Ushbu tadqiqot avtomobil turidagi proton almashinish membranali yoqilgʻi elementlarida (proton exchange membrane fuel cell, PEMFC) membrananing qurishi, suv bosishi va kislorod yetishmovchiligi nosozliklarini faqat alohida hujayra kuchlanishlaridan foydalanib erta aniqlashni oʻrganadi. Tadqiqotchilar oʻn hujayrali eksperimental yoqilgʻi elementlari toʻplamidan olingan 46.896 ta namunadan foydalangan; eng erta va eng yaqqol buzilishni koʻrsatadigan hujayrani tanlovchi xususiyatlarni aniqlash usulini DenseNet asosidagi, fizik bilimga tayangan konsensus klasterlash bilan birlashtiruvchi DPICC modelini ishlab chiqqan. Alohida hujayra xususiyatlari bilan erishilgan test aniqligi %98,15 boʻlgan boʻlsa, toʻplamning oʻrtacha kuchlanishi bilan aniqlik %86,42 ni tashkil etgan. Suv bosishi sharoitida alohida hujayra signali toʻplam oʻrtachasiga nisbatan nosozlik belgisini 35 soniyagacha ertaroq bergan. Biroq tadqiqot faqat oʻn hujayrali laboratoriya stendida sun’iy ravishda hosil qilingan nazoratli nosozliklarga asoslangan va hakamlik baholashidan oʻtmagan preprintdir.

DPICC zich bogʻlangan xususiyat kodlovchisini K-means, Mini-batch K-means va Chuqur joylashtirilgan klasterlash (Deep Embedded Clustering, DEC) natijalaridan tuzilgan konsensus matritsasi bilan birlashtiradi. Modelda oz sonli belgilangan namunalar sinfga oid yoʻnaltirishni ta’minlagan, namunalarning taxminan %90’i esa belgisiz deb qabul qilingan. Klaster markazlarini fizik bilim asosida boshlash, fizik jihatdan mumkin boʻlmagan sinflarga berilgan ehtimolni jazolash va test natijalarini fizik jihatdan qoʻllanish mumkin boʻlgan sohalar bilan tuzatish modelning uch bosqichli fizik bilimli mexanizmini tashkil etadi.

Bosqichma-bosqich ablyatsiya tajribalarida klassik klasterlash tuzilmasining aniqligi %56,17 boʻlgan boʻlsa, toʻliq DPICC konfiguratsiyasi %98,05 aniqlikka erishgan. Mustaqil usullar taqqosida DPICC %98,15; tayanch vektor mashinasi %92,12; Propagate %90,21; Aggressive %89,77; steklangan shovqinni bartaraf etuvchi avtoenkoder %87,34 va DenseNet-DEC taxminan %79,13 aniqlik koʻrsatgan. Bu natijalar fizik bilim bilan cheklangan reprezentatsiyani oʻrganish nazoratli tajriba ma’lumotlaridagi sinflar aralashuvini kamaytirishi mumkinligini koʻrsatadi; biroq real avtomobil parklarida, turli toʻplam oʻlchamlarida va sensor tizimlarida ayni samaradorlik hali namoyish etilmagan.

Turkiya kontekstiga oid baholash: Yondashuv vodorod yoqilgʻi elementli avtomobillar, avtobuslar, maxsus maqsadli transport vositalari va statsionar quvvat tizimlari uchun hujayra darajasidagi erta ogohlantirish dasturlarini ishlab chiqishga uslubiy hissa qoʻshishi mumkin. Bu baholash tadqiqotning bevosita Turkiyaga oid topilmasi emas. Model Turkiyada qoʻllaniladigan yoqilgʻi elementlari toʻplamlari, haydash sikllari, harorat va namlik sharoitlari, ma’lumot yigʻish apparatlari hamda texnik xizmat amaliyotlarida mustaqil ravishda qayta oʻqitilishi va tasdiqlanishi kerak.

Tadqiqotning asosiy muammosi nima?

PEM yoqilgʻi elementlari toʻplami elektr jihatdan ketma-ket ulangan koʻplab alohida hujayralardan tashkil topadi. Toʻplamning chiqish kuchlanishi barcha hujayralarning umumiy yoki oʻrtacha xatti-harakatini ifodalaydi. Bunga qarshi, nosozlik dastlab gaz taqsimoti sust, harorati boshqacha yoki suv boshqaruvi buzilgan bir yoki bir nechta hujayrada paydo boʻlishi mumkin. Sogʻlom hujayralar kuchlanishi ushbu mahalliy pasayishni oʻrtacha qiymat ichida suyultirganda, toʻplam kuchlanishiga asoslangan diagnostika tizimi nosozlikni kech aniqlashi mumkin.

Tadqiqotning asosiy savoli quyidagicha: Toʻplam oʻrtachasida hali yaqqol koʻrinmagan mahalliy nosozlikni eng sezgir alohida hujayraning kuchlanish rivojlanishini kuzatib, ertaroq va aniqroq tasniflash mumkinmi? Ikkinchi savol esa juda kam belgilangan namuna mavjud boʻlganda, yoqilgʻi elementining fizik xatti-harakatiga oid bilimlarni chuqur klasterlash jarayoniga qoʻshish orqali model barqarorligini oshirish mumkin yoki mumkin emasligidir.

