CN119475110A 航空器用氢燃料电池bop的关键材料轻量化方法、装置及设备 （山东同云新能源科技有限公司）

航空器用氢燃料电池BOP的关键材料轻量化本发明提供了一种航空器用氢燃料电池BOP括根据氢燃料电池BOP的第一材料训练数据集对电池BOP的性能；根据每个关键材料预测模型的第一性能评估参数从多个关键材料预测模型确测模型的第二性能评估参数选择目标关键材料设计数据预测氢燃料电池BOP的实际性能数据，根据实际性能数据与氢燃料电池BOP的性能要求数据进行比较，输出氢燃料电池BOP的关键材料2获取氢燃料电池BOP的第一材料训练数据集，所述第一材料训练数据集包括多个氢燃获取多个关键材料预测模型，根据所述第一材料训练数据集对每根据每个所述关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性一性能评估参数用于衡量关键材料训练数据之间获取氢燃料电池BOP的第二材料训练数据集，所述第二材料训练数据集为在不同测试环境中氢燃料电池BOP的关键材料的训练数根据所述第二材料训练数据集对所述待用关键材料预测模型进行训估参数用于衡量所述待用关键材料预测模型预测根据所述待用关键材料预测模型的第二性能评估参数选择目标关键材获取氢燃料电池BOP的关键材料的轻量化设计数据，所述轻量化设计数据包括关键材根据所述目标关键材料预测模型和所述轻量化设计数据预测氢燃料电池BOP的实际性比较结果输出所述氢燃料电池BOP的关键材料的轻对于任一深度学习算法，根据所述第一材料训练数据集的属性信息确根据所述第一材料训练数据集和关键材料预测模型的模型参数，对对于每个氢燃料电池BOP的关键材料，根据所述关键材料的元素的材料计量比例和物对于每个氢燃料电池BOP的关键材料，根据通过实验获取到所述关键材料对所述氢燃料电池BOP的影响性能数据构建所述关键材料的材对多个氢燃料电池BOP的关键材料的材料属性特征进行整合处理，得到所述第一材料3燃料电池BOP的预测性能信息和所述材料性能特征计算多个所述关键材料预测模型的第一根据所述预测性能信息和所述材料性能特征获取所述关键材料预测模型在训练时在获取同类型训练数据对应的第一权重和不同类型训练数据根据所述第一权重和所述第二权重对所述第一预测距离和第二预测距离进行加权求提取所述待用关键材料预测模型在所述第二材料训练数据集中的每个第二训练数据根据所述第二训练数据的预测结果，在所述第二材料训练数据集中基于每个所述第二训练数据所属的子材料训练数据集生成所述待用关键材料预测模训练数据集生成所述待用关键材料预测模型在所述第二材料训练数据集上的第二性能评针对每个所述第二训练数据，获取所属子材料训练数据集中训统计所述参考模型稳定参数大于预设稳定参数阈值的根据每个所述第二训练数据对应的目标模型稳定参数计算所述待用关键材料预测模根据所述第二性能评估参数对所述待用关键材料预测模型进行到所述关键材料对氢燃料电池BOP的影响第一训练模块，用于获取多个关键材料预测模型，根据所述4第一性能参数模块，用于根据每个所述关键材料预测模型输出的氢燃料电池BOP的预练数据集为在不同测试环境中氢燃料电池BOP的关键材料第二训练模块，用于根据所述第二材料训练数据集对所述模型选择模块，用于根据所述待用关键材料预测模型的第二性能评估键材料预测模型和所述轻量化设计数据预测氢燃料电池BOP的实际性能数据，根据所述实际性能数据与航空器用氢燃料电池BOP的性能要求数据进行比较，根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的验5[0003]传统的BOP材料选择往往侧重于确保系统的机械强度和耐久性等性能，但这通常[0005]本申请实施例提供了一种航空器用氢燃料电池BOP的关键材料轻量化方法、装置获取氢燃料电池BOP的第一材料训练数据集，所述第一材料训练数据集包括多个氢燃料电池BOP的训练数据，所述训练数据包括氢燃料电池BOP的关键材料的材料属性特根据每个所述关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材第一性能评估参数用于衡量关键材料训练数据之间获取氢燃料电池BOP的第二材料训练数据集，所述第二材料训练数据集为在不同6能评估参数用于衡量所述待用关键材料预测模型预测结果的稳根据所述待用关键材料