1.本技術(shù)涉及燃料電池領(lǐng)域，更具體的說，是涉及一種燃料電池系統(tǒng)水淹故障診斷方法和裝置。

背景技術(shù)：

2.氫氧燃料電池汽車用以質(zhì)子交換膜燃料電池(pemfc，proton exchange membrane fuel cell)系統(tǒng)為核心，使用高純度氫氣與空氣中的氧氣發(fā)生電化學(xué)反應(yīng)，產(chǎn)生電能驅(qū)動車輛運(yùn)行。氫氧燃料電池是零排放或近似零排放的車載動力解決方案，具有運(yùn)行平穩(wěn)噪音低、經(jīng)濟(jì)性高、加注燃料快。環(huán)境適應(yīng)性強(qiáng)等優(yōu)點(diǎn)。隨著環(huán)境污染與全球氣候變暖問題的日益嚴(yán)重，其作為一種汽車動力系統(tǒng)解決方案而日益受到關(guān)注。

3.對于車載應(yīng)用，質(zhì)子交換膜燃料電池系統(tǒng)的性能、耐用性和可靠性是最具挑戰(zhàn)性的問題，其在很大程度上取決于燃料電池系統(tǒng)的水熱管理。隨著車載燃料電池系統(tǒng)的功率密度日益提升，燃料電池堆需要在更高的電流密度下運(yùn)行，并產(chǎn)生更多的液態(tài)水。液態(tài)水容易阻塞氣體擴(kuò)散層和氣體流道，導(dǎo)致反氣體不足，降低系統(tǒng)性并損害電堆耐久性。因此對燃料電池系統(tǒng)的水淹故障進(jìn)行有效診斷十分重要。可靠的診斷手段可以及時對控制系統(tǒng)進(jìn)行預(yù)警，使得控制系統(tǒng)做出必要的控制措施，避免燃料電池的水淹故障繼續(xù)加深。

4.現(xiàn)有技術(shù)中，采用神經(jīng)網(wǎng)絡(luò)診斷模型對于燃料電池進(jìn)行水淹故障檢測，如常用方法有pca(principal components analysis，主成分分析)降維方法、svm(support vector machine，支持向量機(jī))分類器、lstm(long short-term memory，長短期記憶網(wǎng)絡(luò))分類器等。這類方法具有一定的診斷精度，但是需求數(shù)據(jù)量較大、且在車載條件下，對運(yùn)算資源的消耗較大。

技術(shù)實(shí)現(xiàn)要素：

5.有鑒于此，本技術(shù)提供了一種燃料電池系統(tǒng)水淹故障診斷方法，如下：

6.一種燃料電池系統(tǒng)水淹故障診斷方法，包括：

7.獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；

8.基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；

9.基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；

10.基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；

11.基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。

12.上述的方法，可選的，預(yù)設(shè)特征參數(shù)隨機(jī)分布概率，包括：

13.對燃料電池輸出預(yù)設(shè)交流激勵電流；

14.從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；

15.對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；

16.讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；

17.基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；

18.基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；

19.基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。

20.上述的方法，可選的，所述基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合，包括：

21.基于所述目標(biāo)特征參數(shù)的每個樣本值，分析對應(yīng)的輸出電流和輸出電壓，得到至少兩個頻譜圖；

22.基于所述至少兩個頻譜圖中的幅移和相移，分析得到所述燃料電池發(fā)生水淹故障或者未發(fā)生水淹故障；

23.根據(jù)分析得到燃料電池發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值；

24.根據(jù)分析得到燃料電池未發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是未發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值。

25.上述的方法，可選的，所述基于所述燃料電池發(fā)生水淹故障的樣本個數(shù)以及樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)概率，包括：

26.采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池發(fā)生水淹故障時的高斯分布參數(shù)。

27.上述的方法，可選的，所述基于所述燃料電池未發(fā)生水淹故障的樣本個數(shù)以及樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)，包括：

28.采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的未發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池未發(fā)生水淹故障時的高斯分布參數(shù)。

29.上述的方法，可選的，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)、冷卻泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速。

