基于极限学习机的质子交换膜燃料电池在线故障诊断方法

为解决质子交换膜燃料电池故障诊断中的增量学习应用问题,提出了基于在线序列极限学习机和无监督极限学习机的在线学习诊断方法。利用无监督极限学习机对故障特征向量进行降维处理以得到能够反映燃料电池系统状态的特征向量,使用在线序列极限学习机对处理后的特征向量进行分类以获得增量学习能力,使用K均值聚类辅助进行增量学习的新数据标记。实例分析表明,该方法可同时提高聚类及诊断准确率,适用于多维度大数据量样本和有增量学习需要的在线故障诊断。