摘要
本发明公开一种基于多特征融合的PEMFC剩余使用寿命预测方法,利用皮尔逊相关系数法对原始数据集进行相关特征筛选,对筛选的的特征利用自适应噪声完备集合经验模态分解进行去噪并基于统计特征对各去噪的特征数据进行重构;引入Kent混沌映射和线性调整策略改进北方苍鹰算法(NGO)构造INGO;用INGO对通道注意力机制(CAM)的权重和偏置进行寻优,利用信息熵找到最优权重和偏置来进行特征融合;引入Logistics‑Tent混沌映射和指数自适应策略改进成吉思汗鲨鱼算法(GKSO)构造IGKSO;用IGKSO对双向长短期记忆网络(BiLSTM)的权重和偏置进行寻优,利用均方误差(MSE)找到最优权重和偏置来进行剩余使用寿命(RUL)的预测。
技术关键词
皮尔逊相关系数
双向长短期记忆网络
集合经验模态分解
通道注意力机制
剩余使用寿命预测
算法
质子交换膜燃料电池
信息熵
统计特征
寻求最优解
融合特征
全局平均池化
策略
融合全局
指数
特征值
重构
检验方法
系统为您推荐了相关专利信息
预测误差
历史气象数据
需求分析方法
概率密度曲线
条件概率模型
水闸工程
评估预警系统
LSTM模型
皮尔逊相关系数
综合数据库
传感器检测模块
智能仪表
数据通信模块
人机交互模块
水质在线检测
诊断方法
锂离子电池
多任务学习模型
参数辨识方法
动力学关键参数