摘要：为解决蒸汽冷却型燃料电池系统的故障诊断问题,该文提出基于在线序列超限学习机和主成分分析的蒸汽冷却型燃料电池系统快速故障诊断新方法。新方法采用主成分分析过滤冗余信息,得到能反映蒸汽冷却型燃料电池系统状态的故障特征向量;使用在线序列超限学习机对故障特征向量进行分类,能有效提高模型诊断正确率并降低运算时间。实例分析表明:新方法可快速识别膜干故障、氢气泄漏故障和正常状态共三种健康状态。算法的诊断正确率为99.67%,运算时间为0.296 9s。新方法的诊断正确率比SVM和BPNN分别高出14.34%和9.34%,在线序列超限学习机的运算时间仅为SVM和BPNN的1/1 011和1/132。因此,该文所提方法适用于大数据量样本和多数据维度下的蒸汽冷却型燃料电池系统在线故障诊断。