基于集成经验模态分解和极限学习机的质子交换膜燃料电池寿命预测

打开文本图片集

摘 要：基于数据驱动的预测方法可实现质子交换膜燃料电池（PEMFC）的寿命预测。为提高质子交换膜燃料电池（PEMFC）寿命预测精度，提出将集成经验模态分解（EEMD）和粒子群算法（PSO）优化极限学习机（ELM）相结合的PEMFC剩余使用寿命预测方法。首先，采用移动平均滤波法在滤除噪声和尖峰的同时，保留原始数据的主要趋势；其次，通过EEMD对原始数据进行多时间尺度分解，得到不同时间尺度下PEMFC的老化信息；最后，将分解后的本征模函数分别通过PSO优化的ELM模型进行预测，能在保证预测精度的情况下降低运算复杂度。（剩余10594字）