1.一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,在步骤s200中,提取故障特征的具体步骤包括:
3.根据权利要求2所述的一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,在步骤s300中,构建故障分类诊断模型的具体步骤包括:
4.根据权利要求3所述的一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,步骤s303中的计算特征的注意力矩阵为:
5.根据权利要求4所述的一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,步骤s304中,采用如下公式将步骤s303中不同特征下的注意力结果合并:
6.根据权利要求1所述的一种基于深度学习的燃料电池系统故障诊断方法,其特征在于,在所述步骤s100中,所述混合采样方式可以是过采样、欠采样或者是合成少数类过采样技术。
7.一种根据权利要求1至6任一项所述方法的系统,其特征在于包含:
8.根据权利要求7所述的系统,其特征在于,特征提取单元包含一系列卷积层、批量标准化层、relu激活层及池化层,以实现对输入信号的多尺度特征提取及冗余信息的剔除。
9.根据权利要求8所述的系统,其特征在于,分类诊断单元包含一个或多个处理器以及存储器,其中处理器执行根据特征提取单元输出的数据池化层网络结果进行的多头注意力计算以及分类模型的训练与优化。