30.一種燃料電池系統(tǒng)水淹故障診斷裝置，包括：

31.獲取模塊，用于獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；

32.分析模塊，用于基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的

發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；

33.判斷模塊，用于基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；或者，基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。

34.上述的裝置，可選的，還包括：

35.預(yù)設(shè)模塊，用于預(yù)設(shè)特征參數(shù)隨機(jī)分布概率。

36.上述的裝置，可選的，所述預(yù)設(shè)模塊，具體用于：

37.對燃料電池輸出預(yù)設(shè)交流激勵電流；

38.從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；

39.對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；

40.讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；

41.基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；

42.基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；

43.基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。

44.上述的裝置，可選的，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)、冷卻泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速。

45.經(jīng)由上述的技術(shù)方案可知，本技術(shù)提供了一種燃料電池系統(tǒng)水淹故障診斷方法，包括：獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。本方案中，基于預(yù)設(shè)的特征參數(shù)分布概率，分析得到多個特征參數(shù)實(shí)時值分別對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率，基于該多個獨(dú)立的特征參數(shù)發(fā)生水淹概率和未發(fā)生水淹概率分析確定整個燃料電池系統(tǒng)發(fā)生水淹概率和未發(fā)生水淹概率，從中選擇概率較大的一個作為最終結(jié)果，數(shù)據(jù)處理量小。

附圖說明

46.為了更清楚地說明本技術(shù)實(shí)施例中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本技術(shù)的實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖

獲得其他的附圖。

47.圖1是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例1的流程圖；

48.圖2是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例1提供的燃料電池動力系統(tǒng)示意圖；

49.圖3是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例2的流程圖；

50.圖4是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例2中步驟s301的具體流程圖；

51.圖5所示的為本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷裝置實(shí)施例的結(jié)構(gòu)示意圖；

52.圖6所示的是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法在應(yīng)用場景中的示意圖；

53.圖7所示的是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法的具體實(shí)驗(yàn)場景中的實(shí)驗(yàn)數(shù)據(jù)示意圖；

54.圖8所示的是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法的具體實(shí)驗(yàn)場景中的診斷結(jié)果示意圖。

具體實(shí)施方式

55.下面將結(jié)合本技術(shù)實(shí)施例中的附圖，對本技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例?；诒炯夹g(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本技術(shù)保護(hù)的范圍。

56.如圖1所示的，是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例1的流程圖，該方法應(yīng)用于一車載系統(tǒng)，該方法包括以下步驟：

57.步驟s101：獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；

58.其中，燃料電池系統(tǒng)運(yùn)行過程中，可以實(shí)時對其多個特征參數(shù)的值進(jìn)行獲取，以基于該特征參數(shù)的實(shí)時值進(jìn)行判斷是否出現(xiàn)水淹故障。

59.具體的，車載系統(tǒng)中對于各個特征參數(shù)的實(shí)時值進(jìn)行獲取。

60.其中，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水出口溫度、冷卻泵轉(zhuǎn)速、排氫閥狀態(tài)、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速、冷卻水入口溫度。

61.其中，上述的特征參數(shù)是燃料電池運(yùn)行中相關(guān)的特征，任意特征參數(shù)均能夠表征該燃料電池是否發(fā)生水淹。

62.具體的，氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)可以通過車載系統(tǒng)的控制器獲?。焕鋮s泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速可以通過汽車can(controller area network，控制器局域網(wǎng)絡(luò))總線獲取。

63.如圖2所示的為燃料電池動力系統(tǒng)示意圖，系統(tǒng)中的傳感器分別監(jiān)測氫氣入口壓力、空氣入口壓力和流量、電堆入口和電堆出口溫度、電堆的輸出電壓和輸出電流。另外控

制器通過can總線，采集循環(huán)泵、水泵、空氣壓縮機(jī)、背壓閥、尾排閥和節(jié)溫器的反饋信號。具體的，該系統(tǒng)中包括：穩(wěn)壓一體傳感器p/t、溫度流量一體傳感器t/f、壓力傳感器p、電力傳感器a、溫度傳感器t以及電壓傳感器v。

