摘要:为解决有轨电车用燃料电池电堆系统(fuelcellstack system,FCSS)故障分类问题,提出基于多分类相关向量机(multi-class relevance vector machine,m RVM)和模糊C均值聚类(fuzzy C means clustering,FCM)的有轨电车用FCSS故障诊断新方法。该方法利用FCM形成标准聚类中心,采用m RVM对测试样本实现多分类,能有效剔除奇异数据并提高模型分类正确率。实例分析表明,所提方法可快速识别氢气泄漏、去离子水加湿泵低压、空气压力过低和正常共4种健康状态,分类准确率可达96.67%,为有轨电车用FCSS在线故障诊断研究提供参考。
关键词:多分类相关向量机 质子交换膜燃料电池 故障诊断 混合动力有轨电车 模糊c均值
单位:西南交通大学电气工程学院; 四川省成都市611756
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社