Adabiyotda nishonga olingan boʻshliq

Tadqiqotda uchta asosiy boʻshliq aniqlangan:

• Toʻplam kuchlanishiga asoslangan usullar hujayralararo farqlar va mahalliy nosozlik boshlanishlarini yetarlicha ifodalamaydi,
• An’anaviy klasterlash usullari koʻpincha faqat sonli namunalar oʻxshashligiga tayanadi va fizik jihatdan mumkin boʻlmagan sinf tayinlashlarini toʻsib qoʻymaydi,
• Real avtomobil sharoitlarida belgilangan nosozlik namunalarini yaratish qimmat, qiyin va ayrim nosozliklar uchun qaytarib boʻlmaydigan xavflarni keltirib chiqaradi.

Tadqiqotchilar bu boʻshliqlarni alohida hujayra kuchlanishlaridan kalit hujayrani tanlaydigan oldindan ishlov berish mexanizmi va fizik bilimli yarim nazoratli chuqur klasterlash modelini birgalikda qoʻllash orqali hal qilmoqda.

DPICC ish oqimi qanday ishlaydi?

1-rasm usulni uchta asosiy qatlamda koʻrsatadi. Birinchi qatlamda tajriba stendidan olingan alohida hujayra kuchlanishlari qayta ishlanadi va eng yaqqol buzilishni koʻrsatgan hujayra aniqlanadi. Ikkinchi qatlamda DenseNet’dan ilhomlangan kodlovchi ushbu kuchlanish xususiyatlarini past oʻlchamli embedding fazosiga oʻtkazadi. K-means, Mini-batch K-means va DEC hosil qilgan boʻlinmalar konsensus matritsasida birlashtiriladi. Uchinchi qatlamda esa klaster markazini boshlash, oʻqitish paytidagi izchillik cheklovi va test paytidagi qoʻllanish mumkinligini tekshirish fizik bilim bilan yoʻnaltiriladi.

2-rasmda kalit hujayrani aniqlash oqimi kuchlanish chegaralari, reyting barqarorligi, vaqt boʻyicha uzluksizlik va koʻp darajali qaytish mexanizmi orqali koʻrsatilgan. Maqsad bitta tasodifiy kuchlanish sakrashini nosozlik boshlanishi deb belgilash oʻrniga, buzilishning muayyan hujayrada yetarlicha uzoq va izchil davom etishini ta’minlashdir.

Alohida hujayra kuchlanish farqi qanday hisoblanadi?

a raqamli hujayraning t vaqtidagi kuchlanishi v_a(t), hujayralarning oʻrtacha kuchlanishi esa v̄(t) deb ta’riflangan. Hujayraning oʻrtacha qiymatdan mutlaq ogʻishi quyidagi munosabat bilan hisoblanadi:

\[ \Delta v_a(t)=|\bar{v}(t)-v_a(t)|,\qquad \Delta v_a(t)\geq\delta_{\mathrm{thr}} \]

Δv_a(t) volt birligidagi hujayralararo mahalliy kuchlanish farqini, δ_thr esa qaror chegarasini bildiradi. Hujayra oʻrtacha qiymatdan yetarlicha uzoqlashganda ehtimoliy anomal hujayra sifatida belgilanadi.

Kuchlanish farqining toʻplam ichidagi tabiiy taqsimotga nisbatan qanchalik noodatiy ekanini oʻlchash uchun standartlashtirilgan koʻrsatkich ishlatilgan:

\[ r_a(t)=\frac{|\bar{v}(t)-v_a(t)|}{\sigma_v(t)},\qquad r_a(t)\geq r_{\mathrm{thr}} \]

σ_v(t) ayni paytdagi alohida hujayra kuchlanishlarining standart ogʻishidir. r_a(t) qiymati 2 boʻlganda hujayra kuchlanishi joriy taqsimotdan taxminan ikki standart ogʻishga tashqarida deb qabul qilinadi.

Tadqiqotda oʻrtacha hujayra kuchlanishi quyidagicha berilgan:

\[ \bar{v}(t)=\frac{V(t)}{a} \]

V(t) toʻplam kuchlanishidir. Biroq matnda a oldin hujayra tartib raqami uchun ham ishlatiladi. Oʻrtacha hisobning maxrajida hujayralarning jami soni boʻlishi kutilgan holda bir xil belgining ishlatilishi notatsion noaniqlik tugʻdiradi; tadqiqotda bu jimlik bilan tuzatilmagan.

Tasodifiy kuchlanish sakrashlari qanday chiqarib tashlanadi?

