CAJ | 학술논문

为了提高车用燃料电池系统的安全可靠性和可维护性,考虑到其大量完整的故障样本难以获取,提出了一种基于二叉树多分类器的支持向量机故障诊断方法.首先,以自主研发的60 kW车用燃料电池系统为研究对象,分析了其故障机理和特征；然后,融合15种故障征兆参数并进行归一化预处理作为支持向量机的输入,以14种典型故障作为输出,选取径向基核函数并利用粒子群优化算法对支持向量机的惩罚参数和核函数参数进行优化,利用310组样本数据对其进行训练,通过90组测试样本测试实现了其典型故障的识别；最后,将支持向量机和神经网络分别在不同训练样本数下的故障诊断性能进行了对比.仿真结果表明,支持向量机具有较好的故障正判率和泛化能力,可有效用于车用燃料电池系统的多故障诊断.
위료제고차용연료전지계통적안전가고성화가유호성,고필도기대량완정적고장양본난이획취,제출료일충기우이차수다분류기적지지향량궤고장진단방법.수선,이자주연발적60 kW차용연료전지계통위연구대상,분석료기고장궤리화특정；연후,융합15충고장정조삼수병진행귀일화예처리작위지지향량궤적수입,이14충전형고장작위수출,선취경향기핵함수병이용입자군우화산법대지지향량궤적징벌삼수화핵함수삼수진행우화,이용310조양본수거대기진행훈련,통과90조측시양본측시실현료기전형고장적식별；최후,장지지향량궤화신경망락분별재불동훈련양본수하적고장진단성능진행료대비.방진결과표명,지지향량궤구유교호적고장정판솔화범화능력,가유효용우차용연료전지계통적다고장진단.