64.其中，氫氣通過氫氣入口通過氫噴射器進(jìn)入電堆，電堆輸出氫氣通過氫循環(huán)泵返回電堆；電堆輸出尾氣通過尾排閥輸出到排出；壓力傳感器p檢測氫氣入口壓力?？諝馔ㄟ^空氣入口通過空氣壓縮機(jī)經(jīng)過中冷器輸入電堆；電堆輸出尾氣通過背壓閥輸出到出口排出；溫度流量一體傳感器t/f檢測空氣入口流量和溫度，溫壓一體傳感器p/t檢測電堆中空氣入口壓力和溫度。系統(tǒng)中設(shè)置有水泵c、散熱器和節(jié)溫器，電堆的冷卻水入口壓力和出口壓力分別通過兩個t壓力傳感器檢測。電壓傳感器v和電流傳感器a檢測電堆的總電流和總電壓。

65.本技術(shù)中，利用的是燃料電池動力系統(tǒng)中現(xiàn)有的系統(tǒng)輔助系統(tǒng)和傳感器，無需設(shè)置更多的傳感器。

66.需要說明的是，本技術(shù)中，各個特征參數(shù)采用的是隨機(jī)變量的特征分布。

67.在燃料電池系統(tǒng)中，各個特征參數(shù)獨(dú)立控制，故根據(jù)樸素貝葉斯假設(shè)，作為輸入的隨機(jī)變量相互獨(dú)立，不存在依賴關(guān)系。

68.步驟s102：基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；

69.其中，預(yù)設(shè)有特征參數(shù)的隨機(jī)分布概率。如下表1所示的為特征參數(shù)發(fā)生水淹(y＝1)概率分布和未發(fā)生水淹(y＝0)概率分布表。

70.其中，系統(tǒng)的輸入為z(x1＝z1，x2＝z2，x3＝z3，x4＝z4，x5＝z5，x6＝z6，x7＝z7，x8＝z8，x9＝z9，x

10

＝z

10

，x

11

＝z

11

)

71.表1

[0072][0073]

步驟s103：基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概

率；

[0074]

其中，基于該特征參數(shù)的實(shí)時值確定對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率。

[0075]

計算y＝1和y＝0時的條件概率的過程如下：

[0076][0077][0078]

比較上述兩式的大小，可以通過等效比較如下兩式大小

[0079]

p(z|y＝1)p(y＝1)

???

(3)

[0080]

p(z|y＝0)p(y＝0)

???

(4)

[0081]

由于在本技術(shù)中的燃料電池系統(tǒng)中，各個特征參數(shù)獨(dú)立控制，故根據(jù)樸素貝葉斯假設(shè)，作為輸入的隨機(jī)變量相互獨(dú)立，不存在依賴關(guān)系。所以，此處計算時，根據(jù)樸素貝葉斯假設(shè)作為輸入的隨機(jī)變量相互獨(dú)立，不存在依賴關(guān)系。上述(3)和(4)具體如下所示：

[0082][0083][0084]

其中，k和n是預(yù)設(shè)參數(shù)值。

[0085]

具體的，基于系統(tǒng)采集的特征參數(shù)的實(shí)時值以及上述(5)和(6)計算得到的結(jié)果值進(jìn)行比較。

[0086]

若(5)的結(jié)果值大于(6)，則燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率；

[0087]

若(5)的結(jié)果值不大于(6)，則燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率。

[0088]

步驟s104：基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；

[0089]

步驟s105：基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。

[0090]

具體的，基于(5)和(6)的計算結(jié)果，分析確定燃料電池系統(tǒng)發(fā)生水淹概率與未發(fā)生水淹概率哪個更大，判定該燃料電池系統(tǒng)是否發(fā)生水淹故障。

[0091]

其中，在判定燃料電池系統(tǒng)發(fā)生水淹故障時，進(jìn)行后續(xù)的故障處理。

[0092]

