎保持不变，因此此时阳极进出口实际压降均小于阳极进出口理论压降(如图7所示)。
[0047]
计算不同车用燃料电池膜湿度下阳极进出口理论压降与阳极进出口实际压降的差值的绝对值，并将其作为所提取的特征二，即：表示
ꢀꢀ
（4）；其中，表示阳极进出口理论压降与阳极进出口实际压降的差值的绝对值；表示相对膜湿度为i%时的阳极进出口实际压降；表示阳极进出口理论压降。
[0048]
第二部分：特征空间建立。
[0049]
对于前述从电信号中所提取的特征一：asi和非电信号特征二：，i=25、50、75、100、125、150、175，作为横纵坐标轴绘制于二维空间内，进而分别建立车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间。
[0050]
第一步，将asi和进行归一化处理：其中，x
p
表示归一化后的数据，xq为原始数据，x
qmin
和x
qmax
分别代表原始数据中的最小值和最大值。
[0051]
第二步，获取as
25、
as
50、
as
75
和d
δp25、dδp50、dδp75
数据，并将其绘制在二维坐标系内（如图8所示），形成散点图，接着提取所绘制散点图内三种膜湿度故障值的均值点（如图9所示），完成车用燃料电池膜干故障特征空间的建立。
[0052]
第三步，获取as
125
、as
150
、as
175
和d
δp125
、d
δp150
、d
δp175
数据，并将其绘制在二维坐标系内，形成散点图，接着提取所绘制散点图内三种膜湿度故障值的均值点（如图10所示），完成车用燃料电池水淹故障特征空间建立。
[0053]
在步骤400中，所述步骤：根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度，具体包括：
步骤401：在所述车用燃料电池膜干故障特征空间内，构建膜湿度向量；所述膜湿度向量为第一坐标指向第二坐标的向量；所述第一坐标对应的第一膜湿度与所述第二坐标对应的第一膜湿度相邻，且所述第一坐标对应的第一膜湿度小于第二坐标对应的第一膜湿度。
[0054]
步骤402：在所述车用燃料电池水淹故障特征空间选择与未知点坐标距离最近的第一目标坐标和第二目标坐标；所述未知点坐标由以所述当前时段车用燃料电池的第一特征为横坐标、以所述当前时段车用燃料电池的第二特征为纵坐标构建的坐标。
[0055]
步骤403：将所述第一目标坐标对应的第一膜湿度和所述第二目标坐标对应的第一膜湿度进行比较，并将较小的第一膜湿度对应的目标坐标确定为起始点坐标。
[0056]
步骤404：构建未知点坐标对应的目标膜湿度向量；所述目标膜湿度向量为所述起始点坐标指向未知点坐标的向量。
[0057]
步骤405：根据所述起始点坐标对应的膜湿度向量和所述未知点坐标对应的目标膜湿度向量，预测所述当前时段车用燃料电池的膜湿度；所述起始点坐标对应的膜湿度向量为起始点坐标指向第三坐标的向量；所述起始点坐标对应的第一膜湿度与所述第三坐标对应的第一膜湿度相邻，且所述起始点坐标对应的第一膜湿度小于所述第三坐标对应的第一膜湿度。
[0058]
进一步地，步骤405，具体包括：根据公式（6）：预测所述当前时段车用燃料电池的膜湿度；其中，为所述起始点坐标对应的第一膜湿度；为所述第三坐标对应的第一膜湿度；为所述未知点坐标对应的目标膜湿度向量；为所述起始点坐标对应的膜湿度向量；表示取模。
[0059]
由于步骤500中的“根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述当前时段车用燃料电池的膜湿度”与步骤400中的“根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度”相似，在此不再过多赘述。
[0060]
下面通过具体示例来说明当前时段车用燃料电池膜湿度的预测过程。
[0061]
一个示例为：由于燃料电池膜湿度难以采用传感器进行测量，本示例通过特征空间内构建向量及向量间投影来间接量化燃料电池膜湿度。
[0062]
第一步，分别在车用燃料电池膜干故障特征空间和车用燃料电池水淹故障特征空间内构建膜湿度向量；对于车用燃料电池膜干故障特征空间内，依次构建向量，连接相对膜湿度为25%点与相对膜湿度50%点、相对膜湿度50%点与相对膜湿度75%点，并且向量方向为膜湿度增加方向（相对膜湿度为25%点指向相对膜湿度50%点、相对膜湿度50%点指向相对膜湿度75%点，如图11所示）；同样，对于车用燃料电池水淹故障特征空间内，依次构建向量，连接相对膜湿度为125%点与相对膜湿度150%点、相对膜湿度150%点与相对膜湿度175%点，并且向量方向为膜湿度增加方向（相对膜湿度为125%点指向相对膜湿度150%点、相对膜湿度