Hujayra soʻnggi ω namuna ichida eng yomon kuchlanish reytinglari qatorida kamida γ_thr marta uchrashi talab qilinadi:

\[ \sum_{t=t_{\mathrm{key}}^{(a)}-\omega+1}^{t_{\mathrm{key}}^{(a)}}I(\mathrm{rank}(t)\in\mathrm{worst})\geq\gamma_{\mathrm{thr}} \]

I shart rost boʻlsa 1, aks holda 0 qiymatini oluvchi indikator funksiyadir. t_key^(a) hujayradagi buzilishning boshlanish vaqtini, worst esa eng yomon hujayra reytinglari oraligʻini bildiradi.

Bu shartning faqat bitta oynada bajarilishi yetarli deb topilmagan; u ketma-ket k_thr namuna davomida saqlanishi talab qilingan:

\[ \forall t\in\{t_{\mathrm{key}}^{(a)},\ldots,t_{\mathrm{key}}^{(a)}+k_{\mathrm{thr}}-1\},\quad \sum_{t'=t}^{t+k_{\mathrm{thr}}-1}I(\mathrm{rank}(t')\in\mathrm{worst})\geq\gamma_{\mathrm{thr}} \]

Namuna olish chastotasi 4 Hz va uzluksizlik chegarasi 6 namuna boʻlgani sababli baholash taxminan 1,5 soniyalik uzluksiz xatti-harakatni qamrab oladi. Shu tariqa qisqa muddatli yuk oʻzgarishlari yoki sensor sakrashlarining soxta nosozlikni ishga tushirishi kamaytirilishga harakat qilingan.

Chegara qiymatlaridagi nomuvofiqlik

Tadqiqotda chegaralar bir joyda δ_thr=0,03, r_thr=2, γ_thr=5 va k_thr=6 deb berilgan. Darhol keyingi izohda esa kuchlanishni oʻlchash aniqligi 0,001 V ekani va δ_thr qiymati 0,003 qilib tanlangani yozilgan. 0,03 V bilan 0,003 V oʻrtasida oʻn baravar farq borligi sababli haqiqiy amaliy chegara matn asosida qat’iy aniqlanmaydi.

Koʻp darajali qaytish mexanizmi

Qat’iy chegaralar kuchsiz buzilishlarni ushlay olmaganda model cheklovlarni bosqichma-bosqich yumshatadi. Eng kuchsiz buzilish darajasida median mutlaq ogʻish va standart ogʻish birgalikda ishlatiladi:

\[ MAD_a=1.4826\cdot\mathrm{median}(|x_a-\mathrm{median}(x_a)|) \]

x_a muayyan vaqt oynasidagi hujayra kuchlanishlari qatoridir. Median mutlaq ogʻish yakka sakrashlardan standart ogʻishga qaraganda kamroq ta’sirlanadi.

\[ Std_a=\sqrt{\mathrm{mean}[(x_a-\mathrm{mean}(x_a))^2]} \]

Standart ogʻish kuchlanish taqsimotining oʻrtacha qiymat atrofidagi yoyilishini beradi va keskin chet qiymatlardan koʻproq ta’sirlanadi.

\[ R_a=\frac{MAD_a}{Std_a} \]

Tadqiqotchilar yuqori R_a qiymatini hujayra xatti-harakati tasodifiy sakrashlardan koʻra barqarorroq buzilish tendensiyasini koʻrsatishi sifatida talqin qilgan va eng yuqori qiymatga ega hujayrani nomzod kalit hujayra sifatida tanlagan.

Konsensus klasterlash nima qiladi?

Bitta klasterlash algoritmi turli boshlangʻich qiymatlarda yoki ma’lumot buzilishlarida turlicha natijalar berishi mumkin. Shu sababli DPICC uch xil usul boʻlinmalarini birlashtiradi. Namuna jufti bir xil klasterda boʻlsa ko-klasterlash indikatori 1, turli klasterlarda boʻlsa 0 deb olinadi:

\[ C_{ij}^{(m)}= \begin{cases} 1,& i\ \mathrm{ve}\ j\ m.\ \mathrm{bölümde\ aynı\ kümedeyse}\\ 0,& \mathrm{aksi\ durumda} \end{cases} \]

Bir nechta boʻlinmaning oʻrtachasi konsensus matritsasini hosil qiladi:

\[ C_{ij}=\frac{1}{M}\sum_{m=1}^{M}C_{ij}^{(m)},\qquad C_{ij}\in[0,1],\quad C_{ii}=1 \]

C_ij 1 ga yaqinlashgan sari ikki namunaning turli algoritm va iteratsiyalarda muntazam ravishda bir xil klasterga tayinlanayotgani anglashiladi. K-means global masofa tuzilmasini, Mini-batch K-means hisoblash xarajati pastroq tasodifiy yangilanishlarni, DEC esa chuqur embedding fazosidagi chiziqli boʻlmagan sinf tuzilmasini ifodalaydi.