具體的，當(dāng)判斷燃料電池系統(tǒng)發(fā)生水淹故障，則對控制系統(tǒng)進(jìn)行預(yù)警?？刂葡到y(tǒng)會采取增加排氫閥開啟頻率等措施增加排水。若故障恢復(fù)成功，則系統(tǒng)恢復(fù)運(yùn)行狀態(tài)；若故障恢復(fù)失敗，則系統(tǒng)進(jìn)入故障急停狀態(tài)。

[0093]

綜上所述，本實(shí)施例提供了一種燃料電池系統(tǒng)水淹故障診斷方法，包括：獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；基于

預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。本方案中，基于預(yù)設(shè)的特征參數(shù)分布概率，分析得到多個特征參數(shù)實(shí)時值分別對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率，基于該多個獨(dú)立的特征參數(shù)發(fā)生水淹概率和未發(fā)生水淹概率分析確定整個燃料電池系統(tǒng)發(fā)生水淹概率和未發(fā)生水淹概率，從中選擇概率較大的一個作為最終結(jié)果，數(shù)據(jù)處理量小。

[0094]

如圖3所示的，為本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例2的流程圖，該方法包括以下步驟：

[0095]

步驟s301：預(yù)設(shè)特征參數(shù)隨機(jī)分布概率；

[0096]

其中，在對于燃料電池系統(tǒng)是否出現(xiàn)水淹故障診斷之前，先對于特征參數(shù)的隨機(jī)分布概率進(jìn)行預(yù)設(shè)。

[0097]

步驟s302：獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；

[0098]

步驟s303：基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；

[0099]

步驟s304：基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；

[0100]

步驟s305：基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；

[0101]

步驟s306：基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。

[0102]

其中，步驟s302-306與實(shí)施例1中的步驟s101-105一致，本實(shí)施例中不再贅述。

[0103]

如圖4所示的，為本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例2中步驟s301的具體流程圖，包括以下步驟：

[0104]

步驟s401：對燃料電池輸出預(yù)設(shè)交流激勵電流；

[0105]

其中，對于燃料電池輸出約定值的電流，并疊加交流激勵。

[0106]

其中，該交流激勵采用2a(安培)。

[0107]

步驟s402：從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；

[0108]

其中，該特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水出口溫度、冷卻泵轉(zhuǎn)速、排氫閥狀態(tài)、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速、冷卻水入口溫度。

[0109]

本實(shí)施例中，依次對于該特征參數(shù)中的每個進(jìn)行確定其隨機(jī)分布概率的過程。

[0110]

具體實(shí)施中，采用thda設(shè)備對于特征參數(shù)進(jìn)行標(biāo)記，并建立分析模型，以實(shí)現(xiàn)基于

該分析模型進(jìn)行訓(xùn)練數(shù)據(jù)，經(jīng)過訓(xùn)練得到各個特征參數(shù)隨機(jī)分布概率，以使得在輸入z(x1＝z1，x2＝z2，x3＝z3，x4＝z4，x5＝z5，x6＝z6，x7＝z7，x8＝z8，x9＝z9，x

10

＝z

10

，x

11

＝z

11

)時，該分析模型能夠分析發(fā)生水淹的概率和未發(fā)生水淹的概率，進(jìn)而判斷燃料電池是否發(fā)生水淹，輸出判斷結(jié)果。

[0111]

步驟s403：對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；

[0112]

其中，該特征參數(shù)具體是車載運(yùn)行狀態(tài)下的信號，具體可以通過控制器ad采樣或者是通過汽車的can總線采樣檢測。

[0113]

步驟s404：讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；

[0114]

其中，該輸出電壓值與輸出電流值表征了該燃料電池的運(yùn)行情況，本技術(shù)中，基于該目標(biāo)特征參數(shù)采用樣本值作為輸入時，該燃料電池的運(yùn)行情況。

[0115]

步驟s405：基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；

[0116]

本技術(shù)中，對于輸出電流和輸出電壓值進(jìn)行計算頻譜，診斷該燃料電池是否發(fā)生水淹故障。

[0117]

其中，所述步驟s405，包括：

[0118]

