一种基于VMD-IASO-BiLSTM的质子交换膜燃料电池剩余使用寿命预测方法

本发明公开了一种基于VMD‑IASO‑BiLSTM的质子交换膜燃料电池剩余使用寿命预测方法，包括以下步骤：1)建立PEMFC的原始数据集，对原始数据进行小波硬阈值(WHT)去除噪声信号；2)对去噪数据利用变分模态分解(VMD)进行模态分解，利用正态分布筛选干净信号，重构新的电压信号;3)分别引入Tent混沌映射、高斯变异策略和双曲正切策略改进原子搜索优化算法(ASO)构造IASO；4)用IASO对双向长短期记忆网络(BiLSTM)的权重和偏置进行优化迭代，利用均方误差(MSE)找出最优权重和偏置参数进行预测；本文证实了该方法的可行性以及优越性，可以大幅提升模型的迭代速度，减少训练时间，并提高准确率。