质子交换膜燃料电池(PEMFCs)作为目前最具前景和最受关注的新能源技术之一,具有无污染、能量转换率高、工作温度低、噪音低等众多优点,能广泛应用于交通运输车辆、热电联产、固定基站、移动便携设备、无人机等众多领域。尽管目前在全世界范围内已经有许多PEMFCs的实际工业应用和项目正在部署和示范运行,但PEMFCs在大规模商业化应用的道路上仍然面临两个主要瓶颈,即在实际运行工况下较短的使用寿命和较高的成本。因此,目前大部分PEMFCs的相关研究都集中在这两个问题上:延长PEMFCs的使用寿命并降低其成本。已有研究表明,除了开发高性能、低成本的新材料和设计新的PEMFCs系统结构之外,有效的健康管理方法,如失效预测(prognostics,也可翻译为预后)和故障诊断方法,也可以在使用过程中有效地保护PEMFCs,延长其使用寿命并降低其成本。失效预测方法能够预测目标系统的未来老化趋势以及失效时间和风险,是将系统维护从传统的“失效和修复”转变为“预测和预防”的关键技术。其定义是对目标系统未来失效时间的估计以及预测一种或多种现有和未来失效模式的风险。完整的失效预测过程包含了对未来老化趋势(FDT)的预测和剩余使用寿命(RUL)的估计。已有研究表明,有效的失效预测方法不仅可以提高PEMFCs的寿命、可靠性和安全性,还能同时降低使用成本和停机时间。因此,失效预测是能够改善PEMFCs使用寿命短和使用成本高的有效解决方案之一,也是本文的主要研究内容。本文根据不同研究的贡献,将PEMFCs失效预测的研究进展分为了失效预测方法的创新和老化指标的创新。本文的主要研究内容和贡献概述如下:·介绍了 PEMFCs失效预测研究的背景和意义,从失效预测方法和老化指标两个方面系统的综述了 PEMFCs失效预测研究的发展过程和国内外研究现状。·研究了基于神经网络的无模型方法实现PEMFCs的FDT预测。本研究中针对PEM-FCs的短期FDT预测,从解决神经网络的结构选择和参数调节问题出发,首先通过比较研究,确定了最适合用于PEMFCs短期FDT预测的神经网络结构。基于PEMFCs的老化测试数据选择了三种典型的不同结构的神经网络来进行对比,即具有反馈结构的Elman神经网络(ENN)、具有多层前馈结构的数据分组处理方法(GMDH)以及具有模糊神经网络结构的自适应神经模糊推理系统(ANFIS)。比较结果表明结合了模糊推理优势和神经网络学习优势的ANFIS具有最好的短期FDT预测性能。同时,研究中还发现在实现短期预测时,将原始序列通过离散小波分解方法分解为多个子序列进行预测会获得更加精确和稳定的预测结果。然后,在比较研究成果的基础上,通过引入自动机器学习(AutoML)算法实现了 ANFIS参数的自动调节。通过粒子群优化(PSO)算法,将ANFIS的隶属函数参数作为PSO算法的变量,将ANFIS在训练过程的预测精度作为PSO算法的适应度,利用PSO算法的优化过程实现了 ANFIS参数的自动调节。·研究了基于模型的方法实现RUL估计和PEMFCs的混合失效预测方法。研究中采用了基于电压衰减半机理模型结合滤波算法的方法来实现PEMFCs失效预测过程中的RUL估计。同时,考虑到传统无迹卡尔曼滤波(UKF)算法存在初始参数设置困难、噪声协方差参数不能自适应调节、估计结果误差大等一系列问题,引入了协方差匹配方法来自适应地根据观测值估计误差调节噪声协方差参数。相比于传统UKF算法,自适应UKF(AUKF)算法不仅根据观测值估计误差自适应的调节噪声协方差参数和提高了估计结果的精度,而且极大的降低了初始参数设置的难度和初始参数设置不合理的影响。然后,结合无模型方法擅长于学习和预测未来趋势的优势和基于模型的方法擅长于提取老化指标/特征的优势,提出了 PEMFCs的混合失效预测方法。首先使用先前研究提出的AutoML方法实现了PEMFCs长期FDT的精确预测,然后基于预测结果,结合电压衰减半机理模型和AUKF算法实现了精确的RUL估计。·建立了 PEMFCs的多尺度混合老化指标(HDI)。针对目前PEMFCs部件老化指标的局限性问题,即一个部件指标只能反映某一部件在某一尺度上的老化状态,不能反映整体PEMFCs的老化状态,本文研究了如何能将不同部件、不同尺度、不同单位的老化指标有效融合,从而实现一个能表征PEMFCs整体老化状态的多尺度HDI。首先,选择了影响PEMFCs老化最重要的两个部件——膜和电极,并基于实际PEMFCs的老化测试数据和不同的老化模型估计出了两个部件不同尺度上的老化指标,分别是铂粒子平均半径、电化学表面积、膜厚度、膜的氟释放率、膜的氧气渗透率。然后,研究了如何将不同的老化指标进行融合。使用了归一化方法将各个老化指标变换为了范围都在[0,1]之间的无单位指标。通过分析PEMFCs老化过程中不同的电压极化损耗(包括活化损耗、欧姆损耗、浓度损耗和渗透损耗)各自所占的比重,量化了电极和PEM老化的影响,从而确定了不同老化指标在融合时的权重系数。最后,将所得的HDI用于实现PEMFCs的失效预测,证明了 HDI的有效性。·最后,对全文的研究内容进行了总结,并规划了未来的研究方向。