聶振宇 李良雨 張廣秀 陳帥 張曉輝

【歡迎引用】 聶振宇，李良雨， 張廣秀， 等. 貧數(shù)據(jù)條件下燃料電池汽車(chē)故障分類(lèi)方法[J]. 汽車(chē)文摘，2024（XX）： 1-11.

【Cite this paper】 NIE Z Y， LI L Y， ZHANG G X， et al. Fault Classification Methods for Fuel Cell Vehicles under Poor Data Conditions [J]. Automotive Digest （Chinese）， 2024（XX）：1-11.

【摘要】燃料電池汽車(chē)是未來(lái)汽車(chē)工業(yè)可持續(xù)發(fā)展的重要方向，但現(xiàn)存燃料電池整車(chē)相關(guān)的測(cè)試評(píng)價(jià)標(biāo)準(zhǔn)尚未對(duì)燃料電池汽車(chē)存在的故障類(lèi)型及其分類(lèi)進(jìn)行深入研究，缺乏統(tǒng)一故障分級(jí)分類(lèi)方案。為改善該問(wèn)題，提出一套完善的燃料電池汽車(chē)故障模式的分級(jí)分類(lèi)評(píng)價(jià)指標(biāo)以統(tǒng)一相關(guān)故障等級(jí)，重點(diǎn)研究在缺乏數(shù)據(jù)條件下的燃料電池汽車(chē)故障分類(lèi)方法。基于因子分析法和模糊集理論，提出一種針對(duì)燃料電池汽車(chē)在貧數(shù)據(jù)條件下的故障模式分類(lèi)評(píng)價(jià)方法，為燃料電池汽車(chē)故障等級(jí)的分類(lèi)提供指導(dǎo)意見(jiàn)。

關(guān)鍵詞：燃料電池汽車(chē)；貧數(shù)據(jù)；故障分類(lèi)；模糊集理論；因子分析法

中圖分類(lèi)號(hào)：U469.72 ? 文獻(xiàn)標(biāo)識(shí)碼：A ?DOI： 10.19822/j.cnki.1671-6329.20230260

Fault Classification Methods for Fuel Cell Vehicles under Poor Data Conditions

Nie Zhenyu1，2， Li Liangyu1，2， Zhang Guangxiu1， Chen Shuai1，2， Zhang Xiaohui1，2

（1.China Automotive Technology & Research Center Co.， Ltd.， Tianjin， 300300; 2. CATARC Automotive Test Center （Tianjin） Co.， Ltd.， Tianjin， 300300）

【Abstract】 Fuel cell vehicle （FCV） is an important direction for the sustainable development of the automotive industry in the future. However， existing test and evaluation standards for FCVs have not thoroughly examined the types of faults and their classification. There is a lack of a unified fault grading classification scheme. To solve this issue， a comprehensive set of grading classification evaluation indicators for FCV faults is proposed to standardize the levels of related faults. The focus is on researching methods for classifying FCV faults in the case of lack of data. Based on factor analysis and fuzzy set theory， a fault mode classification evaluation method for FCVs under data scarcity conditions is proposed， offering guidance for the classification of FCV fault levels.

Key words： Fuel cell vehicle（FCV）; Data deficiency; Fault classification; Fuzzy set theory; Factor analysis method

0 引言

相比于傳統(tǒng)汽車(chē)，燃料電池汽車(chē)具有零排放、高效率、低噪聲的優(yōu)勢(shì)，受到日本、歐洲、美國(guó)等國(guó)家的廣泛關(guān)注[1-2]。隨著燃料電池汽車(chē)關(guān)鍵技術(shù)不斷突破并在部分車(chē)型上應(yīng)用，氫燃料電池汽車(chē)產(chǎn)業(yè)化不斷加速[3]。我國(guó)燃料電池汽車(chē)多采用電-電混合技術(shù)路線，在續(xù)駛里程及整車(chē)成本方面具有明顯優(yōu)勢(shì)，但耐久性、可靠性等性能指標(biāo)與國(guó)外部分發(fā)達(dá)國(guó)家差距較大。雖然燃料電池系統(tǒng)的關(guān)鍵零部件已實(shí)現(xiàn)國(guó)產(chǎn)化，但到目前尚未有量產(chǎn)車(chē)型投放市場(chǎng)。對(duì)燃料電池汽車(chē)的故障類(lèi)型及其所屬類(lèi)別不明確，成為限制其發(fā)展的主要因素之一。

