Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Detection and Localization of a Gear Fault Using Automatic Continuous Monitoring of the Modulation Functions Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Fault Classification of Polymer Electrolyte Membrane Fuel Cell System Based on Empirical Mode Decomposition

verfasst von : Yousif Yahia Ahmed Abuker, Zhongyoug Liu, Lisa Jackson, Lei Mao

Erschienen in: Advances in Condition Monitoring and Structural Health Monitoring

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper investigates the empirical mode decomposition (EMD)-based feature selection technique in identifying polymer electrolyte membrane fuel cell water management issue. In the study, EMD is applied to fuel cell voltage signals at various states, including fuel cell flooding and membrane drying out, from which intrinsic mode functions (IMFs) are obtained. Sensitivity index is used to determine the IMFs more sensitive to fuel cell fault, which are then used for the fault diagnosis. The effectiveness of the selected IMFs in discriminating flooding and drying out scenarios is validated using experimental data from a PEM fuel cell system. The results show that different faults can be distinguished effectively. From the findings, a generalized feature extraction and selection technique can be provided for fault diagnosis in practical PEM fuel cell applications.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Novel Method of PEM Fuel Cell Fault Diagnosis Based on Signal-to-Image Conversion
Nächstes Kapitel Fleet-Oriented Pattern Mining Combined with Time Series Signature Extraction for Understanding of Wind Farm Response to Storm Conditions
Literatur
1.
Wang Y et al (2011) A review of polymer electrolyte membrane fuel cells: technology, applications, and needs on fundamental research. Appl Ener 88(4):981–1007
2.
Onanena R et al (2013) Fuel cell health monitoring using self-organizing maps. Chem. Eng. Trans. 33
3.
Mao L, Jackson L, Dunnett S (2017) Fault diagnosis of practical polymer electrolyte membrane (PEM) fuel cell system with data‐driven approaches. Fuel Cells 17(2), 247–258
4.
Hua J et al (2011) Proton exchange membrane fuel cell system diagnosis based on the multivariate statistical method. Int J Hydrogen Energ 36(16):9896–9905
5.
Riascos LAM, Simoes MG, Miyagi PE (2007) A Bayesian network fault diagnostic system for proton exchange membrane fuel cells. J Power Sources 165(1):267–278
6.
Dijoux E et al (2017) A review of fault tolerant control strategies applied to proton exchange membrane fuel cell systems. J Power Sour 359, 119–133
7.
Petrone R et al (2013) A review on model-based diagnosis methodologies for PEMFCs. Int J Hydrogen Energ 38(17):7077–7091
8.
Aitouche A, Yang Q, Bouamama BO (2011) Fault detection and isolation of PEM fuel cell system based on nonlinear analytical redundancy: an application via parity space approach. Eur Phys J-Appl Phys 54(2)
9.
Li Z et al (2013) Online diagnosis of PEMFC by analyzing individual cell voltages. In: European control conference (ECC). IEEE, 2439–2444
10.
Zheng Z, et al (2013) A review on non-model based diagnosis methodologies for PEM fuel cell stacks and systems. Int J Hyd Ener 38(21):8914–8926
11.
Li Z et al (2014) Data-driven diagnosis of PEM fuel cell: a comparative study. Cont Eng Pract 28, 1–12
12.
Yousfi-Steiner N et al (2008) A review on PEM voltage degradation associated with water management: Impacts, influent factors and characterization. J Power Sour 183(1):260–274
13.
Steiner NY et al (2011) Non-intrusive diagnosis of polymer electrolyte fuel cells by wavelet packet transform. Int J Hyd Energ Commercialisation 740–746
14.
Kim J et al (2012) State-of-health diagnosis based on hamming neural network using output voltage pattern recognition for a PEM fuel cell. Int J Hydrogen Energ 37(5):4280–4289
15.
Legros B et al (2011) First results on PEMFC diagnosis by electrochemical noise. Electrochem Commun 13(12):1514–1516CrossRef
16.
Damour C et al (2015) Polymer electrolyte membrane fuel cell fault diagnosis based on empirical mode decomposition. J Power Sour 299:596–603
17.
Corrêa JM et al (2004) An electrochemical-based fuel-cell model suitable for electrical engineering automation approach. IEEE Trans Ind Electron 51(5):1103–1112
18.
Jensen JO et al (2010) Report Nr, Schriften des Forschungszentrums Jülich. Energy and Environment
19.
Li Z et al (2014) Data-driven diagnosis of PEM fuel cell: a comparative study. Control Eng Pract 28(28):1–12
20.
Shukla S, Mishra S, Singh B (2009) Empirical-mode decomposition with Hilbert transform for power-quality assessment. IEEE Trans Power Delivery 24(4):2159–2165CrossRef
Metadaten
Titel
Fault Classification of Polymer Electrolyte Membrane Fuel Cell System Based on Empirical Mode Decomposition
verfasst von
Yousif Yahia Ahmed Abuker
Zhongyoug Liu
Lisa Jackson
Lei Mao
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Advances in Condition Monitoring and Structural Health Monitoring

Print ISBN: 978-981-15-9198-3

Electronic ISBN: 978-981-15-9199-0

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-9199-0_24

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise