1.一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,包括步骤:S100,收集燃料电池有轨电车的实际运行时输出的各项数据作为原始预备数据,对所述原始预备数据进行归一化处理,并将归一化得到的高维数据进行降维处理得到原始数据;所述原始预备数据为正常状态、高温故障,氢气泄露故障以及空气压力低故障的十二维原始数据;通过主成分分析法将归一化得到后的十二维原始数据降到四维,使用这四维数据作为原始数据;
S200,基于模拟退火遗传算法的模糊c均值聚类处理来对所述原始数据进行筛分处理,获得故障诊断的样本数据;包括步骤:
S201,设置模糊c均值聚类算法、模拟退火算法以及遗传算法的参数值,将模糊c均值聚类的目标函数值作为需要优化的目标,随机选取初始种群,计算种群中每个个体的适应度;
S202,根据每个个体的适应度,通过选择、交叉和变异过程获得新个体;
S203,对每个新个体进行模拟退火,得到下一代种群;
S204,根据所述下一代种群选择模糊c均值聚类目标函数值最小的初始聚类中心作为模糊c均值聚类的最佳初始聚类中心,再通过模糊c均值聚类得到四种健康状态包括正常状态、高温故障状态、氢气泄露故障状态以及空气压力低故障状态;
S205,输出每组原始数据对于每种状态的隶属度,选择每种健康状态的隶属度大于
60%的数据作为故障诊断的样本数据;
S300,将所述样本数据输入所建立的基于SMOTE算法的深度置信故障诊断网络,输出最佳的故障诊断准确率以及分类的燃料电池故障结果。
2.根据权利要求1所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S201中,所述模糊c均值聚类算法参数包括确定目标函数、类聚类别数、目标函数终止容限以及最大迭代次数;模拟退火算法参数包括冷却系数、初始温度以及终止温度;遗传算法的参数包括个体数目、最大遗传代数,将模糊c均值聚类的目标函数值作为需要优化的目标;
通过模拟退火遗传算法确定最佳初始聚类中心:将模糊c均值聚类的目标函数作为模拟退火遗传算法需要优化得到最小值的目标,选择最佳的初始聚类中心,随机选取聚类中心作为初始种群P(t),通过适应度函数计算种群中每个个体的适应度。
3.根据权利要求2所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S202中,根据每个个体的适应度,通过选择、交叉和变异过程获得新个体,包括步骤:根据适应度值,通过选择算子从当前种群中选择优良个体到下一代得到种群P'(t);再通过交叉算子产生新个体得到种群P”(t);加入变异算子得到种群P”'(t),作为包含有新个体的新种群;
在所述步骤S203中,对每个新个体进行模拟退火,得到下一代种群,包括步骤:对新种群中各个个体进行模拟退火操作,在初始温度下产生新的解,评价适应度差值,按照预设概率范围接受新解,直到达到该温度下的平衡状态;再根据冷却系数降低温度,直到满足退火结束的收敛条件,得到下一代种群P(t+1)。
4.根据权利要求3所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S204中,判断下一代种群是否满足目标函数值较上之前种群更小的条件,若满足则替代旧个体,求出群体中适应度值最大的个体,保留最好的个体,当满足迭代条件时得到最佳的输出结果,即得到最佳初始聚类中心;
根据正常状态、高温故障状态、氢气泄露故障状态以及空气压力低故障状态的聚类中心,通过隶属度函数矩阵对每一组数据进行计算,进行模糊c均值聚类,得到每组数据对于每种状态的隶属度值,完成数据归类筛分。
5.根据权利要求4所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S205中,通过输出的每组原始数据对于每种状态的隶属度得到该组数据属于每一类故障的概率,通过该隶属度矩阵判断每组数据所属状态类别,抛弃无效、冗余的数据,筛选每种健康状态的隶属度大于60%且与实际标签相符合的数据作为故障诊断算法的样本数据。
6.根据权利要求1或5所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,将所述样本数据输入所建立的基于SMOTE算法的深度置信故障诊断网络,输出最佳的故障诊断准确率以及分类的燃料电池故障结果,包括步骤:S301,向所述故障诊断网络输入样本数据集,所述样本数据集分为训练数据集和测试数据集;
S302,对所述训练数据集,通过SMOTE算法补充少数类故障样本,得到新的训练集样本;
S303,利用新的训练集样本训练深度置信的故障诊断网络,得到故障诊断网络模型;
S304,通过测试数据集测试所述故障诊断网络模型,得到模型故障分类结果的准确率,通过调整SMOTE算法中的K值和N值,确定最佳的故障诊断网络模型,对最佳的故障诊断网络模型进行测试,最终输出最佳的故障诊断准确率以及分类的结果。
7.根据权利要求6所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S302中,通过SMOTE算法每次输入训练数据集中极度不平衡的氢气泄露故障数据,模拟生成更多的氢气泄露故障数据,得到新的训练集样本。
8.根据权利要求6所述的一种有轨电车用质子交换膜燃料电池故障诊断方法,其特征在于,在所述步骤S303中,设置深度置信的故障诊断网络结构包括神经元个数和网络层数,随机初始化网络权值,通过得到的新的训练集样本训练整个网络,得到故障诊断网络模型。