| 基于K均值和支持向量机的燃料电池在线自适应故障诊断 |
| |
| 作者姓名： | 周苏 胡哲 文泽军 |
| |
| 作者单位： | 同济大学 汽车学院, 上海 201804;同济大学 中德学院, 上海 201804,同济大学 汽车学院, 上海 201804,同济大学 汽车学院, 上海 201804 |
| |
| 基金项目： | 同济大学-AVL List博士基金 |
| |
| 摘 要： | 基于K均值(K-means)和支持向量机(support vector machine, SVM)算法,提出了一种车用燃料电池系统(fuel cell system, FCS)在线自适应故障诊断方法.该方法通过不断获取系统最新单体电压,采用K-means算法改进传统的静态SVM分类器模型,对实时获取的信息进行聚类,实现分类器的在线自适应调节.采用已发表文献中的实验数据进行了相关的验证分析,结果表明,提出的方法能有效地在线调节故障分类器,实现FCS系统特性发生改变后的故障检测.
|
| 关 键 词： | 车用燃料电池 故障诊断 在线自适应 支持向量机 K均值聚类 |
| 收稿时间： | 2018-05-17 |
| 修稿时间： | 2018-11-26 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《同济大学学报(自然科学版)》下载全文 |
|