我國(guó)已對(duì)燃料電池汽車(chē)發(fā)展進(jìn)行了布局規(guī)劃，制修訂了多項(xiàng)燃料電池整車(chē)相關(guān)的測(cè)試評(píng)價(jià)標(biāo)準(zhǔn)，在GB/T 39132—2020《燃料電池電動(dòng)汽車(chē)定型試驗(yàn)規(guī)程》[4]提出可靠性行駛試驗(yàn)過(guò)程中不應(yīng)出現(xiàn)1、2類(lèi)故障。然而，目前尚未對(duì)燃料電池汽車(chē)存在的故障類(lèi)型及其分類(lèi)進(jìn)行研究，各整車(chē)制造商對(duì)于故障分級(jí)分類(lèi)混亂，需提出一套完善的燃料電池汽車(chē)故障模式的分級(jí)分類(lèi)評(píng)價(jià)指標(biāo)以統(tǒng)一相關(guān)故障等級(jí)。

本文提出了一套針對(duì)燃料電池汽車(chē)故障分類(lèi)的評(píng)價(jià)指標(biāo)體系，該體系從故障性質(zhì)、故障概率、故障后果和環(huán)境影響等維度進(jìn)行構(gòu)建。在數(shù)據(jù)相對(duì)貧乏的條件下，采用模糊集理論和專(zhuān)家評(píng)判的方法實(shí)現(xiàn)了對(duì)故障可能性和后果的定量分析。為確定各評(píng)價(jià)指標(biāo)的權(quán)重，采用因子分析法旨在減弱主觀性評(píng)價(jià)。根據(jù)多維評(píng)價(jià)指標(biāo)的計(jì)算結(jié)果，實(shí)現(xiàn)了對(duì)燃料電池汽車(chē)故障的分類(lèi)和分級(jí)。本文為燃料電池汽車(chē)的安全性研究提供了新的視角，為燃料電池汽車(chē)故障分類(lèi)體系的建立提供了一種新的思路和方法，實(shí)現(xiàn)了在數(shù)據(jù)貧乏條件下進(jìn)行故障定量分析，對(duì)推進(jìn)燃料電池汽車(chē)的安全性研究具有一定的指導(dǎo)意義。

1 研究背景

1.1 燃料電池汽車(chē)

燃料電池汽車(chē)具有清潔、能效高的優(yōu)點(diǎn)，在汽車(chē)市場(chǎng)的滲透率逐步提高。燃料電池汽車(chē)主要使用氫氣或甲醇為主要燃料，通過(guò)電堆將化學(xué)能轉(zhuǎn)化為電能，以驅(qū)動(dòng)車(chē)輛。盡管其結(jié)構(gòu)簡(jiǎn)單，但燃料電池汽車(chē)需要大功率、高動(dòng)態(tài)響應(yīng)的燃料電池系統(tǒng)，且長(zhǎng)時(shí)間頻繁的變載工況會(huì)使燃料電池壽命衰減。為了克服以上問(wèn)題，燃料電池和動(dòng)力電池的電-電混合技術(shù)方案成為目前國(guó)內(nèi)燃料電池研究重點(diǎn)。該技術(shù)方案的典型結(jié)構(gòu)見(jiàn)圖1[5]。

1.2 故障分類(lèi)

從安全性和故障的嚴(yán)重程度出發(fā)，可以將燃料電池汽車(chē)故障分為4級(jí)。1級(jí)故障：對(duì)燃料電池汽車(chē)造成安全性的損傷，如影響氫、電安全和啟動(dòng)運(yùn)行，一旦發(fā)生必須緊急切斷開(kāi)關(guān)進(jìn)行安全保護(hù)。2級(jí)故障：這類(lèi)故障會(huì)影響車(chē)輛的正常工作及性能。若不及時(shí)處理，該故障會(huì)存在惡化風(fēng)險(xiǎn)。3級(jí)故障：這類(lèi)故障僅會(huì)輕微影響系統(tǒng)，但不會(huì)造成致命性的危害。4級(jí)故障：這類(lèi)故障不影響整體功能，可以忽略不計(jì)。

