基于动态特征参数和改进GOA-BP神经网络的车用PEMFC退化趋势预测

doi:10.19562/j.chinasae.qcgc.2025.11.009

汽车工程 ›› 2025, Vol. 47 ›› Issue (11): 2150-2158.doi: 10.19562/j.chinasae.qcgc.2025.11.009

• • 上一篇

基于动态特征参数和改进GOA-BP神经网络的车用PEMFC退化趋势预测

薛发俊^1,^2,³,杨继斌^1,^2,³(),邓鹏毅^1,^2,³,武小花^1,^2,³,陈丽^1,^2,³,王文龙^1,^2,³,胡怀祥^1,^2,³

^1.西华大学，汽车测控与安全四川省重点实验室，成都 610039
^2.西华大学，四川省新能源汽车智能控制与仿真测试技术工程研究中心，成都 610039
^3.宜宾西华大学研究院，宜宾 644000

收稿日期:2025-03-31 修回日期:2025-05-22 出版日期:2025-11-25 发布日期:2025-11-28
通讯作者: 杨继斌 E-mail:yangjibin08@163.com
基金资助:
国家自然科学基金(52407254)

Degradation Trend Prediction of Vehicular PEMFC Based on Dynamic Feature Parameters and Improved GOA-BP Neural Network

Fajun Xue^1,^2,³,Jibin Yang^1,^2,³(),Pengyi Deng^1,^2,³,Xiaohua Wu^1,^2,³,Li Chen^1,^2,³,Wenlong Wang^1,^2,³,Huaixiang Hu^1,^2,³

^1.Xihua University，Vehicle Measurement Control and Safety Key Laboratory of Sichuan Province，Chengdu 610039
^2.Xihua University，Provincial Engineering Research Center for New Energy Vehicle Intelligent Control and Simulation Test Technology of Sichuan，Chengdu 610039
^3.Yibin Institute in Xihua University，Yibin 644000

Received:2025-03-31 Revised:2025-05-22 Online:2025-11-25 Published:2025-11-28
Contact: Jibin Yang E-mail:yangjibin08@163.com

摘要/Abstract

摘要：

针对质子交换膜燃料电池（PEMFC）剩余使用寿命（RUL）预测中动态工况表征不足及传统优化算法易陷入局部最优的问题，提出一种融合动态特征参数及改进蚱蜢优化算法（IGOA）与BP神经网络相结合的预测方法。首先，通过季节趋势分解方法提取电压数据的季节性分量，同时量化工况周期内的功率波动率，并采用灰色关联度分析筛选关键特征参数。然后，利用IGOA优化BP神经网络的超参数组，构建IGOA-BP神经网络预测模型。最后，基于实车数据和实验室测试数据集验证了模型性能。结果表明，提出的方法具有更高的预测精度，平均绝对百分比误差小于0.06%，能够实现更精确的燃料电池RUL预测。

关键词: 燃料电池, 寿命预测, 动态特征参数, 改进蚱蜢优化算法, BP神经网络

Abstract:

For the problems of insufficient characterization of dynamic operating conditions and the tendency of traditional optimization algorithms to fall into local optima in the prediction of remaining useful life （RUL） for proton exchange membrane fuel cell （PEMFC）， in this paper a novel prediction method is proposed that combines dynamic feature parameters with an improved grasshopper optimization algorithm （IGOA） and back propagation neural network. Firstly， the seasonal component of voltage data is extracted through seasonal-trend decomposition method， while the power fluctuation rate during operating cycles is quantified. Then， key feature parameters are selected using grey relational analysis. Subsequently， the IGOA is employed to optimize the hyper parameters of the back propagation neural network and construct the IGOA-BP neural network prediction model. Finally， the model performance is validated by real-world vehicle data and laboratory test datasets. The results demonstrate that the proposed method achieves higher prediction accuracy with the mean absolute percentage error below 0.06%， which enables more accurate RUL prediction for PEMFC.

Key words: fuel cells, life prediction, dynamic feature parameters, improved grasshopper optimization algorithm, BP neural network

薛发俊,杨继斌,邓鹏毅,武小花,陈丽,王文龙,胡怀祥. 基于动态特征参数和改进GOA-BP神经网络的车用PEMFC退化趋势预测[J]. 汽车工程, 2025, 47(11): 2150-2158.

Fajun Xue,Jibin Yang,Pengyi Deng,Xiaohua Wu,Li Chen,Wenlong Wang,Huaixiang Hu. Degradation Trend Prediction of Vehicular PEMFC Based on Dynamic Feature Parameters and Improved GOA-BP Neural Network[J]. Automotive Engineering, 2025, 47(11): 2150-2158.