步驟s4051：基于所述目標(biāo)特征參數(shù)的每個樣本值，分析對應(yīng)的輸出電流和輸出電壓，得到至少兩個頻譜圖；

[0119]

其中，對于該特征參數(shù)進(jìn)行隨機(jī)采樣后，對于每個特征參數(shù)的采樣的樣本值分析其對應(yīng)的輸出電流和輸出電壓，得到頻譜圖，該頻譜圖表征了燃料電池的狀況。

[0120]

具體的，基于輸出電流和輸出電壓，計算得到該燃料電池的阻抗值，基于該阻抗值得到頻譜圖。

[0121]

步驟s4052：基于所述至少兩個頻譜圖中的幅移和相移，分析得到所述燃料電池發(fā)生水淹故障或者未發(fā)生水淹故障；

[0122]

其中，幅移是輸出電流與輸入電流之間的幅值變化情況，相移是輸出電流與輸入電流之間的相位變化情況。

[0123]

具體的，對于該頻譜圖進(jìn)行分析，確定了輸出電壓電流和輸入電流之間的幅移和相移，基于幅移和相移分別滿足變化閾值結(jié)合燃料電池的阻抗值，判定燃料電池發(fā)生水淹故障，否則，燃料電池未發(fā)生水淹故障。

[0124]

具體實(shí)施中，該變化閾值是根據(jù)實(shí)際情況進(jìn)行設(shè)置，本技術(shù)中不做限制。

[0125]

步驟s4053：根據(jù)分析得到燃料電池發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值；

[0126]

其中，在基于頻譜圖確定了燃料電池發(fā)生水淹故障時，選擇與該頻譜圖對應(yīng)的樣本值，將各個樣本值集合，得到該特征參數(shù)發(fā)生水淹故障的樣本值集合。

[0127]

步驟s4054：根據(jù)分析得到燃料電池未發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是未發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值。

[0128]

其中，在基于頻譜圖確定了燃料電池未發(fā)生水淹故障時，選擇與該頻譜圖對應(yīng)的

樣本值，將各個樣本值集合，得到該特征參數(shù)未發(fā)生水淹故障的樣本值集合。

[0129]

其中，如下表2所示的，是各個特征參數(shù)的相關(guān)信息，包括采用的隨機(jī)變量表示以及信號獲取方式。

[0130]

表2

[0131][0132]

步驟s406：基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；

[0133]

具體的，基于上述步驟s405中確定的發(fā)生水淹故障的樣本值集合，分析確定相應(yīng)的特征參數(shù)的隨機(jī)分布參數(shù)。

[0134]

具體的，采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池發(fā)生水淹故障時的高斯分布參數(shù)。

[0135]

燃料電池水淹狀態(tài)的隨機(jī)變量記為y，符合伯努利分布，1代表發(fā)生水淹故障，0代表未發(fā)生水淹故障?；跇O大似然估計原理，容易得到下式：

[0136][0137]

其中k為樣本中y＝1的個數(shù)，n為全部樣本個數(shù)。

[0138]

使用高斯分布，對于上述輸入進(jìn)行建模，高斯分布的表達(dá)如下：

[0139][0140]

以氫氣入口壓力為例，假設(shè)當(dāng)y＝1的條件下，氫氣入口壓力采樣數(shù)據(jù)為x

11

、x

12

……

x

1n

。假設(shè)其滿足高斯分布，即x1～(μ1，σ

12

)。當(dāng)y＝0時的氫氣入口壓力采樣同樣滿足

高斯分布x'1～(μ'1，σ'

12

)。

[0141]

使用極大似然估計，對樣本的密度方程求極大值，即

[0142][0143]

對上式求解極大值，等效求解下式極小值

[0144][0145]

對上述(9)和(10)求解，得到如下：

[0146][0147][0148]

步驟s407：基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。

[0149]

具體的，基于上述步驟s405中確定的未發(fā)生水淹故障的樣本值集合，分析確定相應(yīng)的特征參數(shù)的隨機(jī)分布參數(shù)。

[0150]

