基于LSTM的燃料电池发动机寿命预测
郭克珩张璞郝磊
摘要：随着工业4.0和数据科学的发展，利用数据对氢燃料电池发动机剩余寿命进行预测，将有利于提前发现发动机性能退化问题，进而及时采取维护保养措施，对发动机安全运行以及延长发动机运行寿命至关重要。传统发动机寿命预测一般基于机理模式的经验判断或者数理统计，但在氢燃料电池发动机这个技术尚不稳定成熟的发展阶段，传统手段无法保证相对较低的误差。本文在不依赖于机理模式的情况下，利用传感器收集的数据，基于神经网络深度学习的模式，构建一种基于数据驱动的长短期记忆神经网络（LSTM）的剩余寿命预测模型，通过机器的训练与学习，分析预测氢燃料电池发动机的寿命衰减情况，为预测性维护提供数据支持。
关键词：氢燃料电池发动机长短期记忆神经网络寿命预测预测性维护
Abstract：WiththedevelopmentofIndustry4.0anddatascience，usingdatatopredicttheremaininglifeofhydrogenfuelcellenginewillhelptodetectthedegradationofengineperformanceinadvance，andthentimelymaintenancemeasurescanbetaken，whichisveryimportantforthesafeoperationoftheengineandtheextensionoftheoperatinglifeoftheengine.Thetraditionalenginelifepredictionisgenerallybasedontheempiricaljudgmentormathematicalstatisticsofthemechanismmodel，butinthedevelopmentstageofhydrogenfuelcellengine，thetechnologyisunstableandimmature，andthetraditionalmeanscannotguaranteetherelativelylowerror.Withoutdependingonthemechanismmode，thispaperusesthedatacollectedbysensors，and?basedonthemodelofneuralnetworkdeeplearning，thepaperconstructsaremaininglifepredictionmodelbasedondata-drivenlongshort-termmemory（LSTM）.Throughmachinetrainingandlearning，thelifedecayofhydrogenfuelcellengineisstudied，providingdatasupportforpredictivemaintenance.
Keywords：fuelcellengine，longshort-termmemoryneuralnetwork，lifeprediction，predictivemaintenance
1數据采样
1.1数据依托
本文通过合作单位亿华通获取了多台同型号同批次的YHTG60氢燃料电池发动机数据的全生命周期数据集。亿华通自主研发的国产氢燃料电池系统，采用国产自主研发电堆，零下30°低温启动、零下40°低温存储；高度集成化、模块化设计，即插即用。
亿华通的传感器数据采样间隔为5秒一条，每一条数据包含260多个数据指标。本文从9台装车运行的氢燃料电池系统的历史数据中提取从装车运行时刻开始，直到氢燃料电池系统从整车换下的时刻的全生命周期历史数据，作为基础原始数据集。
1.2数据集提取
基于氢燃料电池发动机的衰减特性以及机理模式，依托于全生命周期基础数据集，本文构建了一个全新的氢燃料电池发动机寿命数据集。该数据集包含氢燃料电池发动机启动次数、运行时间、平均单片电压、最低单片电压、最高单片电压、燃料电池输出电流、变载次数、剩余寿命共8项指标。
其中启动次数、运行时间、平均单片电压、最低单片电压、最高单片电压、燃料电池输出电流为基础原始数据集里直接包含的数据指标，变载次数则根据原始数据集中的燃料电池输出电流