1.一种基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，包括如下步骤：

步骤1：根据PEMFC原理，构造PEMFC动态电压模型，并将微分方程转化为标准形式的状态方程；

步骤2：基于步骤1中的状态方程，给出所述PEMFC动态电压模型含有外部干扰的一般形式；

步骤3：采用纯确定性的观点，应用惩罚函数方法构造一个鲁棒的正则化最小二乘估计问题，设计一个鲁棒卡尔曼滤波器；

步骤4：使用鲁棒卡尔曼滤波器为残差信号发生器，给出滤波器需要的系统初值，得到系统模型预测的输出值；

步骤5：将PEMFC动态电压模型中加入执行器故障，利用步骤4的运行方法，将得到的预测值与实际值相比较，生成残差序列；

步骤6：引入评价函数阈值故障检测方法，分析残差信号的统计特征，构造决策函数和决策规则；

步骤7：根据步骤6决策函数和决策规则，监控系统的运行过程，进行故障检测。

2.根据权利要求1所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述PEMFC动态电压模型输出电压表示为：Vcell＝n(Enerst‑ηact‑ηcons‑ηohmic)                      (1)其中，n代表单电池数量，Vcell为单电池电压，Enerst为能斯特电压，ηact为活化过电势，ηcons为浓差过电势，ηohmic为欧姆过电势；

其中，

采用包含等效电容和等效电阻的RC电路作为电池等效电路，表示为：其中，VCd为等效电压，Cd为等效电容，τc为时间常数，Ract为活化极化损耗，Rcon为浓差极化损耗；选择 作为状态变量，Id为电流，作为控制变量，PEMFC的线性化连续系统模型为：其中，

3.根据权利要求1所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述步骤2中PEMFC动态电压模型含有外部干扰的一般形式为：AT

其中，Az＝e ， xk表示状态变量，uk表示控制输入，yk表示输出，ωk和υk分别为过程噪声和观测噪声，δA、δB、δC分别为不确定参数。

4.根据权利要求3所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述步骤3中设计一个鲁棒卡尔曼滤波器的具体过程为：S3.1：将PEMFC动态电压模型中的不确定参数表示为如下形式：其中，E1、E2、E3、F1、F2、F3是已知的适当维度的常数矩阵，Δ1、Δ2、Δ3为任意压缩矩阵，δA、δB、δC分别为不确定参数，I为单位矩阵；

S3.2：在每一步k，假设先验估计 测量输出yk和控制输入uk已知，则可以得到一个min‑max约束优化问题，当系统受不确定性影响最大时，二次代价函数最小，其目标函数如下：

S3.3：定义如下映射关系：则系统公式(7)可以改写为如下形式：Y+δY＝(D+δD)X+W                     (11)不确定项写成如下形式：

S3.4：鲁棒的正则化最小二乘估计表示为：S3.5：引入惩罚函数，将目标函数(9)改写为：其中，

‑

S3.6：假设先验估计误差 的误差协方差为P ，W的误差协方差为Q，令 目标函数(14)的一个确定解 如下：其中， 是作为优化问题的解而获得的非负标量参数：目标函数Γ(λ)给出如下：

2 2 2

Γ(λ)＝||z(λ)||+||Hz(λ)‑K||+λ||FHz(λ)‑FK||              (18)其中，

S3.7：采用近似计算 解决鲁棒正则化最小二乘估计问题，其中ξ＞0，则x的鲁棒估计 和估计误差 的协方差P可以由以下对称排列矩阵给出：其中，

S3.8：由此即可得出鲁棒卡尔曼滤波器如下：其中，

5.根据权利要求1所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述PEMFC电压模型加入执行器故障时，则含有外部干扰和故障时形式为：AT

其中，Az＝e ， xk表示状态变量，uk表示控制输入，ωk和υk分别为过程噪声和观测噪声，fk表示执行器故障，xk表示状态变量， 为状态估计，δA、δB、δC分别为不确定参数。

6.根据权利要求1所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述步骤5中生成的残差序列为：其中，rk作为残差序列，ek表示误差。

7.根据权利要求1所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述步骤6中引入的评价函数阈值故障检测方法具体为：预先定义合适的阈值Jth和评估函数 残差评价函数为：阈值为：

其中，M是整个运行过程的结束时间，α是一个给定的常数。

8.根据权利要求7所述的基于鲁棒卡尔曼滤波器的质子交换膜燃料电池故障检测方法，其特征在于，所述步骤6中判断系统是否出现故障的决策逻辑为：指定常数α，则故障检测可以通过以下决策逻辑实现：