图/表 11

图1

图2

图3

表1

图4

图5

表2

图6

图7

表3

表4

参考文献 15

[1]	李光伟，韩雪，邢丹敏，等. 催化层/微孔层界面设计对PEMFC影响研究［J］. 汽车工程， 2025， 47（1）： 77-84.
	LI G W， HAN X， XING D M， et al. Research on effect of catalyst layer/microporous layer interface design on the PEMFC［J］. Automotive Engineering， 2025， 47（1）： 77-84.
[2]	李奇，刘嘉蔚，陈维荣. 质子交换膜燃料电池剩余使用寿命预测方法综述及展望［J］. 中国电机工程学报， 2019， 39（8）： 2365-2375.
	LI Q， LIU J W， CHEN W R. Review and prospect of remaining useful life prediction methods for proton exchange membrane fuel cell［J］. Proceedings of the CSEE， 2019， 39（8）： 2365-2375.
[3]	YANG Y， YU X， ZHU W， et al. Degradation prediction of proton exchange membrane fuel cells with model uncertainty quantification［J］. Renewable Energy， 2023， 219（Part2）： 17.
[4]	AO Y， LAGHROUCHE S， DEPERNET D， et al. Proton exchange membrane fuel cell prognosis based on frequency-domain Kalman filter［J］. IEEE Transactions on Transportation Electrification， 2021（7-4）.
[5]	PEI P， MENG Y， CHEN D， et al. Lifetime prediction method of proton exchange membrane fuel cells based on current degradation law［J］. Energy， 2023， 265： 126341.
[6]	XIE R， LI C， MA R， et al. An explainable data-driven framework for fuel cell aging prediction under dynamic condition［J］. IEEE Transactions on Industrial Electronics， 2022， 70（6）： 5960-5970.
[7]	DENG Z， CHAN S H， CHEN Q， et al. Efficient degradation prediction of PEMFCs using ELM-AE based on fuzzy extension broad learning system［J］. Applied Energy， 2023， 331： 120385.
[8]	YANG J， WANG L， ZHANG B， et al. Remaining useful life prediction of vehicle-oriented PEMFC systems based on IGWO-BP neural network under real-world traffic conditions［J］. Energy， 2024， 291： 130334.
[9]	华志广，潘诗媛，赵冬冬，等. 基于分解优化并行ESN的氢燃料电池寿命预测［J］. 航空学报， 2025， 46（2）： 297-311.
	HUA Z G， PAN S Y， ZHAO D D， et al. Lifespan prediction of hydrogen fuel cell based on decomposition optimization parallel ESN［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（2）： 297-311.
[10]	YUE M， ZHANG X， TENG T， et al. Recursive performance prediction of automotive fuel cell based on conditional time series forecasting with convolutional neural network［J］. International Journal of Hydrogen Energy， 2024， 56： 248-258.
[11]	赵波，张领先，章雷其，等. PEMFC剩余使用寿命直接预测的混合方法［J］. 中国电机工程学报， 2024， 44（21）： 8554-8568.
	ZHAO B， ZHANG L X， ZHANG L Q， et al. A hybrid method for direct prediction of PEMFC remaining useful life［J］. Proceedings of the CSEE， 2024， 44（21）： 8554-8568.
[12]	CHEN L， YANG J， WU X， et al. Remaining useful life prediction of PEMFCs based on mode decomposition and hybrid method under real-world traffic conditions［J］. Energy， 2025， 314.
[13]	MA R， XIE R， XU L， et al. A hybrid prognostic method for PEMFC with aging parameter prediction［J］. IEEE Transactions on Transportation Electrification， 2021（7-4）.
[14]	FCLAB Research. IEEE PHM 2014 data challenge［EB/OL］. 2014. http： //eng.fclab.fr/ieee-phm-2014-data-challenge/.
[15]	刘嘉蔚，李奇，陈维荣，等. 基于核超限学习机和局部加权回归散点平滑法的PEMFC剩余使用寿命预测方法［J］. 中国电机工程学报， 2019， 39（24）： 7272-7279，7500.
	LIU J W， LI Q， CHEN W R， et al. Remaining useful life prediction method of PEMFC based on kernel extreme learning machine and locally weighted scatterplot smoothing［J］. Proceedings of the CSEE， 2019， 39（24）： 7272-7279，7500.