Yarim nazoratli tasniflash yoʻqotishi

Belgilangan namunalar kross-entropiya bilan, belgisiz namunalar esa faqat model ishonchi muayyan chegaradan oshgandagina soxta yorliqlar bilan oʻqitishga qoʻshiladi:

\[ L_{\mathrm{scl}}= -\sum_{i\in L}\sum_{c=1}^{k}I(y_i=c)\log p_i(c) -\alpha_W\sum_{i\in W}I(\max_c p_i(c)\geq\tau)\log p_i(\hat{s}_i) \]

\[ \hat{s}_i=\arg\max_c p_i(c) \]

L belgilangan, W belgisiz namunalar toʻplamini; p_i(c) namunaning c sinfiga tegishli boʻlish bashorat ehtimolini; τ ishonch chegarasini va α_W soxta yorliq yoʻqotishining vaznini bildiradi. Bu tuzilma ishonchi past soxta yorliqlarning oʻqitishni buzishini cheklashni maqsad qiladi.

DEC oʻz-oʻzini oʻqitish tuzilmasi

DEC namuna bilan klaster markazi orasidagi masofaga koʻra Student-t taqsimotiga asoslangan yumshoq a’zolikni hosil qiladi:

\[ q_{ij}= \frac{(1+\|r_i-\mu_j\|^2/\alpha)^{-(\alpha+1)/2}} {\sum_k(1+\|r_i-\mu_k\|^2/\alpha)^{-(\alpha+1)/2}} \]

μ_j klaster markazini, α esa erkinlik darajasi giperparametrini bildiradi. Oldingi izohlarda embedding vektori z_i deb atalgan boʻlsa, bu formulada r_i ishlatilishi yana bir notatsion nomuvofiqlikdir.

Har bir klasterning jami yumshoq a’zoligi va maqsad taqsimoti quyidagicha berilgan:

\[ f_j=\sum_i q_{ij} \]

\[ p_{ij}=\frac{q_{ij}^2/f_j}{\sum_k(q_{ij}^2/f_k)} \]

Chop etilgan formulada maxrajdagi klaster indekslari aniq va izchil ajratilmagan. DECning maqsadi ishonchi yuqori namunalarning vaznini oshirish va klasterlar oʻrtasidagi nomutanosiblikni kamaytirishdir.

Maqsad taqsimoti bilan joriy yumshoq a’zolik oʻrtasidagi farq Kullback–Leibler divergentsiyasi orqali kichraytiriladi:

\[ L_{\mathrm{cluster}}=KL(P\parallel Q)=\sum_i\sum_j p_{ij}\log\frac{p_{ij}}{q_{ij}} \]

Fizik xususiyatlar vektori va izchillik yoʻqotishi

Har bir vaqt oynasi uchun toʻrt komponentli fizik koʻrsatkichlar vektori tuziladi:

\[ \xi_i=[ \mathrm{mean}(\Delta v_a(t)), \mathrm{mean}(r_a(t)), Std(v_a(t)), \max|v_a(t)-v_a(t-1)| ] \]

• Oʻrtacha kuchlanish farqi: Kalit hujayraning toʻplam oʻrtachasidan umumiy uzoqligi,
• Oʻrtacha standartlashtirilgan farq: Ogʻishning joriy hujayra taqsimotiga nisbatan noodatiylik darajasi,
• Kuchlanish standart ogʻishi: Oyna ichidagi tebranish kuchi,
• Eng katta ketma-ket oʻzgarish: Qisqa muddatli kuchlanish sakrashining amplitudasi.

Har bir sinf uchun oʻqitish ma’lumotlaridagi fizik xususiyatlar oraliqlaridan qoʻllanish mumkin boʻlgan soha hosil qilinadi:

\[ F_i=\{c\mid\xi_i\in\Omega^c\} \]

\[ L_{\mathrm{phys}}=\frac{1}{|b|}\sum_{i\in b}\sum_{c\notin F_i}p_i(c) \]

F_i namuna fizik jihatdan mos kelishi mumkin boʻlgan sinflarni; Ω^c sinfga tegishli fizik sohani va b joriy oʻqitish guruhini bildiradi. Model fizik jihatdan qoʻllanishi mumkin boʻlmagan sinfga yuqori ehtimol berganda yoʻqotish ortadi.

Klaster kollapsining oldini oluvchi xilma-xillik yoʻqotishi

Klaster markazlarining bir-biriga yaqinlashib bitta hududda toʻplanishini oldini olish uchun itaruvchi regulyarizatsiya ishlatilgan:

\[ L_{\mathrm{div}}= \frac{2}{k(k-1)} \sum_{i=1}^{k}\sum_{j=i+1}^{k} \exp(-2\|\mu_i-\mu_j\|_2) \]

Markazlar bir-biriga yaqinlashganda eksponensial had kattalashadi va model jazolanadi. Maqsad toʻrtta ish holatining embedding fazosida bir-biridan ajralishini saqlashdir.

