物理信息老化预测网络

动态载荷下老化预测

将燃料电池领域知识嵌入序列到参数神经网络,重构电压衰减曲线,为动力系统健康监测提供可部署的预测工具。

Yue, Meiling · Xiaohan, Si · Meng, Jianwen · Wang, Yupeng

Control Engineering Practice 2026

参数信息

均方根误差
0.02

技术优势

误差只有0.02

预测电压演化的均方根误差约为0.02,意味着老化预测足够精确,可用于制定维护决策。

超参数不敏感

超参数分析进一步证实方法的鲁棒性,表明模型在不同设置下都能稳定预测。

能上实车

该方法有望推广到车载健康监测系统,直接嵌入燃料电池动力系统。

应用场景