公开(公告)号：CN118568557A

公开(公告)日：2024-08-30

申请号：CN202410596657.2

申请日：2024-05-14

Applicant: 西安工业大学

Inventor： 王储 ,  张爽 ,  李晓艳 ,  王鹏 ,  吕志刚 ,  许韫韬 ,  李健衡 ,  郜辉 ,  董绵绵 ,  邸若海

IPC: G06F18/241 ,  G06N3/0442 ,  G06N3/047 ,  G06F18/23

Abstract: 本发明涉及故障预测和健康管理技术领域，具体涉及一种基于符号表达降维LSTM的复杂系统寿命预测方法。通过将时间序列符号化表示，输入LSTM分类网络进行预测，再将预测结果转换为时间序列。具体包括以下步骤：首先，使用符号表达降维的方法将时间序列进行符号化表示，并处理为布尔矩阵的形式；其次，通过LSTM分类网络进行预测，将预测得到的概率矩阵处理为字符串输出；然后，把作为预测结果的字符串重构为时间序列；最后，根据预测结果和失效阈值求出寿命终止时间和剩余使用寿命。经实验验证，该方法简明有效，可以有效改善长期退化趋势的预测效果，提高复杂系统寿命预测结果的准确度。与自回归移动平均模型的预测结果相比，本发明预测结果的均方根误差降低了53%。

公开(公告)号：CN119944010A

公开(公告)日：2025-05-06

申请号：CN202411810580.0

申请日：2024-12-10

Applicant: 西安工业大学

Inventor： 王储 ,  张爽 ,  王鹏 ,  李晓艳 ,  吕志刚 ,  董绵绵 ,  邸若海 ,  李亮亮 ,  孙梦宇 ,  王冠群

IPC: H01M8/04992 ,  H01M8/04298 ,  H01M8/04664 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于可恢复故障规避与ESN联合的燃料电池寿命预测方法。具体步骤包括：首先，提取HI的特征值，使用K平均算法进行聚类并生成状态标签，采用TimeGAN进行数据增强，由真实数据和生成的数据训练K邻近算法模型，用训练好的模型为输入的燃料电池HI生成状态标签；其次，定制可恢复故障规避策略，训练ESN在定制策略指导下进行预测；最后，根据预测结果计算退化趋势及其置信区间和剩余使用寿命。本发明提高了识别的准确性和鲁棒性，能够准确识别出可恢复故障的出现。相对准确率中位数提升超19%，对称平均绝对百分比误差降低超11%。