基于随机森林的燃料电池汽车动力系统的远程故障诊断,使用遗传算法进行优化
Rui Quan1,2, Jian Zhang1,2, Zixiang Feng1,2
1Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan 430068, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
使用第五代 (5G) 和控制器区域网络 (CAN) 的新远程监控系统提高了燃料电池车辆的安全性. 一个优化的随机森林算法准确地诊断动力系统故障,提高可靠性.
科学领域:
- 汽车工程 汽车工程
- 电气工程 电气工程
- 计算机科学 计算机科学
背景情况:
- 燃料电池汽车 (FCV) 需要强有力的安全和可靠性措施.
- 动力系统的故障可能会损害FCV的性能和安全.
- 远程监控和先进的故障诊断对于FCV维护至关重要.
研究的目的:
- 开发使用5G和CAN技术的FCV动力系统的远程监控系统.
- 实施和优化一个随机森林 (RF) 算法,用于诊断典型的FCV动力总成故障.
- 评估拟议的射频故障诊断模型与其他优化技术的有效性.
主要方法:
- 一个基于5G的监控终端收集了动力总成数据,存储在阿里巴巴云物联网上.
- 一个随机森林 (RF) 算法被开发用于故障分类,优化使用遗传算法 (GA).
- 优化的射频模型在阿里巴巴云PAI平台上部署,并与随机搜索,网格搜索和贝叶斯优化进行比较.
主要成果:
- 与其他方法相比,优化的射频故障诊断模型显示出更高的准确性,F1得分和kappa值.
- 该车型在识别多个典型的动力系统故障方面获得了97.77%的高F1得分.
- 使用车辆故障数据的验证证实了该模型的有效性.
结论:
- 拟议的系统可以有效地远程监控FCV动力系统.
- 优化的射频算法为诊断FCV动力总成故障提供了可靠的解决方案.
- 这种方法提高了燃料电池车辆的整体安全性和可靠性.
