一种基于TiDE网络和半经验模型的PEMFC退化状态预测方法

本发明属于燃料电池健康管理技术领域，具体涉及一种基于TiDE网络和半经验模型的PEMFC退化状态预测方法，包括以下步骤：通过物理仿真与实验结合的方式，采集多维度PEMFC运行数据；基于SHAP筛选关键状态特征，并构建融合卷积神经网络与时频特征的CF‑TiDE预测模型；结合半经验模型的物理机理解释性与数据驱动模型的高精度优势，实现PEMFC退化状态的多尺度预测。本方法具备较强的工况适应性，可有效支撑PEMFC寿命预测与维护决策。