预测模型的第二性能评估参数选择目标关键材料预测模获取氢燃料电池BOP的关键材料的轻量化设计数据，所述轻量化设计数据包括关根据所述目标关键材料预测模型和所述轻量化设计数据预测氢燃料电池BOP的实根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的获取到所述关键材料对氢燃料电池BOP的影响性第一性能参数模块，用于根据每个所述关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性能特征计算多个所述关键材料预测模型的第一性能评估参用关键材料预测模型，所述第一性能评估参数用于衡量关键材料训练数据之间的距离量料训练数据集为在不同测试环境中氢燃料电池BOP的关键材料的训练数估参数，所述第二性能评估参数用于衡量所述待用关键材料预测模型预测结果的稳定程标关键材料预测模型和所述轻量化设计数据预测氢燃料电池BOP的实际性能数据，根据所述实际性能数据与航空器用氢燃料电池BOP的性能要求数据进行比较，根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的验证7[0008]本申请实施例提供了一种航空器用氢燃料电池BOP的关键材料轻量化方法，获取关键材料预测模型输出的氢燃料电池BOP的预测性能信息；根据所述每个关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性能特征计算多个关键材料预测模型轻量化设计数据预测氢燃料电池BOP的实际性能数据，根据所述实际性能数据与航空器用[0010]图1是根据本申请实施例提供的一种航空器用氢燃料电池BOP的关键材料轻量化图2是根据本申请实施例提供的一种航空器用氢燃料电池BOP的关键材料轻量化图4是根据本申请实施例提供的一种航空器用氢燃料电池BOP的关键材料轻量化8电池系统性能至关重要的非活性组成部分。这些材料和部件虽然不直接参与电化学反应，但它们对于确保整个电池系统的稳定运行、性能优化和长期耐用性起着至关重要的作用。[0026]这些BOP关键材料的选择和设计对于氢燃料电池的性能、寿命和成本都有重要影[0027]传统的BOP材料选择往往侧重于确保系统的机械强度和耐久性等性能，但这通常9空器用氢燃料电池BOP的关键材料轻量化方法的实施环境示意图，本申请实施例方法应用环境通过实验获取到所述关键材料对氢燃料电池BOP的影响性能数据，终端和服务器可以述第一材料训练数据集对每个所述关键材料预测模型训练以预测氢燃料电池BOP的性能，得到每个预测关键材料预测模型输出的氢燃料电池BOP的预测性能信息；根据所述每个关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性能特征计算多个关键一材料训练数据集与所述第二材料训练数据集为在不同测试环境中氢燃料电池BOP的关键用关键材料预测模型的第二性能评估参数选择目标关键材料预测模型；获取氢燃料电池BOP的关键材料的轻量化设计数据，所述轻量化设计数据包括关键材料轻量化后的材料属数据进行比较，根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的验证结[0031]本申请实施例提供的航空器用氢燃料电池BOP的关键材料轻量化方法，能够由轻材料在特定化学环境中的稳定性，密封性能则针对密封材料防止气体或液体泄漏的能力。对于每个氢燃料电池BOP的关键材料，根据所述关键材料的元素的材料计量比例对于每个氢燃料电池BOP的关键材料，根据会通过实验获取到所述关键材料对所述氢燃料电池BOP的影响性能数据构建所述关键材料的材对多个氢燃料电池BOP的关键材料的材料属性特征进行整合处理，得到第一材料是指根据化学反应计量方程式计算出来的诸反应物和着材料塑性变形的起始点；硬度和断裂韧性是衡量材料耐磨性和抗裂纹扩展能力的关键；料训练数据集由轻量化预测平台基于氢燃料电池BOP的关键材料的成分信息、物理结构特的材料计量比例和物理力学属性构建所述关键材料的材料属性特征。轻量化预测平台包括：对于任一关键材料，轻量化预测平台能够根据构成该关键材料的元素的材料计量比例和物理力学性质，确定该关键材料的材料属性特征。轻量化预测平台能够对多个关键材料理的方式可以包括筛选和归一化。