具體的，采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的未發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池未發(fā)生水淹故障時的高斯分布參數(shù)。

[0151]

參考上述分析得到發(fā)生水淹故障的高斯分布參數(shù)的過程，得到未發(fā)生水淹故障時的高斯分布參數(shù)如下：

[0152][0153][0154]

基于上述分析的過程，得到各個特征參數(shù)發(fā)生水淹故障時和未發(fā)生水淹故障時的高斯分布參數(shù)，如實(shí)施例1中的表1所示。

[0155]

與上述本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法實(shí)施例相對應(yīng)的，本技術(shù)還提供了應(yīng)用該燃料電池系統(tǒng)水淹故障診斷方法的裝置實(shí)施例。

[0156]

如圖5所示的為本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷裝置實(shí)施例的結(jié)構(gòu)示意圖，該裝置包括以下結(jié)構(gòu)：獲取模塊501、分析模塊502和判斷模塊503；

[0157]

其中，該獲取模塊501，用于獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；

[0158]

其中，該分析模塊502，用于基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；

[0159]

其中，該判斷模塊503，用于基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；或者，基于所述燃料電池系

統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。

[0160]

可選的，上述的裝置，還包括：

[0161]

預(yù)設(shè)模塊，用于預(yù)設(shè)特征參數(shù)隨機(jī)分布概率。

[0162]

可選的，上述的裝置，所述預(yù)設(shè)模塊，具體用于：

[0163]

對燃料電池輸出預(yù)設(shè)交流激勵電流；

[0164]

從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；

[0165]

對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；

[0166]

讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；

[0167]

基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；

[0168]

基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；

[0169]

基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。

[0170]

可選的，上述的裝置，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)、冷卻泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速。

[0171]

需要說明的是，本裝置中的結(jié)構(gòu)的功能解釋參考方法實(shí)施例，本實(shí)施例中不再贅述。

[0172]

綜上所述，本技術(shù)提供了一種燃料電池系統(tǒng)水淹故障診斷裝置，基于預(yù)設(shè)的特征參數(shù)分布概率，分析得到多個特征參數(shù)實(shí)時值分別對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率，基于該多個獨(dú)立的特征參數(shù)發(fā)生水淹概率和未發(fā)生水淹概率分析確定整個燃料電池系統(tǒng)發(fā)生水淹概率和未發(fā)生水淹概率，從中選擇概率較大的一個作為最終結(jié)果，數(shù)據(jù)處理量小。

[0173]

如圖6所示的是本技術(shù)提供的一種燃料電池系統(tǒng)水淹故障診斷方法在應(yīng)用場景中的示意圖，其中，該方法應(yīng)用于系統(tǒng)控制中，本場景中采用thda(harmonic distortion factor analysis,諧波失真因子分析)診斷設(shè)備進(jìn)行采樣。

[0174]

具體過程如下：

[0175]

燃料電池系統(tǒng)自檢；

[0176]

若自檢失敗，燃料電池系統(tǒng)進(jìn)入故障急停狀態(tài)；

[0177]

若自檢成功，進(jìn)入啟動流程；

[0178]

若啟動失敗，燃料電池系統(tǒng)進(jìn)入故障急停狀態(tài)；

[0179]

若啟動成功，開啟水淹故障檢測流程；

[0180]

其中，該故障檢測流程采用的是本技術(shù)中提供的燃料電池系統(tǒng)水淹故障診斷方法。

[0181]

在燃料電池運(yùn)行過程中，若檢測到燃料電池系統(tǒng)發(fā)生水淹故障，對控制系統(tǒng)進(jìn)行預(yù)警。控制系統(tǒng)會采取增加排氫閥開啟頻率等措施增加排水。若故障恢復(fù)成功，則系統(tǒng)恢復(fù)

運(yùn)行狀態(tài)；若故障恢復(fù)失敗，則系統(tǒng)進(jìn)入故障急停狀態(tài)。

[0182]

當(dāng)整車控制觸發(fā)關(guān)機(jī)指令，燃料電池系統(tǒng)進(jìn)入關(guān)機(jī)狀態(tài)，并關(guān)閉水淹故障檢測流程。