150%点指向相对膜湿度175%点，如图12所示）。
[0063]
第二步，制定膜湿度量化预测策略。
[0064]
首先，以某一燃料电池膜干故障为例，如图13所示，在车用燃料电池膜干故障特征空间内，利用膜湿度未知点坐标和用以构建车用燃料电池膜干故障特征空间的三个膜湿度已知点的横纵坐标，计算未知点坐标与三个已知点坐标间的欧氏距离。
[0065]
其中，（x1，y1）为一个已知点坐标，（x2，y2）为一个未知点坐标。
[0066]
接着筛选出与未知点坐标欧氏距离最小的两个已知点坐标，并与该两个已知点中膜湿度相对较小的点建立向量，向量方向为该已知点坐标指向未知点（即由“与膜湿度未知点欧氏距离最小的两个已知膜湿度点中膜湿度相对较小的点“指向”膜湿度未知点“）。如图13所示，与未知点坐标欧式距离最小的两个已知点坐标分别为相对膜湿度25%的点和相对膜湿度为50%的点，与其中膜湿度相对较小的25%的点构建向量，且方向为相对膜湿度25%的点指向未知点，即构建向量，接着根据投影长度量化膜湿度： （8）；其中，为相对膜湿度25%的点对应的膜湿度向量。
[0067]
实施例二为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供基于多源信息融合的车用燃料电池膜湿度预测系统。
[0068]
如图14所示，本实施例提供的一种基于多源信息融合的车用燃料电池膜湿度预测系统，包括：状态信息获取模块1，用于获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降。
[0069]
第一特征计算模块2，用于根据所述当前时段车用燃料电池的输出电压，确定所述当前时段车用燃料电池的第一特征；所述第一特征为振幅谱。
[0070]
阳极进出口理论压降计算模块3，用于根据所述当前时段车用燃料电池的输出电流，确定所述当前时段车用燃料电池的阳极进出口理论压降。
[0071]
膜湿度预测模块4，用于：当所述当前时段车用燃料电池的阳极进出口理论压降小于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述当前时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述当前时段车用燃料电池的阳极进出口理论压降与所述当前时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述当前时段车用燃料电池的阳极进出口理论压降大于所述当前时段车用燃料电池的阳极进出口实际压降时，计算所述当前时段车用燃料电池的第二特征，并根据所述当前时段车用燃料电池的第一特征、所述当前时段车用燃料电池的第二特征和车用燃料
电池水淹故障特征空间，预测所述当前时段车用燃料电池的膜湿度。
[0072]
其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征。
[0073]
所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
[0074]
实施例三本实施例提供了一种基于多源信息融合的车用燃料电池膜湿度预测方法，包括：步骤a：获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降。
[0075]
步骤b：根据所述当前时段车用燃料电池的状态信息和机器学习算法，预测下一时段车用燃料电池的状态信息。
[0076]
步骤c：根据所述下一时段车用燃料电池的输出电压，确定所述下一时段车用燃料电池的第一特征；所述第一特征为振幅谱。
[0077]
步骤d：根据所述下一时段车用燃料电池的输出电流，确定所述下一时段车用燃料电池的阳极进出口理论压降。
[0078]
步骤e：当所述下一时段车用燃料电池的阳极进出口理论压降小于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述下一时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述下一时段车用燃料电池的阳极进出口理论压降与所述下一时段车用燃料电池的阳极进出口实际压降的差值的绝对值。
[0079]