材料属性特征可以包括多个维度的数据，该多个维度包容、电子壳层数和价电子数中的至少一种。通过基于关键材料的成分信息和物理力学性质特征来构建第一材料训练数据集，使得该第一材料训练数据集中的训练数据能够作为模型的训练数据，由于多样关键材料的成分信息包含数据的丰富性，可以提高训练得到的模型的泛化能力。列规则对数据进行分类，而随机森林通过集成多个决策树来提高预测的准确性和鲁棒性。度学习模型则能够处理复杂的非线性问题，通过学习输入和输出之间的映射关系进行预测，尤其适用于大规模数据集和复杂特征学习。梯度提升机（GBM）和极端梯度提升预测目标进行选择和调整，以达到最佳的预测效果。在实际应用中，可能需要尝试多种算性能评估参数用于衡量所述关键材料训练数据之间根据所述第一权重和所述第二权重对所述第一预测距离和第二预测距离进行加述第二材料训练数据集为在不同测试环境中氢燃料电池BOP的关键材料的训练数料训练数据集与第一材料训练数据集为不同测试环境中采集到氢燃料电池BOP的关键材料用更多的不同数据对待用关键材料预测模型进行评估，提高第二性能评估参数的准确性，燃料电池BOP的关键材料，根据所述关键材料的元素的材料计量比例和物理力学属性构建通过实验获取到所述关键材料对所述氢燃料电池BOP的影响性能数据构建所述关键材料的能评估参数用于衡量所述待用关键材料预测模型预测结果的稳相似向量生成的用于衡量训练数据表示稳定性的量化指标。待用关键材料预测模型在所述第二材料训练数据集上的第二性二训练数据对应的目标模型稳定参数计算所述待用关键材料预测模型在所述第二材料训样本的预测结果向量，为子材料训练数据集中的各训练数据样本分别筛选最相似的M个样本，将为训练数据样本所选择的M个相似训练数据样本加入与该子集中各样本和迭代轮次SimilarityCoefficient两个训练集合交集的大小与它们并集的大小之比，通常用于描述样本间的相似性或多样练数据比例，根据所述训练数据比例计算每个所述第二训练数据对应的目标模型稳定参进行加权求和得到一个0_1之间的参数值也即第二性能评估参数，用以衡量预测模型在训[0071]206、根据所述待用关键材料预测模型的第二性能评估参数选择目标关键材料预参数的参数值最大的、且参数值大于预设异常性能阈值的模型作为目标关键材料预测模[0076]实际应用中为了对氢燃料电池BOP的关键材料作轻量化设计，可以设计人员可以的实际性能数据，根据所述实际性能数据与航空器用氢燃料电池BOP的性能要求数据进行据所述第一材料训练数据集对每个所述关键材料预测模型训练以预测氢燃料电池BOP的性关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性能特征计算多个关材料训练数据集与所述第二材料训练数据集为在不同测试环境中氢燃料电池BOP的关键材关键材料预测模型的第二性能评估参数选择目标关键材料预测模型；获取氢燃料电池BOP能要求数据进行比较，根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的[0080]图4是根据本申请实施例提供的一种航空器用氢燃料电池BOP的关键材料轻量化实验获取到所述关键材料对氢燃料电池BOP键材料预测模型输出的氢燃料电池BOP的第一性能参数模块403，用于根据所述每个关键材料预测模型输出的氢燃料电池BOP的预测性能信息和所述材料性能特征计算多个关键材料预测模型的第一性能评估参二材料训练数据集为在不同测试环境中氢燃料电池BOP的关键材料的第二训练模块405，用于根据所述第二材料训练数据集对所述待用关键材料预测模型选择模块406，用于根据所述待用关键材料预测模型的第二性能评估参数选述目标关键材料预测模型和所述轻量化设计数据预测氢燃料电池BOP的实际性能数据，根据所述实际性能数据与航空器用氢燃料电池BOP的性能要求数据进行比较，根据比较结果输出所述氢燃料电池BOP的关键材料的轻量化设计的验对于每个氢燃料电池BOP的关键材料，根据所述关键材料的元素的材料计量比例对于每个氢燃料电池BOP的关键材料，根据通过实验获取到所述关键材料对所述氢燃料电池BOP的影响性能数据构建所述关键材料对多个氢燃料电池BOP的关键材料的材料属性特征进行整合处理，得到第一材料根据所述预测性能信息和所述材料性能特征获取所述关键材料预测模型在训练对所述第一预测距离和第二