Umumiy oʻqitish yoʻqotishi

Toʻrtta yoʻqotish hadi vaznli ravishda birlashtiriladi:

\[ L=\lambda_1L_{\mathrm{scl}}+\lambda_2L_{\mathrm{cluster}}+ \lambda_3L_{\mathrm{phys}}+\lambda_4L_{\mathrm{div}} \]

\[ \hat{\theta}_{en},\hat{\theta}_{cls},\hat{\mu}_i= \arg\min_{\theta_{en},\theta_{cls},\mu_i} L(\theta_{en},\theta_{cls},\mu_i) \]

θ_en kodlovchi, θ_cls tasniflash boshligʻi va μ_i klaster markazi parametrlaridir. λ₁–λ₄ har bir yoʻqotish komponentining ta’sirini belgilaydi.

Uch bosqichli fizik bilimli mexanizm

1. Klaster markazlarini fizik bilim asosida boshlash

Klaster markazi oz sonli belgilangan namunalardan keladigan sinf markazi, barcha ma’lumotlar boʻyicha K-means markazi va fizik jihatdan qoʻllanish mumkin boʻlgan namunalardan tanlangan markazdan foydalanib hosil qilinadi:

\[ \mu_i=\lambda_l\mu_{\mathrm{lab}}+ \lambda_k\mu_{\mathrm{kmeans}}+ \lambda_p\mu_{\mathrm{phy}} \]

Bu jarayon tasodifiy boshlangʻichlarning modelni fizik jihatdan ma’nosiz mahalliy yechimga olib borish xavfini kamaytirishni maqsad qiladi.

2. Oʻqitish vaqtida fizik izchillik

Fizik xususiyatlar vektoriga mos kelmaydigan sinflarga berilgan ehtimol L_phys yoʻqotishi orqali kamaytiriladi. Shu tarzda kuchlanish ogʻishi, tebranish va sakrash xususiyatlariga mos kelmaydigan nosozlik sinfining faqat sonli oʻxshashlik sababli tanlanishiga toʻsqinlik qilishga harakat qilingan.

3. Test vaqtida fizik qoʻllanish mumkinligini tekshirish

Test-vaqti augmentatsiyasi orqali olingan ovoz berish taqsimoti fizik jihatdan qoʻllanish mumkin boʻlgan sinflar toʻplami bilan birga yakuniy marta tekshiriladi:

\[ s_i= \begin{cases} \tilde{s}_i,& \tilde{s}_i\in F_i\ \mathrm{ve}\ \max_c p_i(c)\geq\theta\\ \arg\max_{c\in F_i}p_i(c),& \mathrm{aksi\ durumda} \end{cases} \]

s̃_i dastlabki bashorat, s_i tuzatilgan natija va θ ishonch chegarasidir. Dastlabki bashorat yetarlicha ishonchli va fizik jihatdan mumkin boʻlsa saqlanadi; aks holda faqat qoʻllanish mumkin boʻlgan sinflar orasidagi eng yuqori ehtimol tanlanadi.

Eksperimental qurilma nimani ifodalaydi?

3-rasmda vodorod kirishi va chiqishi, havo liniyasi, namlantirish tizimi, sovituvchi suyuqlik kirishi va chiqishi, elektron yuklama, monitoring kompyuteri va oʻn hujayrali PEMFC toʻplami koʻrsatilgan. Toʻplam sovitish kanallaridan oʻtuvchi deionizatsiyalangan suv bilan isitilgan yoki sovitilgan; ichki namlik namlantirish baki orqali tartibga solingan.

Har bir hujayraning faol maydoni 347 cm². Membrana qalinligi 12 µm, gaz diffuziya qatlamining qalinligi 190 µm deb berilgan. Ushbu katta faol maydon avtomobil ilovalariga oʻxshash muhandislik miqyosini ta’minlashi aytiladi; biroq toʻplam atigi oʻn hujayradan iborat.

Qaysi nosozliklar hosil qilingan?

• N — Normal holat: Etalon harorat, nisbiy namlik va gaz stoxiometriyasi,
• F1 — Membrananing qurishi: Nisbiy namlikni %0 gacha tushirish va haroratni oshirish,
• F2 — Suv bosishi: Nisbiy namlikni %70 gacha oshirish va toʻplam haroratini pasaytirish,
• F3 — Kislorod yetishmovchiligi: Katod havo stoxiometrik nisbatini kamaytirish.

Tok zichliklari past, oʻrta va yuqori yuklama uchun mos ravishda 0,58 A/cm², 1,15 A/cm² va 1,80 A/cm² qilib sozlangan. Kuchlanishlar 0,001 V aniqlik va 4 Hz namuna olish chastotasi bilan qayd etilgan.

Nega alohida hujayra signali ertaroq ogohlantirgan?

4-rasm toʻplamning oʻrtacha kuchlanishi bilan tanlangan kalit hujayra kuchlanishini toʻqqiz xil yuklama–nosozlik kombinatsiyasida taqqoslaydi. Membrana qurishida zaif hujayradagi namlik yoʻqotilishi va mahalliy qutblanish avval alohida hujayra kuchlanishini pasaytiradi. Suv bosishida suyuq suvning mahalliy kanal yoki gaz diffuziya qatlamini vaqti-vaqti bilan toʻsishi hujayra darajasida “keskin pasayish–tiklanish–yana pasayish” koʻrinishidagi aniq belgilarni hosil qiladi. Boshqa hujayralar normal ishlab chiqarishni davom ettirgani sababli bu belgilar toʻplam oʻrtachasida suyuladi.

