一种基于迁移学习的燃料电池剩余寿命预测方法

本申请公开了一种基于迁移学习的燃料电池剩余寿命预测方法，使用数据平滑方法将收集的多组PEMFC退化数据中尖锐点去除，使用模态分解方法将原始数据分解为多个模态，基于增强后的退化数据，采用滤波法搭配时序神经网络进行剩余寿命建模，通过DTW对数据规整后进行相似性度量确定与目标PEMFC退化数据最为相似的源域退化数据，然后通过源域数据为目标域提供解决方案，本申请使用了DTW技术对候选电池进行相似性度量，据此选出数据量较大且与目标电池相似性较高的源电池进行预训练后，对预训练模型进行fine‑turning的方法，并且使用了时间点切割等数据增强方式使训练数据尽量有效。