基于LSTM神经网络的燃料电池所需氢燃料测量辅助算法

本发明属于新能源汽车技术领域，具体公开了基于LSTM神经网络的燃料电池所需氢燃料测量辅助算法，包括以下步骤：对电池历史数据进行预处理，使数据归一化；采用多个变量输入的方式，对LSTM神经网络进行输入；将各个时序数据进行建模，构建模型，进行LSTM神经网络模型训练，预估电池所需氢气；将LSTM神经网络模型预估数据和硬件计算测得的数据进行对比，设定判断相关阈值作为对比依据；并给予测量装置部分权限。本发明采用上述基于LSTM神经网络的燃料电池所需氢燃料测量辅助算法，依托于训练的高精度模型，可以快速准确的分析出燃料电池所需要的氢气燃料供给，可防止由于传感器故障以及电压电流突变情况下燃料供给不足的情况，保障了燃料电池的可靠性。