一种基于神经网络的质子交换膜燃料电池性能退化预测方法、系统、设备及存储介质

本发明公开了一种基于神经网络的质子交换膜燃料电池性能退化预测方法、系统、设备及存储介质，方法包括：采集质子交换膜燃料电池PEMFC的历史运行数据，利用Savitzky‑Golay滤波器对数据进行预处理；使用递归特征消除RFE算法对预处理后的数据的特征进行筛选；以筛选后的特征作为一个时间序列，分别为每个特征图生成递归图；采用自适应t分布扰动优化人类记忆优化算法HMO，得到改进的人类记忆优化算法IHMO；优化SOFTS模型参数；基于优化结果，构建基于IHMO‑SOFTS的PEMFC性能退化预测模型，将筛选后的特征的递归图作为输入，并将燃料电池输出电压最终输出，对待测目标进行预测；本发明通过IHMO算法持续优化模型参数，寻找PEMFC运行参数与性能退化之间的最优关系，实现对PEMFC性能退化的精确预测。