文献类型：期刊文章

作　　者：张杰[1,2] 谌祺[1,2] 韩小涛[1,2]

ZHANG Jie;CHEN Qi;HAN Xiaotao(Wuhan National High Magnetic Field Center,Huazhong University of Science and Technology,Wuhan Hubei 430074,China;State Key Laboratory of Advanced Electromagnetic Engineering and Technology,Huazhong University of Science and Technology,Wuhan Hubei 430074,China)

机构地区：[1]华中科技大学国家脉冲强磁场科学中心(筹),湖北武汉430074 [2]华中科技大学强电磁工程与新技术国家重点实验室,湖北武汉430074

出　　处：《电源技术》

基　　金：国家自然科学基金项目(52077092)。

年　　份：2022

卷　　号：46

期　　号：7

起止页码：710-715

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：可靠性低和耐久性差是目前制约质子交换膜燃料电池发展的主要瓶颈,故障诊断技术作为解决这些问题的重要途径之一受到广泛关注。总结了近年来基于典型机器学习算法的质子交换膜燃料电池故障诊断方法,分别对神经网络、模糊聚类、神经模糊、贝叶斯网络、支持向量机、随机森林等方法进行归纳分析,并结合当前算法存在的问题,对机器学习在燃料电池故障诊断应用领域的发展方向进行了探讨。

关 键 词：质子交换膜燃料电池 故障诊断 机器学习  

分 类 号：TM911]