Kislorod yetishmovchiligi tezroq va butun toʻplamga ta’sir qiluvchi konsentratsion qutblanishni yuzaga keltirgani uchun alohida hujayra bilan toʻplam oʻrtachasi oʻrtasidagi vaqt farqi atigi 0,5–1 soniya darajasida qolgan. Bu natija alohida hujayra signalining har bir nosozlik uchun bir xil darajada afzallik bermasligini koʻrsatadi.

Nosozlikni aniqlash vaqtlari nimani koʻrsatadi?

5-jadvalda berilgan 35 soniya tadqiqotda son jihatdan qoʻllab-quvvatlangan eng katta erta aniqlash qiymatidir. Biroq past tokdagi membrana qurishi uchun 1830,5−1811,0 amali 19,5 soniyani bersa-da, jadvalda 17,5 soniya yozilgan. Yuqori tokdagi membrana qurishida 1822,5−1810,5 amali 12,0 soniyadir; jadvalda 12,5 soniya berilgan. Xulosa boʻlimidagi “taxminan 37 soniya” ifodasi ham 5-jadval va annotatsiya bilan mos kelmaydi.

Alohida hujayra va toʻplam kuchlanishi bilan diagnostika aniqligi

5-rasmda bir xil DPICC modeli ikki xil kirish bilan taqqoslangan. Alohida hujayra xususiyatlari bilan umumiy aniqlik %98,15, toʻplamning oʻrtacha kuchlanishi bilan esa %86,42. Farq 11,73 foiz punktini tashkil etadi.

Toʻplam oʻrtachasidagi eng katta yoʻqotish membrana qurishida kuzatilgan. Bu holat mahalliy qurishning dastlabki bosqichda faqat zaif hujayralarda paydo boʻlishi va sogʻlom hujayralarning chiqishi oʻrtacha kuchlanishdagi oʻzgarishni bostirishi bilan bogʻlangan.

Bosqichma-bosqich ablyatsiya tajribasi nimani koʻrsatadi?

M1 dan M7 gacha yettita konfiguratsiya ishlatilgan. Matnda ular “olti variant” deb atalgan boʻlsa-da, M1–M7 oraligʻi yettita modelni qamrab oladi.

M4 bilan M7 oʻrtasidagi farq 16,60 foiz punktidir. Bu qiymat tadqiqotchilar uch bosqichli fizik bilimli mexanizmga nisbat bergan umumiy yutuqdir. Oʻn xil tasodifiy boshlangʻich bilan tuzilgan box-plotlarda M7 ning nafaqat oʻrtacha aniqligi oshgan, balki taqsimoti va chet natijalari ham toraygan.

Boshqa algoritmlar bilan taqqoslash

DPICC SVMdan 6,03 foiz punkti; Propagate’dan 7,94; Aggressive usulidan 8,38 va SDAE’dan 10,81 foiz punkti yuqori aniqlik koʻrsatgan. Xulosa boʻlimida KNNga nisbatan 12,81 punktlik ustunlik ham yozilgan; biroq KNN usuli taqqoslash dizaynida, 7-rasmda yoki tegishli usul izohida mavjud boʻlmagani uchun bu qiymat taqdim etilgan tajribalardan mustaqil ravishda tasdiqlanmaydi.

Tadqiqotning kuchli tomonlari

• Faqat umumiy toʻplam kuchlanishi oʻrniga hujayralararo fazoviy farqlardan foydalanishi,
• Nazoratli tajriba stendida uchta yuklama va uchta nosozlik turining sinovdan oʻtkazilishi,
• Normal holatdan nosozlikka oʻtish vaqt davomida kuzatilishi,
• Ma’lumotlar boʻlinishi namuna oynasi emas, tajriba takrori darajasida amalga oshirilishi va vaqt qoʻshnichiligidan kelib chiqishi mumkin boʻlgan ma’lumot sizib chiqishining kamaytirilishi,
• Kam belgilangan ma’lumot sharoitining ochiq tarzda modellashtirilishi,
• Har bir modul hissasini koʻrsatuvchi bosqichma-bosqich ablyatsiya tajribalarining bajarilishi,
• Model qarorlari kuchlanish ogʻishi, tebranishi va sakrashi kabi fizik koʻrsatkichlar bilan cheklanishi.

