1.一种质子交换膜燃料电池性能退化评估及寿命预测方法，其特征在于，包括以下步骤：(1)预先获取质子交换膜燃料电池的监测数据；

(2)采用皮尔逊相关分析法对步骤(1)获取的数据进行处理，分析PEMFC健康指标；

(3)基于最大相关系数法计算步骤(1)监测数据中各变量及输出变量的MIC值，输入变量集是根据MIC值进行降序排列，选取最佳输入变量集，并划分训练集和测试集；

(4)构建TCN‑RVFL模型，利用改进的凌日搜索算法LGTSOA对TCN‑RVFL模型进行优化；

(5)将步骤(3)中获取的训练集输入LGTSOA‑TCN‑RVFL中进行训练，并通过测试集进行预测最终得到健康指标与燃料电池使用时间的退化趋势；得到燃料电池退化评估的预测结果；

(6)根据表征PEMFC健康状况的健康指标确定失效阈值，计算不同失效阈值下的观测剩余使用寿命和预测的剩余使用寿命；

所述步骤(2)通过以下公式实现：

式中，R(X,Y)表示变量X即质子交换膜燃料电池中监测数据和Y即质子交换膜燃料电池老化时间之间的PCC，Cov(X,Y)表示变量X和Y之间的协方差， 和 分别表示变量X和Y的标准差， 和 分别表示变量X和Y的均值；设第一个变量和第二个变量之间的PCC为R12，以此类推，得到一个m×n阶的PCC矩阵RPCC表示如下：根据公式(1)分别对数据集中的监测变量求解相关性系数，输出各燃料电池监测变量与燃料电池老化时间变量的相关性系数VPCC；根据各燃料电池监测变量与燃料电池时间变量的相关性系数结果，选取与时间呈高度正或负相关的监测变量，确定为表征PEMFC健康状况的健康指标；

所述步骤(3)实现过程如下：

采用基于最大信息系数MIC衡量输入变量与输出变量之间的相关性，将X和Y构成的散点数据集D＝{(xi,yi)|i＝1,2,…,n}，其中x为除上述得到的输出变量集外的所有燃料电池监测数据参数，y为上述得到的输出变量集；划分为a列b行的网格，记为G＝(a,b)，则DS在G中的MI值Vmi(D|G)表示为：式中，P(x)和P(y)表示燃料电池输入变量集和燃料电池输出变量集的边缘概率密度，P(x,y)表示燃料电池输入变量集和燃料电池输出变量集的联合概率密度；Vmi(D|G)选取最大值，并进行归一化处理得到MIC值Vmic(D)：

0.6

其中，f(n)＝n 表示划分网格数量的上限，Vmic(D)越大越接近于1，燃料电池输入变量x与输出变量y的相关性越强；根据预先设定的MIC值，选取前k个输入变量作为最佳输入变量集；

步骤(4)所述TCN‑RVFL模型构建过程如下：

将TCN模型残差块中的空间Dropout层所输出的数据作为RVFL模型的输入与RVFL模型的隐藏层相连；为了避免TCN模型的输出与RVFL模型隐藏层输入产生维度不同的问题，利用TCN模型中一维卷积核用来改变输入通道的大小从而与输出相加，使TCN模型的输出与RVFL模型隐藏层的输入维度保持一致；

步骤(4)所述改进的凌日搜索算法LGTSOA是融合了莱维飞行与黄金正弦，具体实现过程如下：LGTSOA实施一共有五个阶段，分别是星系阶段、恒星阶段、凌日阶段、行星阶段和开发阶段；

在凌日阶段，利用Levy飞行对恒星系统中的行星进行充分寻优，提高对恒星系统的全局搜索能力，更新恒星位置公式如下：D＝c6LS,i (14)

3

NS＝c7LS (15)

其中，LS,new,i是更新后的恒星位置，根据燃料电池输入变量的维度定义i个恒星个数，LS,i是未更新时恒星的位置；c6和c7分别为随机数和随机向量，α为随机步长； 为点乘；Levy为符合Levy分布的随机搜索路径下的约束；μ和υ服从标准的正态分布；λ＝1.5；为搜索放大系数；Γ为伽马函数；再计算更新后的恒星亮度并降序排列划分恒星等级；

在开发阶段，通过添加新知识和引入黄金正弦算法遍历正弦函数的所有值，同时在确定行星的位置更新能够很大程度上提高搜索速度使搜索和开发达到良好的平衡，以次来确定最佳行星位置，公式如下：z

K＝c11Lc (20)

Lbest,Z＝Lnew,Z|sin(R1)|+R2sin(R1)|x1PZ‑x2Lnew,Z| (21)其中，ck代表着添加的不同新知识状况，Lbest,Z为最佳行星位置；Lnew,Z为添加新知识得到行星的位置更新，K为新知识的表达方式，c11为随机向量，Lc＝unifrnd(l,h)为质子交换膜燃料电池中输入变量集上下限，R1和R2是随机数，R1决定下一次迭代中行星移动的距离，R1∈[0,2π]；R2决定下一次迭代的位置更新方向，R2∈[0,π]；x1和x2是通过黄金分割得到的系数，缩小搜索空间引领行星趋近最优值即最优行星位置作为模型TCN‑RVFL最佳的超参数，从而减小质子交换膜燃料电池输出变量的预测值与真实值的误差；

所述步骤(6)通过以下和公式实现：

表征PEMFC健康状况的健康指标，根据健康指标的初始数据定义合适的失效阈值，并计算不同失效阈值下的观测的剩余使用寿命Rrul和预测的剩余使用寿命Prul：式中，Tfred为预测开始的时间，TmFT为观测的堆栈电压第一次到达失效阈值的时间，TfFT为预测的堆栈电压第一次到达失效阈值的时间。

2.根据权利要求1所述的一种质子交换膜燃料电池性能退化评估及寿命预测方法，其特征在于，步骤(1)所述的监测数据包括老化时间、单电池和电堆电压、电流、电流密度、氢气入口和出口温度、空气入口和出口温度、冷却水入口和出口温度、氢气入口和出口压力、空气入口和出口压力、氢气入口和出口流速、空气入口和出口流速、冷却水流速、冷却水流速。

3.一种装置设备，其特征在于，包括存储器和处理器，其中：

存储器，用于存储能够在处理器上运行的计算机程序；

处理器，用于在运行所述计算机程序时，执行如权利要求1‑2任一项所述质子交换膜燃料电池性能退化评估及寿命预测方法的步骤。

4.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如权利要求1‑2任一项所述质子交换膜燃料电池性能退化评估及寿命预测方法的步骤。