评价项	关联度	排名
功率波动率	0.706 8	1
季节性分量	0.696 5	2
电堆温度	0.676 3	3
输出电流	0.605 8	4
输出功率	0.572 9	5

方法	RMSE	MAPE/%	R²
LSTM	0.342 9	0.092 1	0.995 7
BP	0.199 5	0.063 3	0.998 6
PSO-BP	0.156 8	0.057 5	0.999 1
GA-BP	0.153 9	0.052 1	0.999 2
GOA-BP	0.085 6	0.042 2	0.999 7
IGOA-BP	0.026 7	0.012 8	0.999 9
IGOA-BP*	0.018 5	0.008 9	0.999 9

方法	RMSE	MAPE/%	R²
IGOA-BP	0.003 0	0.080 9	0.987 0
IGOA-BP*	0.001 6	0.026 2	0.996 4

方法	RMSE	MAPE/%	R²
IGOA-BP	0.002 7	0.055 8	0.987 9
IGOA-BP*	0.002 6	0.052 7	0.990 0

基于动态特征参数和改进GOA-BP神经网络的车用PEMFC退化趋势预测

Degradation Trend Prediction of Vehicular PEMFC Based on Dynamic Feature Parameters and Improved GOA-BP Neural Network

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 15

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	王聘玺,李立国,范伟,杨福源,欧阳明高,程毅,刘丹. 面向长途重载货运的氢能交通交能融合方案[J]. 汽车工程, 2025, 47(7): 1229-1237.
[2]	陆继轩,郑伟波,李翔,王倩倩,李冰,明平文. 质子交换膜燃料电池氢气渗透研究进展及抑制措施概述[J]. 汽车工程, 2025, 47(7): 1238-1257.
[3]	邱宇奇,杨川,曾韬,张元海,刘正兴,张学智,喻清华,张财志. 燃料电池发动机空气系统旁通流量估计[J]. 汽车工程, 2025, 47(7): 1258-1267.
[4]	李子毅,罗马吉,黄易元,王陆松. 紧凑型氢引射器设计及其对车用燃料电池性能影响研究[J]. 汽车工程, 2025, 47(7): 1268-1276.
[5]	李楠,白雪宜,杨抖,李贵敬,马诗会. PEMFC金属泡沫流场全形态三维性能模拟及结构优化[J]. 汽车工程, 2025, 47(7): 1277-1284.
[6]	严浩华,李从心,伊力德,刘颖,刘怡康,张欣. 车用燃料电池空气供给系统故障诊断研究[J]. 汽车工程, 2025, 47(7): 1285-1295.
[7]	常文,邵赓华,郭凤刚,张敬贵,吴永豪,赵宏建,刘尹,张健,姚东升. 实际道路工况下燃料电池寿命性能衰减研究[J]. 汽车工程, 2025, 47(7): 1296-1304.
[8]	付佩,张化喜,蔡旭,兰子剑,刘青山,陈轶嵩. 基于自抗扰控制的燃料电池供气系统协同控制研究[J]. 汽车工程, 2025, 47(5): 859-874.
[9]	邱明明,李增援,孙艺铭,李季,赵韩. 高频大力值电磁作动器多目标参数分层优化方法研究[J]. 汽车工程, 2025, 47(3): 529-540.
[10]	张曦,杨颖,陈超君,王春风,杨磊. 增强双流Transformer的柴油发动机剩余寿命预测模型[J]. 汽车工程, 2025, 47(2): 292-300.
[11]	乔鹏宇,吴思远,包志铭,焦道宽,刘学良,朱凯歌,杜浩然,罗炜睿,杜青,焦魁. 多工况下质子交换膜燃料电池物理场分布均匀性与运行状态研究[J]. 汽车工程, 2025, 47(11): 2126-2140.
[12]	李明阳,朱秀丽,史明杰,贾宝娟,赵小军,潘凤文. 变海拔环境对燃料电池性能影响的仿真分析[J]. 汽车工程, 2025, 47(11): 2141-2149.
[13]	张拴羊,徐洪涛,张国宾,陈晓平,袁泉,陈冠一. 海豚状肋片仿生流场的PEMFC性能研究[J]. 汽车工程, 2025, 47(10): 1953-1962.
[14]	李光伟,韩雪,邢丹敏,明平文. 催化层/微孔层界面设计对PEMFC影响研究[J]. 汽车工程, 2025, 47(1): 77-84.
[15]	朱仲文,程谭龙,江维海,周定华,李丞,季传龙. 燃料电池氢气系统自适应滑模解耦控制研究[J]. 汽车工程, 2025, 47(1): 85-95.