REVISTA DE INGENIERIA DYNA

Palabras clave:

fuel cell system for locomotive, data-driven, general regression neural network, t-distributed stochastic neighbor embedding, health status detection

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Los principales inconvenientes de los sistemas de pilas de combustible, como su elevado coste, escasa fiabilidad y corta vida útil, limitan la aplicación comercial a gran escala de los sistemas de pilas de combustible. La detección del estado de salud de los sistemas de pilas de combustible para locomotoras es de gran importancia para el funcionamiento seguro y estable de las mismas. Para identificar los modos de fallo del sistema de pila de combustible con precisión y rapidez, este estudio propone un método inteligente de detección del estado de salud de las pilas de combustible de las locomotoras basado en técnicas basadas en datos. En este estudio, se analizaron los datos de prueba reales de un sistema de pila de combustible de 150 kW para locomotoras. Se combinó el algoritmo t-distributed stochastic neighbor embedding (t-SNE) con la red neuronal de regresión general (GRNN) para detectar de forma inteligente el estado de salud del sistema de pilas de combustible para locomotoras. En concreto, se utilizó t-SNE para procesar los datos brutos de alta dimensionalidad y fuerte acoplamiento del estado de salud, permitiendo la reducción dimensional de los datos brutos para reflejar las características esenciales. A continuación, se utilizó GRNN para identificar los datos de las características para lograr la detección rápida y precisa del estado de salud del sistema de pilas de combustible. Los resultados muestran que el método propuesto puede detectar eficazmente cuatro estados de salud, a saber, estado normal, alta temperatura del refrigerante de entrada, baja presión de aire y baja presión de la bomba de pulverización, con una precisión de diagnóstico del 98,75%. Este estudio es aplicable al análisis de los datos de medición reales de los sistemas de pilas de combustible de alto nivel de potencia y proporciona una referencia para la detección del estado de salud de los sistemas de pilas de combustible para locomotoras.

Palabras clave: sistema de pila de combustible para locomotora; impulsado por datos; red neuronal de regresión general; incrustación estocástica de vecinos t-distribuida; detección del estado de salud