本课题由天津大学和上海捷氢科技有限公司联合承担。
2021年9月16日,基金会秘书处组织协调天津大学、上海捷氢科技,以及上汽集团战略研究和知识信息中心、上汽技术中心、上汽商用车技术中心、联合电子共13名人员,通过腾讯视频会议方式,围绕《人工智能技术在燃料电池系统控制的应用前景分析》(2103)课题进行了阶段性(中期)研究成果技术交流(汇报)会。
课题组围绕人工智能提升车载燃料电池寿命与性能这一主题,分别在电堆车载控制、电堆优化设计、数据库与数据处理三个方面开展了调研分析。电堆车载控制方面,针对电堆状态估计与故障诊断,主要提出采用信号时频域分析法和增量学习等方法,解决燃料电池系统故障数据时序性、性能退化导致故障特征出现空间偏移、车载在线诊断条件导致算力有限等问题;针对系统控制与长寿命周期内的自适应控制,提出采用遗传算法等多目标优化算法,具体利用自有燃料电池模型和空压机特性图等,解决系统标定难点等问题。电堆优化设计方面,针对电堆性能高效预测,主要提出采用人工神经网络和半递归滑动窗口相结合的方式,具体利用燃料电池冷启动过程数据,对电堆动态性能进行高效预测,达到大幅降低电堆设计中开发测试成本的目的;针对电堆参数高效优化,主要提出采用人工神经网络和遗传算法,具体利用燃料电池催化层结构参数与电堆性能的数据等,对催化层配比进行高效优化从而提升电堆性能;针对电堆性能衰减过程预测,展开初步调研,明确了利用人工智能方法对电堆衰减过程预测的可行性。数据库与数据处理方面,借鉴动力电池组群数据库(可测量数据、统计数据、估算数据、外部数据,以及其多元时间序列的特点),为解决燃料电池系统缺失数据、噪声数据、异常数据和非规范化数据等对计算模型的影响,提出可行性方法分析与建议。
以上研究思路对企业工程开发具有一定的指导意义,研究成果达到中期预期目标。