2 基礎(chǔ)理論分析

2.1 綜合評(píng)價(jià)模型

對(duì)本文研究的燃料電池故障分類(lèi)，建立對(duì)應(yīng)指標(biāo)評(píng)價(jià)體系。對(duì)各項(xiàng)指標(biāo)的相對(duì)重要性進(jìn)行量化，從多個(gè)評(píng)價(jià)指標(biāo)對(duì)其進(jìn)行評(píng)價(jià)，以減少主觀性判斷，盡可能提高準(zhǔn)確性。對(duì)每一項(xiàng)指標(biāo)單獨(dú)進(jìn)行評(píng)分，并根據(jù)指標(biāo)對(duì)應(yīng)權(quán)重，對(duì)所得指標(biāo)評(píng)分進(jìn)行修正，將各個(gè)修正后的指標(biāo)評(píng)分進(jìn)行求和。最終，得到某一燃料電池汽車(chē)故障的綜合評(píng)價(jià)水平，確定其所屬分類(lèi)。

[Yi=i=1pAij×Wij（i=1，2，…，m）] ? ? ? ? ? ? ?（1）

式中：Yi為燃料電池汽車(chē)故障綜合評(píng)價(jià)水平，p為故障的評(píng)價(jià)指標(biāo)個(gè)數(shù)，m為評(píng)價(jià)水平所分析的故障數(shù)，i為故障個(gè)數(shù)，Aij為第i個(gè)故障的第j個(gè)指標(biāo)的標(biāo)準(zhǔn)化值，Wij為第i個(gè)故障的第j個(gè)指標(biāo)在所有指標(biāo)中所占的權(quán)重。

2.2 因子分析法

本文采用因子分析法計(jì)算指標(biāo)的權(quán)重。因子分析是一種統(tǒng)計(jì)學(xué)方法，用于分析復(fù)雜數(shù)據(jù)集中的變量之間的相互關(guān)系和結(jié)構(gòu)。其通過(guò)對(duì)數(shù)據(jù)進(jìn)行降維，提取變量之間的關(guān)系，進(jìn)而得到一些解釋性更強(qiáng)、與原始數(shù)據(jù)相關(guān)性更好的因子用于理解數(shù)據(jù)。因子分析通常需要輸入1個(gè)包含2個(gè)或者2個(gè)以上變量的數(shù)據(jù)集，然后通過(guò)選定主成分個(gè)數(shù)和因子旋轉(zhuǎn)方式等參數(shù)獲得預(yù)期結(jié)果。

因子分析的基本思想是通過(guò)對(duì)變量進(jìn)行壓縮，提取可以解釋變量之間關(guān)系的構(gòu)建成分（即因子），并將這些因子用于數(shù)據(jù)的降維和解釋。通過(guò)因子分析，可以將眾多的觀測(cè)變量歸納為更少的一些潛在因子，這些因子之間存在一定程度的相關(guān)性，并且可以反映出原始數(shù)據(jù)集中的一些重要信息和結(jié)構(gòu)性關(guān)系。因子分析有助于理解數(shù)據(jù)、簡(jiǎn)化數(shù)據(jù)處理流程、提高預(yù)測(cè)準(zhǔn)確率等。

3 燃料電池汽車(chē)故障評(píng)價(jià)指標(biāo)體系

3.1 指標(biāo)體系構(gòu)建原則

考慮構(gòu)建燃料電池汽車(chē)故障評(píng)價(jià)指標(biāo)體系的合理性和正確性，主要遵循以下原則：

（1）科學(xué)性：在構(gòu)建過(guò)程中要從官方渠道獲得數(shù)據(jù)，更真實(shí)的量化分析。

（2）全面性：由多個(gè)指標(biāo)構(gòu)成，需大量閱讀參考文獻(xiàn)，全面準(zhǔn)備構(gòu)建評(píng)價(jià)指標(biāo)體系所需要的輔助資料。