Tadqiqotning cheklovlari

• Tadqiqot hakamlik baholashidan oʻtmagan preprintdir.
• Tajriba real avtomobil parkida emas, oʻn hujayrali laboratoriya stendida oʻtkazilgan.
• Nosozliklar harorat, namlik va stoxiometrik nisbatlarni nazoratli ravishda oʻzgartirish orqali hosil qilingan; ular maydondagi nosozliklarning barchasini ifodalamasligi mumkin.
• Turli toʻplam ishlab chiqaruvchilari, hujayra sonlari, qarish darajalari va sensor tizimlarida tashqi validatsiya taqdim etilmagan.
• Model real vaqtli oʻrnatilgan apparatda hisoblash vaqti, xotira ishlatilishi yoki energiya sarfi jihatidan baholanmagan.
• Uzoq muddatli elektrokimyoviy qarish bilan keskin suv va gaz boshqaruvi nosozliklari birga mavjud holatlar oʻrganilmagan.
• Chegara, belgi, vaqt farqi va taqqoslash natijalarida bir qator matn ichidagi nomuvofiqliklar mavjud.
• Fizik qoʻllanish mumkinligi sohalari oʻqitish ma’lumotlarining statistik oraliqlaridan chiqarilgan; ular butunlay mustaqil fundamental fizik tenglamalarga asoslanmagan.
• Taxminan %10 belgilangan ma’lumotga ehtiyoj saqlanib qoladi; usul toʻliq belgisiz emas.

Tadqiqot nimani qoʻllab-quvvatlaydi?

• Koʻrib chiqilgan tajriba sharoitlarida alohida hujayra kuchlanish xususiyatlari toʻplamning oʻrtacha kuchlanishiga qaraganda ertaroq va farqlashga koʻproq yaroqli nosozlik ma’lumotini tashigan.
• Fizik bilimli cheklovlar ayni ma’lumotlar toʻplamidagi chuqur klasterlash aniqligi va natijalar barqarorligini oshirgan.
• Kam belgilangan va koʻp belgisiz namunalarni oʻz ichiga olgan yarim nazoratli tuzilma toʻrtta ish holatini yuqori aniqlik bilan ajrata olgan.
• Suv bosishi nosozligida mahalliy hujayra kuchlanishining erta ogohlantirish afzalligi ayniqsa yaqqol boʻlgan.

Tadqiqot nimani isbotlamaydi?

• DPICC barcha avtomobil yoqilgʻi elementlari toʻplamlarida %98 dan yuqori aniqlik berishini isbotlamaydi.
• Real yoʻl, iqlim, tebranish, qarish va texnik xizmat sharoitlarida ayni erta ogohlantirish vaqtini koʻrsatmaydi.
• Model nosozlikni oldini olishini, yoqilgʻi elementi umrini uzaytirishini yoki avtomobil xavfsizligini bevosita oshirishini koʻrsatmaydi.
• Alohida hujayra kuchlanishi barcha nosozlik turlarida toʻplam kuchlanishidan sezilarli darajada ertaroq ekanini koʻrsatmaydi; kislorod yetishmovchiligida farq juda kichik.
• Fizik cheklovlar haqiqiy elektrokimyoviy mexanizmlarni toʻliq ifodalashini isbotlamaydi.
• Tijoriy miqyosdagi onlayn qoʻllash, xarajat, sensor chidamliligi yoki sanoat sertifikatsiyasi boʻyicha dalil taqdim etmaydi.

Tadqiqot usuli va natijalari

Eksperimental toʻplam va ma’lumot yigʻish

Yuklama va nosozlik sharoitlari

Namuna yaratish va ma’lumotlarni ajratish

Har bir tajriba avval 1800 soniya barqaror normal ishlash bilan boshlangan, soʻng boshqaruv oʻzgaruvchilari oʻzgartirilib bosqichma-bosqich nosozlik holatiga oʻtilgan. Jami 46.896 ta namuna yaratilgan.

Ma’lumotlar %70 oʻqitish va %30 test sifatida ajratilgan. Bir xil tajriba takrori va bir-biriga qoʻshni vaqt oynalari faqat oʻqitish yoki faqat test guruhiga tayinlangan. Bu tanlov vaqt jihatidan juda oʻxshash namunalarni ikki guruhga taqsimlashdan kelib chiqishi mumkin boʻlgan axborot sizib chiqishini kamaytiradi.

Yarim nazoratli oʻqitish tuzilmasi

• Belgilangan–belgisiz namuna nisbati: 1:9,
• Taxminiy belgilangan namuna ulushi: %10,
• Chuqur modellarda optimizator: Adam,
• Oʻrganish tezligi: 0,001,
• Mini-guruh hajmi: 128,
• Bosqichma-bosqich ablyatsiya tajribasida tasodifiy boshlangʻichlar soni: 10.

Yuklama va nosozlik holatiga koʻra tanlangan kalit hujayralar

Kalit hujayraning nosozlik va yuklama sharoitiga qarab oʻzgarishi toʻplam ichidagi gaz, suv, harorat va tok taqsimoti fazoviy jihatdan bir xil emasligini koʻrsatadi. Tadqiqot muayyan bir hujayra barcha sharoitlarda doimo eng zaif hujayra ekanini da’vo qilmaydi.

