基于超参数优化的SOFC系统故障分类方法

作者：樊洋; 付晓薇; 李曦

来源：计算机与数字工程, 2023, 51(04): 775-780+948.

DOI：10.3969/j.issn.1672-9722.2023.04.004

• 故障分类
• SOFC
• 主成分分析
• 粒子群优化算法
• 支持向量机

固体氧化物燃料电池（Solid Oxide Fuel Cell,SOFC）是一种高效、绿色环保新能源，是解决能源与环境危机的重要途径与必然趋势。SOFC系统数据具有高维度、非线性结构及工作状态复杂等特点。为了提高SOFC系统使用寿命，论文提出了一种基于数据驱动的固体氧化物燃料电池系统多故障分类方法。首先，利用主成分分析进行故障信息提取；然后，对降维的特征空间，采用粒子群优化算法对支持向量机进行超参数寻优；最后，构建超参数优化支持向量机分类模型。实验结果表明，该方法能够准确、有效识别SOFC系统故障类型。

• 单位
  自动化学院; 材料成形与模具技术国家重点实验室; 华中科技大学; 智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学