（3）可量化原則：選擇指標(biāo)要考慮能否可量化，以便進(jìn)行計(jì)算和分析，以確保定量分析結(jié)果具有可比性。

3.2 指標(biāo)內(nèi)容及其計(jì)算方法

構(gòu)建燃料電池汽車(chē)故障的評(píng)價(jià)指標(biāo)，可以從故障性質(zhì)、故障概率、故障后果（對(duì)人員生命或財(cái)產(chǎn)造成損害或后果的嚴(yán)重性）、環(huán)境影響等方面進(jìn)行。由于數(shù)字對(duì)比相對(duì)更直觀清晰，因此需要對(duì)各個(gè)指標(biāo)進(jìn)行量化分析。

根據(jù)故障表現(xiàn)特征對(duì)故障性質(zhì)進(jìn)行等級(jí)劃分，故障表現(xiàn)特征包括：檢測(cè)性故障（1）、警示性故障（2）、功能性故障（3）[6]，3種表現(xiàn)特征的嚴(yán)重程度依次遞進(jìn)為了便于后續(xù)分析計(jì)算，將語(yǔ)言轉(zhuǎn)化為數(shù)值，分別用數(shù)值1、2、3表述?？紤]到目前燃料電池汽車(chē)數(shù)量較少，缺少對(duì)應(yīng)的故障數(shù)據(jù)樣本，因此采用模糊集理論（Fuzzy Set Theory，F(xiàn)ST）計(jì)算燃料電池汽車(chē)故障概率與后果[7-8]。通過(guò)專(zhuān)家對(duì)事件的主觀語(yǔ)言判斷，將定性分析轉(zhuǎn)換成定量的數(shù)值分析[9]。并對(duì)專(zhuān)家給出的數(shù)值進(jìn)行權(quán)重平均，得到綜合多位專(zhuān)家意見(jiàn)的模糊概率評(píng)分。

通過(guò)測(cè)量氫氣泄露濃度評(píng)估其對(duì)環(huán)境影響，將故障導(dǎo)致的泄露或尾氣排出的氫氣濃度劃分為4個(gè)等級(jí)[10]，見(jiàn)表1。

4 燃料電池汽車(chē)故障綜合評(píng)價(jià)

4.1 數(shù)據(jù)收集與整理

考慮到燃料電池汽車(chē)涉及多個(gè)系統(tǒng)，潛在故障數(shù)量龐大，本文僅選取燃料電池系統(tǒng)作為研究對(duì)象，并總結(jié)了常見(jiàn)的故障模式，見(jiàn)表2。在上述理論研究和評(píng)價(jià)指標(biāo)體系構(gòu)建的基礎(chǔ)上，運(yùn)用專(zhuān)業(yè)統(tǒng)計(jì)服務(wù)科學(xué)平臺(tái)（Scientific Platform Serving for Statistics Professional，SPSSPRO）軟件對(duì)數(shù)據(jù)進(jìn)行處理。

將各燃料電池故障發(fā)生的可能性分為非常低、低、中等、高和非常高5個(gè)等級(jí)。利用梯形模糊數(shù)，將模糊語(yǔ)言轉(zhuǎn)換成數(shù)值語(yǔ)言[11]。語(yǔ)言變量對(duì)應(yīng)梯形模糊數(shù)見(jiàn)表3。

通過(guò)增加專(zhuān)家人數(shù)可以縮小專(zhuān)家意見(jiàn)偏差，使結(jié)果更接近真實(shí)值?？紤]到研究可操作性，邀請(qǐng)了3位業(yè)內(nèi)專(zhuān)家進(jìn)行評(píng)價(jià)[12]，采用FST分別對(duì)燃料電池汽車(chē)各發(fā)生故障的可能性和嚴(yán)重度進(jìn)行分析，將模糊語(yǔ)言轉(zhuǎn)化為能夠代表多個(gè)專(zhuān)家的綜合評(píng)估分?jǐn)?shù)。以發(fā)生故障的可能性為例，得到發(fā)生故障可能性的聚合后模糊數(shù)，見(jiàn)表4。

故障發(fā)生將對(duì)人員、財(cái)產(chǎn)和環(huán)境造成不同程度的影響。專(zhuān)家綜合考慮各方面因素，對(duì)故障造成的后果進(jìn)行評(píng)估，并采用模糊集理論，構(gòu)建了故障嚴(yán)重度的聚合模糊數(shù)，見(jiàn)表5。

