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！

龙图腾网获悉中国科学技术大学申请的专利一种基于磁场数据的燃料电池堆故障定位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：CN120955171B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511471575.6，技术领域涉及：H01M8/04664；该发明授权一种基于磁场数据的燃料电池堆故障定位方法是由毛磊;孙誉宁;桂青华设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于磁场数据的燃料电池堆故障定位方法在说明书摘要公布了：本发明涉及燃料电池故障诊断技术领域，具体为一种基于磁场数据的燃料电池堆故障定位方法，包括以下步骤：数据预处理；Bootstrap增强的随机森林特征选择；互信息特征选择；参数优化的随机森林训练；OOB错误引导集成；有益效果为：通过双特征选择机制，融合全局与局部特征，有效识别出具有高定位能力的磁场特征。更重要的是，所选特征与电化学机理高度一致，具备明确的物理可解释性，从而提升了模型的效率与可靠性。

本发明授权一种基于磁场数据的燃料电池堆故障定位方法在权利要求书中公布了：1.一种基于磁场数据的燃料电池堆故障定位方法，其特征在于：包括以下步骤： 步骤1：数据预处理； 步骤2：Bootstrap增强的随机森林特征选择； 步骤3：互信息特征选择； 步骤4：参数优化的随机森林训练； 步骤5：OOB错误引导集成； 所述数据预处理步骤具体包括： 对燃料电池堆周围测量的磁场强度特征向量进行Z-score标准化处理，以消除不同位置和方向磁场强度的量纲差异，使所有特征均值为0，标准差为1； 所述Bootstrap增强的随机森林特征选择步骤具体包括： 应用随机子空间策略从特征空间中随机抽取特征子集，并采用多次Bootstrap采样方法提高特征重要性评估的稳定性，通过计算OOB样本的排列重要性来识别对电堆不同故障状态具有较强区分能力的磁场分布关键点； 所述互信息特征选择步骤具体包括： 计算未在Bootstrap增强的随机森林特征选择阶段评估的磁场特征与状态标签之间的互信息，以发现与水淹、膜干和气体饥饿不同故障类型高度相关的磁场特征点，同时识别故障发生的具体电池位置； 所述参数优化的随机森林训练步骤包括： 采用自适应特征维度控制策略，根据样本数量选择重要性最高的特征子集，确保所选特征数量与样本量相匹配，最终特征集由Bootstrap增强的随机森林特征选择和互信息特征选择两种方法筛选后的特征合并而成； OOB错误引导集成步骤具体包括： 在基于选定特征训练随机森林模型后，计算OOB错误率，当错误率超过预设阈值时，训练第二个针对性随机森林，对误分类样本赋予更高权重，最终预测通过加权集成两个模型的输出结果。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；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”。

以上内容由龙图腾AI智能生成。