近日，中国科学技术大学工程科学学院精密机械与精密仪器系先进感知、数据融合及智能运维课题组毛磊特任研究员团队在氢燃料电池（PEMFC）无损故障检测方面取得突破性进展，报道了一种基于电磁场变化的氢燃料电池无损检测技术，打破了氢燃料电池故障诊断依赖于电化学阻抗谱、电流分布等侵入式检测手段的短板，研究成果于2022年5月26日以题为“Efficient fault diagnosis of proton exchange membrane fuel cell using external magnetic field measurement”发表在ELSEVIER出版社旗下高水平期刊Energy Conversion and Management上（Energy. Convers. Manage. DOI: https://doi.org/10.1016/j.enconman.2022.115809）。
影响商用氢燃料电池可靠性和安全性的主要因素之一是在电池运行过程中难以利用非侵入式方法快速识别并排除电池故障，保证电池长期运行在健康状态下。因此，目前急需一种无损的氢燃料电池故障诊断技术，助力实现氢燃料电池快速早期故障诊断，推动氢燃料电池商业化发展。
在PEMFC运行过程中，电池内部电流分布与电池的健康状态息息相关。目前，相关技术主要通过检测PEMFC电化学阻抗谱或者在电池内部加装电流检测板采集电流分布数据来进行氢燃料电池故障诊断。但是，两者都会干扰电池的运行状态，甚至破坏电池固有结构和性能，进而很难保证诊断技术的可靠性和实用性。PEMFC电流分布和相应磁场分布如图1所示。从图中，可以很清楚地分析得到，PEMFC外部磁场分布可以多角度全面反应电池内部电流分布的变化。据此，本研究工作中提出了一种基于电磁场的无损故障检测技术，通过在PEMFC外部加装磁传感器矩阵，采集可以反应电池内部电流变化的磁场分布数据，然后从磁场数据中提取可区分的故障特征来实现PEMFC无损故障诊断。
(a)
(b) (c)
图1. (a) PEMFC内电流传播方向; (b) 垂直电流及其磁场分布; (c) 水平电流及其磁场分布.
不同PEMFC健康状态下的磁场分布趋势及故障检测结果如图2(a)-(b)所示。从结果中可分析得到，PEMFC磁场分布数据可以更加全面地实时监测电池状态动态变化过程。基于磁场分布数据，可以捕捉到对故障更加敏感的特征，极大提高了故障诊断的精确性。此外，图2(c)-(d)描述了故障程度指标随时间变化的曲线。据此可以分析得到，本研究方法不仅可以实现高精度故障诊断，而且可以实时监测故障程度，有利于及时识别并排除故障，提高PEMFC的可靠性和耐久性，为PEMFC技术商业化推广做了良好铺垫。
(a) (b)
(c) (d)
图2. (a) 不同PEMFC健康状态磁场分布; (b) PEMFC水管理故障分类结果; (c)(d) 故障程度指标随时间变化曲线.
工程科学学院博士生刘忠勇为本论文的第一作者，毛磊特任研究员为该论文的通讯作者。这项工作得到了基金委、安徽省及合肥市资助。
文章链接：https://www.sciencedirect.com/science/article/pii/S0196890422006057