收集到的原始數(shù)據(jù)進(jìn)行二次整理計(jì)算，對(duì)于梯形模糊數(shù)M={u，m1，m2，l}可利用模糊重心法去模糊化，具體原理為：

[X*=u（x）xdxu（x）dx， 其中u（x）xdx≠0] ? ? ? ? ? ? ? （2）

式中：X*為輸出值，[u（x）]為隸屬度函數(shù)，x輸出變量。

對(duì)式（2）進(jìn)行推導(dǎo)，可得其重心公式：

[CN=（u2+m22+um2-l2-m21-lm1）3（m2+u-m1-l）] ? ? ? ? （3）

式中：[CN]即為去模糊化后的結(jié)果。

最終，得到各項(xiàng)故障的發(fā)生可能性以及對(duì)應(yīng)故障后果的綜合評(píng)分，見(jiàn)表6。

4.2 數(shù)據(jù)處理與分析

首先對(duì)燃料電池故障分類(lèi)的原始數(shù)據(jù)進(jìn)行抽樣適合性檢驗(yàn)（Kaiser-Meyer-Olkin，KMO）和巴特利特（Bartlett）球形度檢驗(yàn)，判斷是否可以進(jìn)行因子分析，見(jiàn)表7。

由表7可得，KMO的檢驗(yàn)值為0.718，適合做因子分析。對(duì)于Bartlett的檢驗(yàn)，顯著性遠(yuǎn)小于0.01，說(shuō)明各變量間具有相關(guān)性，因子分析有效。

對(duì)主成分和累計(jì)方差貢獻(xiàn)率進(jìn)行計(jì)算，通常情況下進(jìn)行主成分分析，主成分1和主成分2的累計(jì)方差貢獻(xiàn)率在80%左右，選取的主成分需能反映大部分原有指標(biāo)。表8為樣本數(shù)據(jù)的總方差解釋情況。

根據(jù)各主成分對(duì)數(shù)據(jù)變異的解釋程度繪制成碎石圖（圖2），利用特征值下降的坡度確認(rèn)所需選擇的因子主成分個(gè)數(shù)，選取前2個(gè)公因子。

計(jì)算因子載荷矩陣和成分得分系數(shù)矩陣。因子載荷矩陣中的某列數(shù)值除以對(duì)應(yīng)主成分特征值得到各指標(biāo)的成分得分系數(shù)。燃料電池汽車(chē)故障分類(lèi)旋轉(zhuǎn)后的因子載荷系數(shù)和成分矩陣見(jiàn)表9。

將原始數(shù)據(jù)與成分得分系數(shù)矩陣相乘，得到各主成分的得分結(jié)果，主成分得分F的計(jì)算表達(dá)式為：

F1=0.063*A1-0.384*A2+0.321*A3+0.302*A4 ? ? ? ? ? ? ? ? （4）

F2=1.19*A1-0.049*A2+0.528*A3+0.479*A4 ? ? ? ? ? ? ? ? ? （5）

F=（0.48/0.789）*F1+（0.31/0.789）* F2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（6）

式中：F為主成分得分，F(xiàn)1為成分1的得分，F(xiàn)2為成分2的得分，A1為故障性質(zhì)，A2為故障可能性，A3為后果評(píng)估，A4為環(huán)境影響。

根據(jù)主成分得分計(jì)算綜合得分，對(duì)其進(jìn)行降序排序，得到各燃料電池故障類(lèi)型的綜合得分與排名情況，見(jiàn)表10。

將故障劃分為4個(gè)等級(jí)，綜合得分＞1分為1級(jí)故障，綜合得分0～1分為2級(jí)故障，綜合得分－1～0分為3級(jí)故障，綜合得分＜－1分為4級(jí)故障[13]。最終，對(duì)燃料電池汽車(chē)系統(tǒng)的故障等級(jí)進(jìn)行分類(lèi)及綜合評(píng)分結(jié)果見(jiàn)圖3。

5 結(jié)束語(yǔ)

