AUTOTIME125NEWENERGYAUTOMOBILE|新能源汽车时代汽车www.cnautotime.com基于LSTM的燃料电池发动机寿命预测1数据采样1.1数据依托本文通过合作单位亿华通获取了多台同型号同批次的YHTG60氢燃料电池发动机数据的全生命周期数据集。亿华通自主研发的国产氢燃料电池系统，采用国产自主研发电堆，零下30°低温启动、零下40°低温存储；高度集成化、模块化设计，即插即用。亿华通的传感器数据采样间隔为5秒一条，每一条数据包含260多个数据指标。本文从9台装车运行的氢燃料电池系统的历史数据中提取从装车运行时刻开始，直到氢燃料电池系统从整车换下的时刻的全生命周期历史数据，作为基础原始数据集。1.2数据集提取基于氢燃料电池发动机的衰减特性以及机理模式，依托于全生命周期基础数据集，本文构建了一个全新的氢燃料电池发动机寿命数据集。该数据集包含氢燃料电池发动机启动次数、运行时间、平均单片电压、最低单片电压、最高单片电压、燃料电池输出电流、变载次数、剩余寿命共8项指标。其中启动次数、运行时间、平均单片电压、最低单片电压、最高单片电压、燃料电池输出电流为基础原始数据集里直接包含的数据指标，变载次数则根据原始数据集中的燃料电池输出电流通过统计计算而来（一段时间内燃料电池输出电流变化的绝对值超过80A计为一次变载）；燃料电池发动机剩余寿命根据运行时间计算而来（最大燃料电池发动机运行时间减当前燃料电池发动机运行时间）。2算法描述2.1长短期记忆神经网络LSTMLSTM是在循环神经网络（RNN）的基础上改进演变而来，是一种特殊的RNN神经网络。RNN的输入包括了两个：一个是当前时刻输入xt，用于实时更新状态，另一个是上一时刻隐藏层的状态ht-1，用于记忆状态，一个RNN就相当于一个神经网络的多个副本，每个副本都把自己收集到的信息传递给后继者。然而，由于RNN中每个时间片使用相同的权值矩阵，权值矩阵循环相乘导致会导致极端的非线性行为，产生梯度消失和梯度爆炸。LSTM在RNN的基础上，引入了遗忘门、输入门、输出门的多门机制用于控制特征的流通和损失，用于解决RNN的梯度消失和梯度爆炸问题。遗忘门决定了要从上一个状态中舍弃什么信息，它输入上一状态的输出ht-1、当前状态输入信息xt到一个Sigmoid函数中，产生一个介于0到1之间的数值，与上一个时刻的状态ct-1相乘之后来确定舍弃（保留）郭克珩1张璞2郝磊21.北京顺亿达运力科技集团有限公司北京市1001922.北京博瑞华通科技有限公司北京市100192摘要：随着工业4.0...
