质子交换膜燃料电池健康管理与老化预测

本书主要从燃料电池状态估计、寿命预测等相关技术来介绍质子交换膜燃料电池，是其他相关书籍所没有介绍到的。

本书结合作者及团队多年的研究实践，从理论及工程应用的角度系统地介绍了质子交换膜燃料电池在水管理及故障测试、交流阻抗检测、水管理故障诊断和老化预测及剩余使用寿命估计等方面的关键问题和核心技术。全书共8章。第1章概述了质子交换膜燃料电池反应原理及应用；第2~4章重点介绍了质子交换膜燃料电池水管理及故障测试、交流阻抗检测技术及水管理故障诊断方法；第5~8章重点阐述了质子交换膜燃料电池老化分析及预后管理、基于模型的老化预测方法、数据驱动方法与混合预测方法等。本书深入浅出、结构严谨、实例丰富、阐述全面、便于自学，既可作为燃料电池相关领域技术人员的参考用书，也可以作为新能源、电气工程、自动化等专业高年级本科生或研究生的专业课教材。

谢长君，教授、博士生导师，湖北省杰出青年基金获得者，武汉理工大学青年拔尖人才，国家自然科学基金委信息学部会评专家。历任自动化学院副院长，武汉理工大学京津冀协同沧州研究院院长。现任武汉理工大学人工智能学院院长。获得湖北省技术发明二等奖3项，2015年度（排序1）、2017年度（排序3）及2020年度（排序6），获得2017年度中国产学研合作创新奖（个人），2018年度中国产学研合作创新成果奖（排序2），获得湖北省自然科学优秀学术论文一等奖（2016年度）。近年来主持国家重点研发计划项目课题1项，主持国家自然科学基金项目3项，主持国家“973”重大基础研究项目子项1项，主持湖北省技术创新重大项目1项，主持湖北省自然科学基金杰出青年及面上项目各1项，主持武汉市青年科技晨光计划项目1项，参与国家重点研发、863攻关项目10余项。在国内外核心期刊和重要国际会议上发表论文80多篇，其中SCI/EI收录60余篇，申请发明及实用新型专利100余件，已授权发明专利60余件，并完成10件发明专利转让。

第1章 质子交换膜燃料电池概述/1
1.1 燃料电池反应原理/1
1.2 燃料电池组件构成/3
1.3 燃料电池的动态特性/7
1.4 质子交换膜燃料电池应用概述/8
1.4.1 PEMFC汽车概述/8
1.4.2 PEMFC发电技术应用/10
第2章 质子交换膜燃料电池水管理及故障测试/12
2.1 质子交换膜燃料电池水管理/12
2.2 质子交换膜燃料电池水管理故障诊断方法/13
2.2.1 基于模型的故障诊断方法/14
2.2.2 基于数据驱动的故障诊断方法/16
2.2.3 基于实验测试的故障诊断方法/17
2.3 质子交换膜燃料电池水管理故障实验测试/18
第3章 燃料电池交流阻抗检测技术/21
3.1 电化学阻抗谱测量原理/21
3.2 交流阻抗检测系统设计/23
3.2.1 交流阻抗检测系统总体设计/23
3.2.2 程控交流电流激励信号源设计/24
3.2.3 高精度信号采集单元设计/28
3.2.4 上位机模块设计/35
3.3 交流阻抗检测系统测试与分析/43
3.3.1 交流电流激励源频率输出测试/43
3.3.2 信号放大模块测试/44
3.3.3 交直流滤波模块测试/46
3.3.4 交流电压采集模块测试/47
第4章 燃料电池水管理故障诊断方法/50
4.1 燃料电池建模及等效电路模型参数辨识/50
4.1.1 燃料电池建模/50
4.1.2 燃料电池等效电路模型参数不确定性评估/55
4.2 基于FCM与OB算法的燃料电池水管理故障分类/63
4.2.1 最小二乘法参数辨识/63
4.2.2 FCM聚类算法/64
4.2.3 优化贝叶斯算法分类/64
4.2.4 基于FCM与OB算法的水管理故障分类实例/66
4.3 基于自适应差分算法优化支持向量机的水管理故障诊断/75
4.3.1 数据降维方法/75
4.3.2 水管理故障分类算法/76
4.3.3 基于ADESVM算法的水管理故障诊断实例/80
4.4 结合线性判别分析和Xception网络的水管理故障诊断方法/84
4.4.1 燃料电池故障概述/84
4.4.2 Xception网络/85
4.4.3 基于Xception网络的燃料电池故障诊断实例/87
第5章 质子交换膜燃料电池老化分析及预后管理/94
5.1 质子交换膜燃料电池老化机理与指标/94
5.1.1 燃料电池主要部件老化的影响分析/94
5.1.2 燃料电池运行工况对老化的影响分析/96
5.2 质子交换膜燃料电池的预后管理/97
5.2.1 数据获取和预处理/98
5.2.2 健康指标和寿命终止点/101
5.2.3 预测模式概述/104
5.2.4 预测方法/106
5.2.5 预测结果的评价指标/107
第6章 基于模型的质子交换膜燃料电池老化预测方法/109
6.1 PEMFC老化模型和预测流程/109
6.2 基于卡尔曼滤波算法的老化预测/111
6.2.1 基于EKF的老化预测/112
6.2.2 基于UKF的老化预测/114
6.2.3 基于AEKF的老化预测/119
6.2.4 基于AUKF的老化预测/119
6.2.5 基于FDKF的老化预测/121
6.2.6 基于SRUKF的老化预测/126
6.3 基于粒子滤波算法的老化预测/128
6.3.1 基于PF的老化预测/129
6.3.2 基于UPF的老化预测/132
第7章 燃料电池老化预测数据驱动方法/135
7.1 数据驱动方法/135
7.1.1 数据驱动方法分类/135
7.1.2 统计方法/135
7.1.3 机器学习方法/138
7.2 基于神经网络的短期预测/147
7.2.1 预测框架与步骤/147
7.2.2 短期预测结果分析/149
7.3 基于神经网络的长期预测/151
7.3.1 预测框架与步骤/151
7.3.2 长期预测结果分析/152
7.4 神经网络的改进方法/155
7.4.1 基于分解集成的多数据方法融合预测/155
7.4.2 基于贝叶斯理论的不确定性量化方法/160
第8章 燃料电池老化混合预测方法/169
8.1 用于中短期预测的混合预测方法/170
8.2 用于长期预测的混合预测方法/178
8.2.1 基于数据驱动为模型驱动提供观测值的混合预测方法/178
8.2.2 基于数据驱动和模型驱动相互迭代的混合预测方法/181
8.3 混合预测方法的优势与挑战/185
8.3.1 混合预测方法的优势/186
8.3.2 混合预测方法面临的挑战/187
参考文献/188