基于IVYA-GRU的燃料电池汽车的电池寿命预测

摘要

为了解决燃料电池汽车的燃料电池在运行过程中剩余使用寿命预测的可视化和精确性问题，提出了一种常春藤优化算法(Ivy algorithm, IVYA)结合门控循环单元(gated recurrent unit, GRU)神经网络的预测模型，对车用燃料电池的剩余使用寿命进行预测。首先，对使用的静态工况下的老化实验数据集进行数据预处理，分别是间隔采样和数据平滑，然后采用IVYA获得GRU的最优超参数组，再利用GRU准确预测燃料电池电压。将提出的方法与长短时记忆网络、GRU和北方苍鹰优化算法优化门控循环单元相比较，在该方法的预测下，均方根误差、平均绝对误差、预测寿命的相对误差和决定系数分别为0.000 535 55 V、0.000 420 6 V、0.035 9%和0.998 7,所提方法在相同条件下具有最高的老化预测和RUL估计精度。

关键词

燃料汽车 / 氢燃料电池 / 常春藤优化算法 / 门控循环单元 / 数据驱动