频域感知多尺度网络

退化预测提精度

融合时频特征和频域约束，比仅用时域信号的模型更贴合PEMFC动态工况下的退化机理。

Guo, Bingxin · 谢长君 · 章雷其 · Yongjia, Li · Zhu, Wenchao · Wei, Peng

Journal of Cleaner Production 2026

参数信息

点预测RMSE降低

31.49 %

平均RMSE

0.0067

技术优势

预测精度更高

融合频域特征后，点预测RMSE在动态负载循环数据集上降低31.49%–48.86%。

能给出预测区间

模型不仅输出点预测，还提供准确的预测区间估计，便于量化不确定性。

损失函数可移植

提出的时频混合损失函数TFHL在多个基准模型上均带来一致的精度提升。

应用场景

• PEMFC健康管理：用频域感知模型更准预测动态工况下PEMFC的电压退化趋势。
• 燃料电池系统运维：提供可靠预测区间，帮助运维团队提前安排维护窗口。
• 储能系统预测性维护：多步预测能力支持储能系统提前制定维护计划，减少意外停机。
• 电池寿命预测：模型可迁移至电池寿命预测，利用频域特征提升长期退化估计的精度。