针对质子交换膜燃料电池(proton exchange membrane fuel cell

PEMFC)的剩余使用寿命预测问题，该文提出一种基于时序卷积神经网络(temporal convolutional network

TCN)和自适应无迹卡尔曼滤波(adaptive unscented Kalman filter

AUKF)联合迭代的融合预测方法。该方法首先利用TCN进行短期预测，并用贝叶斯算法计算融合权重。然后利用离散小波变换将老化数据分解为波动趋势和老化趋势，基于TCN长期迭代预测波动趋势，基于TCN和AUKF联合迭代长期预测老化趋势，并将两种趋势叠加得到长期预测结果。最后利用融合权重将多个单体PEMFC的长期预测结果相融合。基于2种工况下5个单体电池的数据验证，短期预测结果表明TCN具有高预测精度，长期预测结果表明融合过程降低了PEMFC单体间老化程度不均衡的影响，提高电堆整体寿命预测的稳定性。