本文分析了燃料電池汽車(chē)在貧數(shù)據(jù)條件下的故障分類(lèi)，構(gòu)建了燃料電池汽車(chē)故障評(píng)價(jià)指標(biāo)內(nèi)容及其計(jì)算方法，為整車(chē)廠提供一種燃料電池汽車(chē)故障等級(jí)的分類(lèi)方法。對(duì)各項(xiàng)指標(biāo)進(jìn)行數(shù)據(jù)收集，采用因子分析法對(duì)數(shù)據(jù)進(jìn)行處理，根據(jù)得分區(qū)間，將各個(gè)故障分為4個(gè)故障等級(jí)，對(duì)燃料電池汽車(chē)系統(tǒng)的故障等級(jí)進(jìn)行故障等級(jí)分類(lèi)。

通過(guò)綜合因子分析和模糊集理論，本研究提出了一種針對(duì)貧數(shù)據(jù)條件下燃料電池汽車(chē)故障分類(lèi)的新方法，實(shí)現(xiàn)了故障等級(jí)的有效評(píng)價(jià)。此方法結(jié)合數(shù)據(jù)和專(zhuān)家判斷，彌補(bǔ)了傳統(tǒng)計(jì)算方法可能忽略重大故障概率的不足，為燃料電池汽車(chē)系統(tǒng)故障的精準(zhǔn)分類(lèi)提供了一種可行途徑。

參 考 文 獻(xiàn)

[1] ZHAO F Q， MU Z X， HAO H， et al. Hydrogen Fuel Cell Vehicle Development in China： An Industry Chain Perspective[J]. Energy Technology， 2020， 8（11）： 2000179.

[2] HAUER K H. Analysis Tool for Fuel Cell Vehicle Hardware and Software （Controls） with an Application to Fuel Economy Comparisons of Alternative System Designs[J/OL]. Institute of Transportation Studies， Working Paper Series， 2001[2024-04-15]. https：//ideas.repec.org/p/cdl/itsdav/qt52g0c0

3n.html.

[3] WIPKE B K， SPRIK S， KURTZ J， et al. Fuel Cell Vehicle and Infrastructure Learning Demonstration Status and Results[J]. ECS Transactions， 2019， 16（2）： 173-184.

[4] 國(guó)家市場(chǎng)監(jiān)督管理總局， 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB/T 39132—2020： 燃料電池電動(dòng)汽車(chē)定型試驗(yàn)規(guī)程[S/OL]. （2020-10-11）[2024-05-01]. https：//openstd.samr.gov.cn/bzgk/gb/newGbInfo？hcno=667FED7F07C1C55433F1767

4C1F7120C.

[5] 馬睿， 黨翰斌， 張鈺奇， 等. 質(zhì)子交換膜燃料電池系統(tǒng)故障機(jī)理分析及診斷方法研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào)， 2024， 44（1）： 407-427.

[6] 周蘇， 胡哲， 文澤軍. 基于K均值和支持向量機(jī)的燃料電池在線自適應(yīng)故障診斷[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2019， 47（2）： 255-260.

[7] SAATY T L， VARGASL G. Models， Methods， Concepts and Applications of the Analytic Hierarchy Process[M]. New York： Springer Science and Business Media， 2001.

[8] 李新宏， 朱玉嬌， 李成成， 等. 貧數(shù)據(jù)條件下海底電纜故障概率評(píng)估方法[J]. 中國(guó)安全生產(chǎn)科學(xué)技術(shù)， 2022， 18（6）： 224-229.

[9] 康勁松， 康婷. 基于FTA-AHP的FCEV動(dòng)力系統(tǒng)可靠性影響因子及其權(quán)重研究[J].電源學(xué)報(bào)， 2013（4）： 1-7+25.

[10] MIRI LAVASANI S M， YANG Z， FINLAY J， et al. Fuzzy risk assessment of oil and gas offshore wells[J]. Process Safety and Environmental Protection， 2011， 89（5）： 277-294.

[11] FERDOUS R， KHAN FAISAL， SADIQ REHAN， et al. Handling and Updating Uncertain Information in Bow-Tie Analysis[J]. Journal of Loss Prevention in the Process Industries， 2011， 25（1）： 8-19.

[12] 劉斌. 燃料電池系統(tǒng)故障診斷識(shí)別策略發(fā)展[J]. 船電技術(shù)， 2023， 43（4）： 1-4.

（責(zé)任編輯 明慧）