[0183]

當(dāng)整車控制觸發(fā)怠速指令，燃料電池系統(tǒng)進(jìn)行怠速狀態(tài)，同時關(guān)閉水淹故障檢測流程；當(dāng)整車控制觸發(fā)運(yùn)行指令，則系統(tǒng)從怠速狀態(tài)恢復(fù)運(yùn)行狀態(tài)，同時激活水淹故障檢測流程。

[0184]

本技術(shù)中還提供了一種燃料電池系統(tǒng)水淹故障診斷方法的具體實(shí)驗(yàn)場景。

[0185]

圖7所示的為該具體實(shí)驗(yàn)場景中的實(shí)驗(yàn)數(shù)據(jù)示意圖，圖8所示的是該具體實(shí)驗(yàn)場景中的診斷結(jié)果示意圖。

[0186]

實(shí)驗(yàn)使用的燃料電池系統(tǒng)是上海捷氫科技p390全功率燃料電池系統(tǒng)，系統(tǒng)功率92kw，最高效率60％，工作溫度95℃，最低啟動溫度為零下30℃。系統(tǒng)由氫氣子系統(tǒng)，空氣子系統(tǒng)，散熱子系統(tǒng)，電氣子系統(tǒng)構(gòu)成?？諝庾酉到y(tǒng)和氫氣子系統(tǒng)分別為燃料電池系統(tǒng)提供符合系統(tǒng)運(yùn)行的陰陽極氣體壓力和流量；散熱子系統(tǒng)控制冷卻液流量為系統(tǒng)散熱，電氣子系統(tǒng)控制系統(tǒng)功率輸出。

[0187]

測試中，運(yùn)行基于貝葉斯分類器的燃料電池水淹診斷模型，同時降低系統(tǒng)陽極出口分水器的分水效率，使得系統(tǒng)更容易發(fā)生水淹。為驗(yàn)證模型的有效性，使用貝葉斯分類模型進(jìn)行診斷的同時，使用thda診斷設(shè)備對系統(tǒng)進(jìn)行診斷，從而驗(yàn)證貝葉斯分類模型診斷的正確性。

[0188]

系統(tǒng)運(yùn)行在800s到920s的數(shù)據(jù)如圖7所示，診斷結(jié)果如圖8所示。在系統(tǒng)運(yùn)行的約832秒，本技術(shù)應(yīng)用燃料電池系統(tǒng)水淹故障診斷方法的貝葉斯診斷模型的輸出由0變?yōu)?，發(fā)生水淹故障；約0.2s后thda診斷設(shè)備報出了水淹故障。實(shí)驗(yàn)結(jié)果驗(yàn)證了該模型對燃料電池水淹故障的診斷效果。

[0189]

本說明書中各個實(shí)施例采用遞進(jìn)的方式描述，每個實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個實(shí)施例之間相同相似部分互相參見即可。對于實(shí)施例提供的裝置而言，由于其與實(shí)施例提供的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

[0190]

對所提供的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本技術(shù)。對這些實(shí)施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本技術(shù)的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本技術(shù)將不會被限制于本文所示的這些實(shí)施例，而是要符合與本文所提供的原理和新穎特點(diǎn)相一致的最寬的范圍。技術(shù)特征：

1.一種燃料電池系統(tǒng)水淹故障診斷方法，其特征在于，包括：獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，預(yù)設(shè)特征參數(shù)隨機(jī)分布概率，包括：對燃料電池輸出預(yù)設(shè)交流激勵電流；從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合，包括：基于所述目標(biāo)特征參數(shù)的每個樣本值，分析對應(yīng)的輸出電流和輸出電壓，得到至少兩個頻譜圖；基于所述至少兩個頻譜圖中的幅移和相移，分析得到所述燃料電池發(fā)生水淹故障或者未發(fā)生水淹故障；根據(jù)分析得到燃料電池發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值；根據(jù)分析得到燃料電池未發(fā)生水淹故障對應(yīng)的至少一個頻譜圖，確定所述至少一個頻譜圖對應(yīng)的樣本值集合，該樣本值集合是未發(fā)生水淹故障的樣本值集合，所述樣本值集合中包含至少一個樣本值。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述燃料電池發(fā)生水淹故障的樣本個數(shù)以及樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)概率，包括：

