基于集成学习的燃料电池故障诊断方法

本发明公开了一种基于集成学习的燃料电池故障诊断方法。它包括如下步骤：采集原始数据，所述原始数据为燃料电池运行过程中关于时间特征的状态变量；对原始数据进行数据预处理；将数据划分为训练集和测试集；将训练集和测试集分别输入CNN‑BiLSTM模型进行特征提取，得到新的训练集和新的测试集；构建Stacking集成学习模型；对Stacking集成学习模型进行优化；将新的训练集代入到优化后的Stacking集成模型中进行训练，再将新的测试集代入到训练好的Stacking集成学习模型中，输出故障诊断结果。本发明不仅能够更好地区分燃料电池的正常、膜干和氢气泄漏三种运行状态，而且克服单一模型鲁棒性不足和泛化能力不强的问题。