Diagnoseverfahren zum Bestimmen eines Zustands eines Brennstoffzellensystems
Die vorgestellte Erfindung betrifft ein Diagnoseverfahren (100) zum Bestimmen eines Zustands eines Brennstoffzellensystems (400), wobei das Diagnoseverfahren (100) umfasst:- Trainieren (101) eines maschinellen Lerners zu einem ersten Zeitpunkt derart, dass dieser anhand von mindestens einer in einer...
Gespeichert in:
Hauptverfasser: | , |
---|---|
Format: | Patent |
Sprache: | ger |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Die vorgestellte Erfindung betrifft ein Diagnoseverfahren (100) zum Bestimmen eines Zustands eines Brennstoffzellensystems (400), wobei das Diagnoseverfahren (100) umfasst:- Trainieren (101) eines maschinellen Lerners zu einem ersten Zeitpunkt derart, dass dieser anhand von mindestens einer in einer Messleitung (411) eines Brennstoffzellensystems (400) gemessenen Eingangsgaskonzentration, mindestens eine Ausgangsgaskonzentration in einem Anodensubsystem (403) des Brennstoffzellensystems (400) bestimmt,- Erneutes Trainieren (103) des maschinellen Lerners, zu einem zweiten Zeitpunkt derart, dass dieser anhand von mindestens einer in der Messleitung (411) des Brennstoffzellensystems (400) gemessenen Eingangsgaskonzentration, mindestens eine Ausgangsgaskonzentration in dem Anodensubsystem (403) des Brennstoffzellensystems (400) bestimmt,- Bestimmen einer Stickstoffpermeabilität von Brennstoffzellen des Brennstoffzellensystems (400) anhand einer Änderung des maschinellen Lerners zwischen dem ersten Zeitpunkt und dem zweiten Zeitpunkt.
The present invention relates to a diagnosis method (100) for determining a state of a fuel cell system (400), wherein the diagnosis method (100) comprises: - training (101) a machine learner at a first point in time in such a way that it determines at least one output gas concentration in an anode subsystem (403) of the fuel cell system (400) on the basis of at least one input gas concentration measured in a measuring line (411) of a fuel cell system (400), - re-training (103) the machine learner at a second point in time in such a way that it determines at least one output gas concentration in the anode subsystem (403) of the fuel cell system (400) on the basis of at least one input gas concentration measured in the measuring line (411) of the fuel cell system (400), - determining a nitrogen permeability of fuel cells of the fuel cell system (400) on the basis of a change in the machine learner between the first point in time and the second point in time. |
---|