采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池發(fā)生水淹故障時的高斯分布參數(shù)。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述燃料電池未發(fā)生水淹故障的樣本個數(shù)以及樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)，包括：采用極大似然估計樣本密度，對于所述目標(biāo)特征參數(shù)的未發(fā)生水淹故障的樣本值集合進(jìn)行分析處理，得到燃料電池未發(fā)生水淹故障時的高斯分布參數(shù)。6.根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法，其特征在于，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)、冷卻泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速。7.一種燃料電池系統(tǒng)水淹故障診斷裝置，其特征在于，包括：獲取模塊，用于獲取當(dāng)前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實(shí)時值，所述至少兩個特征參數(shù)之間獨(dú)立；分析模塊，用于基于預(yù)設(shè)的特征參數(shù)隨機(jī)分布概率，分析得到至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率；基于至少兩個特征參數(shù)的實(shí)時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率；判斷模塊，用于基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障；或者，基于所述燃料電池系統(tǒng)發(fā)生水淹概率不大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)未發(fā)生水淹故障。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，還包括：預(yù)設(shè)模塊，用于預(yù)設(shè)特征參數(shù)隨機(jī)分布概率。9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述預(yù)設(shè)模塊，具體用于：對燃料電池輸出預(yù)設(shè)交流激勵電流；從所述至少兩個特征參數(shù)中依次選擇一個特征參數(shù)作為所述燃料電池系統(tǒng)中目標(biāo)特征參數(shù)，所述目標(biāo)特征參數(shù)的取值采用隨機(jī)變量；對于所述目標(biāo)特征參數(shù)進(jìn)行隨機(jī)采樣，得到至少兩個樣本值；讀取每個目標(biāo)特征參數(shù)樣本值對應(yīng)的所述燃料電池的輸出電流值與輸出電壓值；基于所述輸出電流和輸出電壓值，分析所述燃料電池發(fā)生水淹故障的樣本值集合、所述燃料電池未發(fā)生水淹故障的樣本值集合；基于所述燃料電池發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池發(fā)生水淹故障的隨機(jī)分布參數(shù)；基于所述燃料電池未發(fā)生水淹故障的樣本值集合，分析得到所述目標(biāo)特征參數(shù)在燃料電池未發(fā)生水淹故障的隨機(jī)分布參數(shù)。10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述特征參數(shù)包括以下至少兩個：氫氣入口壓力、空氣入口壓力、空氣入口流量、冷卻水入口溫度、冷卻水出口溫度、排氫閥狀態(tài)、冷卻泵轉(zhuǎn)速、電堆總電流、電堆總電壓、氫循環(huán)泵電流、氫循環(huán)泵轉(zhuǎn)速。

技術(shù)總結(jié)

本申請?zhí)峁┝艘环N燃料電池系統(tǒng)水淹故障診斷方法，燃料電池系統(tǒng)中多個特征參數(shù)之間獨(dú)立，且符合隨機(jī)分布概率，基于特征參數(shù)分布概率，分析得到多個特征參數(shù)實(shí)時值分別對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率，基于該多個獨(dú)立的特征參數(shù)發(fā)生水淹概率和未發(fā)生水淹概率分析確定整個燃料電池系統(tǒng)發(fā)生水淹概率和未發(fā)生水淹概率，從中選擇概率較大的一個作為最終結(jié)果，數(shù)據(jù)處理量小。數(shù)據(jù)處理量小。數(shù)據(jù)處理量小。

技術(shù)研發(fā)人員：顧欣 侯中軍 蔡俊 杜迎夢 陳飛飛

受保護(hù)的技術(shù)使用者：上海捷氫科技股份有限公司

技術(shù)研發(fā)日：2022.05.19

技術(shù)公布日：2022/8/2