步骤f：当所述下一时段车用燃料电池的阳极进出口理论压降大于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述下一时段车用燃料电池的膜湿度。
[0080]
其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征。
[0081]
所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
[0082]
如图15所示，对待预测的燃料电池采集输出电压信号、电流信号和阳极压降信号并利用自回归滑动平均模型进行时间序列预测。
[0083]
自回归滑动平均模型，又名arma模型（auto-regressive moving average model），属于时间序列分析中的一种。
[0084]
将采集的输出电压、输出电流、阳极压降信号与基于此三类信号进行时间序列预测的信号分别输入上述构建的特征空间内，完成膜湿度量化预测。不仅能够预测此刻燃料
电池膜湿度状态，并且能够对未来膜湿度故障做出预警，及时调整并控制燃料电池温度、进气湿度等，将燃料电池膜湿度维持在正常范围，降低燃料电池损伤，提升寿命。
[0085]
实施例四为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供基于多源信息融合的车用燃料电池膜湿度预测系统。
[0086]
本实施例提供的一种基于多源信息融合的车用燃料电池膜湿度预测系统，包括：状态信息获取模块，用于获取当前时段车用燃料电池的状态信息；所述当前时段车用燃料电池的状态信息至少包括输出电压、输出电流和阳极进出口实际压降。
[0087]
状态信息预测模块，用于根据所述当前时段车用燃料电池的状态信息和机器学习算法，预测下一时段车用燃料电池的状态信息。
[0088]
第一特征计算模块，用于根据所述下一时段车用燃料电池的输出电压，确定所述下一时段车用燃料电池的第一特征；所述第一特征为振幅谱。
[0089]
阳极进出口理论压降计算模块，用于根据所述下一时段车用燃料电池的输出电流，确定所述下一时段车用燃料电池的阳极进出口理论压降。
[0090]
膜湿度预测模块，用于：当所述下一时段车用燃料电池的阳极进出口理论压降小于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池膜干故障特征空间，预测所述下一时段车用燃料电池的膜湿度；所述第二特征为第一绝对值；所述第一绝对值为所述下一时段车用燃料电池的阳极进出口理论压降与所述下一时段车用燃料电池的阳极进出口实际压降的差值的绝对值；当所述下一时段车用燃料电池的阳极进出口理论压降大于所述下一时段车用燃料电池的阳极进出口实际压降时，计算所述下一时段车用燃料电池的第二特征，并根据所述下一时段车用燃料电池的第一特征、所述下一时段车用燃料电池的第二特征和车用燃料电池水淹故障特征空间，预测所述下一时段车用燃料电池的膜湿度。
[0091]
其中，所述车用燃料电池膜干故障特征空间为以膜干故障特征和第一膜湿度构建的二维空间；所述第一膜湿度为低于100%的相对膜湿度；所述膜干故障特征为所述第一膜湿度对应的第一特征和第二特征。
[0092]
所述车用燃料电池水淹故障特征空间为以水淹故障特征和第二膜湿度构建的二维空间；所述第二膜湿度为高于100%的相对膜湿度；所述水淹故障特征为所述第二膜湿度对应的第一特征和第二特征。
[0093]
与现有技术相比，本发明具体以下技术效果：第一，采用信息融合技术，考虑能够表征膜湿度的车用燃料电池输出电压这一电学量和阳极压降这一非电学量，提高车用燃料电池膜湿度量化预测的稳定性、准确性。
[0094]
第二，通过制定车用燃料电池膜湿度量化预测策略，获取无法使用传感器直接测量的膜湿度值，为车用燃料电池安全运行提供保障，并为控制车用燃料电池膜湿度处于正常区间提供有效支持。
[0095]
第三，可实现车用燃料电池膜湿度在线量化预测，预测成本低、效率高。并且能够基于采集时间序列数据进行预测，可预警车用燃料电池膜湿度变化规律，提前动作，并根据
膜湿度值量化调整相关参数以将膜湿度快速高效控制在理想范围内，控制车用燃料电池膜湿度处于非不可逆损伤范围内，提高车用燃料电池使用寿命。
[0096]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0097]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。