Asosiy natijalar

• Alohida hujayra kuchlanishi kirishi bilan umumiy test aniqligi %98,15; toʻplamning oʻrtacha kuchlanishi bilan %86,42 boʻlgan.
• Alohida hujayra kirishining aniqlik ustunligi 11,73 foiz punktidir.
• Son jihatdan tasdiqlanishi mumkin boʻlgan eng katta erta aniqlash afzalligi yuqori tokdagi suv bosishi sharoitida 35 soniya.
• Membrana qurishida alohida hujayra belgisi taxminan 12–20 soniya oldin koʻringan; matndagi ayrim farq qiymatlari arifmetik jihatdan nomuvofiq.
• Kislorod yetishmovchiligida erta aniqlash farqi atigi 0,5–1 soniya.
• Fizik bilimli uchta mexanizmning M4 dan M7 gacha umumiy hissasi 16,60 foiz punktidir.
• DPICC bir xil ma’lumot va yorliq byudjeti ostida taqqoslangan oltita usul orasida eng yuqori aniqlikni bergan.
• DPICCning sinf boʻyicha toʻgʻri tashxis koʻrsatkichlari normal, qurish, suv bosishi va kislorod yetishmovchiligi uchun mos ravishda %96,3, %98,7, %99,4 va %98,2.

Manba va usul haqida izoh

Tadqiqotning toʻliq asl nomi: A Physics-Informed Deep Clustering Framework with Single-Cell Voltage Features for Early Fault Identification in Automotive PEM Fuel Cell

Mualliflar: Jiaming Zhang; Changqing Du; Fuwu Yan; Wenchao Zhu; Mingyang Nie; Jing Zhu; Zhe Li; Liangdong Li.

Mualliflar tartibi: Yuqoridagi roʻyxat asl tadqiqotdagi tartibni saqlaydi.

Teng birinchi muallif: Tadqiqotda teng birinchi muallif yoki teng hissa haqidagi ma’lumot mavjud emas.

Mas’ul mualliflar: Fuwu Yan va Wenchao Zhu.

Muassasalar: Hubei Key Laboratory of Advanced Technology for Automotive Components, Wuhan University of Technology; Foshan Xianhu Laboratory; Nanyang Technological University School of Mechanical and Aerospace Engineering.

DOI: 10.2139/ssrn.6935078

Nashr platformasi: SSRN.

Jurnal: Hakamlikdan oʻtgan jurnal nashri tasdiqlanmagan. Tadqiqot SSRNda preprint sifatida taqdim etilgan.

Nashr infratuzilmasi: SSRN Elsevier tarkibidagi preprint serveridir.

Nashr yili: 2026.

Manba turi: Eksperimental stend tadqiqoti, usul ishlab chiqish va yarim nazoratli mashinaviy oʻrganishni oʻz ichiga olgan preprint.

Hakamlik holati: Ushbu tadqiqot hakamlik baholashidan oʻtmagan. Natijalar mustaqil hakamlik va tashqi validatsiya tugallangan ilmiy konsensus sifatida baholanmasligi kerak.

Rasmiy qayd:SSRN 6935078 rasmiy tadqiqot sahifasi

DOI havolasi:10.2139/ssrn.6935078

Versiya ogohlantirishi: Ayni nom va mualliflar roʻyxati bilan 10.2139/ssrn.6333504 DOI’sini tashuvchi alohida SSRN qaydi ham mavjud. Koʻrib chiqilgan tadqiqotda 6935078 raqami koʻrsatilgani uchun ushbu maqolada 10.2139/ssrn.6935078 versiyasi asos qilib olingan. Ikki qayd oʻrtasidagi versiya aloqasi aniq koʻrsatilmagan.

Ushbu Verianla materiali yuklangan ilmiy tadqiqot matni, matematik ifodalar, tajriba jadvallari, ish oqimi sxemalari, kuchlanish grafiklari, bosqichma-bosqich ablyatsiya natijalari va chalkashlik matritsalari oʻrganilib tayyorlangan. Tashqi manbalar faqat DOI, platforma va nashr holati kabi bibliografik maydonlarni tekshirish maqsadida ishlatilgan; tadqiqotning ilmiy topilmalariga tashqaridan yangi natija qoʻshilmagan.

Tadqiqotning asosiy metodologik cheklovlari oʻn hujayrali laboratoriya toʻplami, nazoratli ravishda hosil qilingan uchta nosozlik, bitta tadqiqot tuzilmasiga oid namunalar, taxminan %10 belgilangan ma’lumot talabi va real avtomobil parkida tashqi validatsiyaning yoʻqligidir. Tadqiqot onlayn tijoriy qoʻllash muvaffaqiyati, texnik xizmat xarajatlarining kamayishi, avtomobil xavfsizligining oshishi yoki yoqilgʻi elementi umrining uzayishi boʻyicha bevosita dalil bermaydi.

Matndagi 0,03–0,003 V chegara farqi, ayrim vaqt farqlaridagi arifmetik nomuvofiqlik, 35–37 soniya ziddiyati, M1–M7 ning “olti variant” deb atalishi va taqqoslash boʻlimida mavjud boʻlmagan KNN natijasining xulosa qismida ishlatilishi tadqiqotchilar tomonidan aniqlashtirilishi kerak boʻlgan nuqtalar sifatida saqlab qolingan.