买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥综合性国家科学中心能源研究院(安徽省能源实验室)申请的专利基于优化FCM训练的OS-ELM燃料电池故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115799580B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211576864.9，技术领域涉及：H01M8/04992；该发明授权基于优化FCM训练的OS-ELM燃料电池故障诊断方法是由施永;何伟;苏建徽;车智康;解宝;赖纪东设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本基于优化FCM训练的OS-ELM燃料电池故障诊断方法在说明书摘要公布了：本发明提出一种基于优化FCM训练的OS‑ELM燃料电池故障诊断方法，使用OS‑ELM作为故障诊断分类方法，鉴于OS‑ELM可以在线学习的特性，使用分类算法对获得的样本集分类，用于OS‑ELM权重的更新。FCM作为一种软分类方法，使用PSO和GA对其进行改进优化，获得最优的分类效果。使用基于优化FCM训练的OS‑ELM算法可以以少量的初始样本和后续不断获得的样本来不断优化故障分类的效果，实现对PEMFC故障诊断的准确性和快速性。通过改进的FCM对1000组样本进行分类，划分为训练集和测试集，对OS‑ELM进行训练和测试，训练准确率为99.33％，测试准确率为99.25％，使用时间为0.45s。

本发明授权基于优化FCM训练的OS-ELM燃料电池故障诊断方法在权利要求书中公布了：1.一种基于优化FCM训练的OS-ELM燃料电池故障诊断方法，其特征在于，包括如下步骤：步骤1、基于粒子群算法和遗传算法优化FCM训练；使用FCM对已有的样本集进行划分，得到初始最优的聚类中心和目标函数；初始化两个种群，分别使用粒子群算法和遗传算法对目标函数进行寻优；当粒子群算法和遗传算法寻找的目标函数优于初始最优目标函数，进行目标函数的更新，持续寻找最优的目标函数，直至满足迭代条件；此时，目标函数和聚类中心是全局最优的；步骤2、基于OS-ELM进行故障分类：所述故障分类分为初始化训练和在线学习两个阶段；在初始化训练阶段，使用步骤1获得的最优的聚类中心对样本集进行聚类划分，并分成测试集和训练集；使用训练集获得初始的一个故障分类辨识模型，使用测试集用于验证模型分类效果；在在线学习阶段，采集外部数据用于诊断质子交换膜燃料电池当前工况，并将样本数据进行保存，当保存的样本数据达到要求时，依照最优的聚类中心进行类别划分，并用于OS-ELM模型的更新；步骤3、获得OS-ELM故障分类结果：使用多个样本进行验证，样本平均分配为正常、膜干、水淹和氧饥饿四种工况；将聚类后得到的样本按照3：3：4比例划分为训练样本集，在线学习样本集和测试样本集，训练样本集用于初始训练OS-ELM模型，在线学习样本集用于不断更新模型，测试样本集用于测试模型的故障诊断效果，得到的训练集和测试集故障分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥综合性国家科学中心能源研究院(安徽省能源实验室)，其通讯地址为：230000 安徽省合肥市包河区滨湖卓越城文华园9号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。