推断对于燃料电池系统的耐久试验的结果的系统以及方法与流程

本公开涉及推断对于燃料电池系统的耐久试验的结果的系统以及方法。

背景技术：

1、在日本特开2020－162309中记载有一种对其他产品再利用搭载于车辆的蓄电池的技术。在该技术中，收集再利用前的蓄电池的工作数据和再利用后的蓄电池的工作数据双方，通过将收集到的工作数据作为学习用数据的机器学习来创建推断蓄电池的耐久性(寿命)的机器学习模型。

2、一般，例如在向公众提供车辆等的新产品之前，需要预先实施搭载于该车辆的燃料电池系统的耐久试验。然而，若实施耐久试验直至燃料电池系统的寿命为止，则需要耗费庞大的时间。作为解决该课题的手段之一，可考虑如上述的日本特开2020－162309那样通过使用实施了机器学习的推断模型来推断燃料电池系统的耐久性。

3、然而，即便是同一燃料电池系统，根据搭载其的车辆的种类、用途，燃料电池系统经历的使用条件也各不相同。即，燃料电池系统存在各种动作参数(例如，电流、电压的变化速度、外部空气温度等)，但根据搭载的车辆的种类、用途，各动作参数可取的值的范围、出现频度会不同。而且，这些动作参数对燃料电池系统的劣化造成影响。因此，在现有的思想下，需要根据燃料电池系统经历的使用条件(例如，搭载的车辆的种类、用途)来分别独立地准备实施了机器学习的推断模型。

技术实现思路

1、本公开提供一种无论燃料电池系统经历的使用条件如何均能够推断燃料电池系统的耐久性的技术。

2、本公开的第1方式被具现化为推断对于燃料电池系统的耐久试验的结果的系统。系统可以具备：第1存储装置，存储按照第1使用条件遍及第1期间实际实施了的耐久试验的结果作为学习用数据；和第1运算装置，具有机器学习模型，该机器学习模型使用存储于第1存储装置的学习用数据进行机器学习，并推断按照第2使用条件实施了耐久试验的情况下的结果。该情况下，第1使用条件可以是对燃料电池系统的劣化造成影响的规定的动作参数遍及该动作参数的全部定义域以等频度出现的使用条件，第2使用条件可以是动作参数在定义域的至少一部分中以非等频度出现的使用条件。

3、在上述的系统中，存储在第1使用条件下实际实施了的耐久试验的结果作为学习用数据。而且，通过实施使用了该学习用数据的机器学习来创建推断第2使用条件下的燃料电池系统的耐久性(详细而言是耐久试验的结果)的机器学习模型。在第1使用条件下，对燃料电池系统的劣化造成影响的规定的动作参数遍及该动作参数的全部定义域以等频度出现。通过使用这样的无偏差的耐久试验的结果，能够准备可广泛地应对各种使用条件的通用性高的机器学习模型。由此，无论第2使用条件的内容如何、即无论燃料电池系统经历的使用条件如何，均能够推断燃料电池系统的耐久性。

4、在上述的第1方式中，系统可以还具备：第2存储装置，存储第2使用条件下的遍及比第1期间短的第2期间实际实施了的耐久试验的结果作为第1评价用数据；和第2运算装置，将由第1运算装置推断出的第2期间以内的结果与存储于第2存储装置的第1评价用数据进行对比评价。通过执行这样的对比评价，例如用户能够客观地确认本系统涉及的推断的妥当性。假设在可靠度比基准值低的情况下，可以学习第2使用条件的实际的耐久试验的结果，使第1运算装置修正机器学习模型。

5、在上述的结构中，第2存储装置可以还存储按照第3使用条件遍及第1期间实际实施了的耐久试验的结果作为第2评价用数据，第1运算装置可以还使用存储于第2存储装置的第2评价用数据来推断按照第3使用条件实施耐久试验至第2期间以后的情况下的结果，第2运算装置可以还将由第1运算装置推断出的第3使用条件下的结果与存储于第2存储装置的第2评价用数据进行对比评价。通过执行这样的对比评价，例如用户能够客观地确认本系统涉及的推断的妥当性。假设在推断精度比基准值低的情况下，可以学习第3使用条件的实际的耐久试验的结果，使第1运算装置修正机器学习模型。

6、在上述的结构中，第2存储装置可以还存储第4使用条件下的遍及第2期间实际实施了的耐久试验的结果作为第3评价用数据，第1运算装置可以还使用存储于第2存储装置的第3评价用数据来推断按照第4使用条件实施耐久试验至第2期间以内的情况下的结果，第2运算装置可以还将由第1运算装置推断出的第4使用条件下的结果与存储于第2存储装置的第3评价用数据进行对比评价。通过实施这样的对比评价，例如用户能够针对多个使用条件客观地确认本系统涉及的推断的妥当性。

7、本公开的第2方式被具现化为推断对于燃料电池系统的耐久试验的结果的方法。方法可以具备：使第1存储装置存储按照第1使用条件遍及第1期间实际实施了的耐久试验的结果作为学习用数据的工序；和使第1运算装置具有的机器学习模型推断按照第2使用条件实施了耐久试验的情况下的结果的工序，该机器学习模型使用存储于第1存储装置的学习用数据进行机器学习。该情况下，第1使用条件可以是对燃料电池系统的劣化造成影响的规定的动作参数遍及该动作参数的全部定义域以等频度出现的使用条件，第2使用条件可以是动作参数在定义域的至少一部分中以非等频度出现的使用条件。根据这样的结构，无论第2使用条件的内容如何、即无论燃料电池系统经历的使用条件如何，均能够推断燃料电池系统的耐久性。

技术特征：

1.一种系统，推断对于燃料电池系统的耐久试验的结果，其特征在于，具备：

2.根据权利要求1所述的系统，其特征在于，还具备：

3.根据权利要求2所述的系统，其特征在于，

4.根据权利要求3所述的系统，其特征在于，

5.一种方法，推断对于燃料电池系统的耐久试验的结果，其特征在于，具备：

技术总结
本发明涉及推断对于燃料电池系统的耐久试验的结果的系统以及方法，该系统具备：第1存储装置，存储按照第1使用条件遍及第1期间实际实施了的耐久试验的结果作为学习用数据；和第1运算装置，具有机器学习模型，该机器学习模型使用存储于第1存储装置的学习用数据来进行机器学习，并推断按照第2使用条件实施了耐久试验的情况下的结果。第1使用条件是对燃料电池系统的劣化造成影响的规定的动作参数遍及该动作参数的全部定义域以等频度出现的使用条件。第2使用条件是动作参数在定义域的至少一部分中以非等频度出现的使用条件。

技术研发人员：岸田圭史,山下浩一郎
受保护的技术使用者：丰田自动车株式会社
技术研发日：
技术公布日：2024/1/15