在质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell,PEMFC）的寿命预测与健康管理技术中,寿命预测是一个重要的工具。本文研究了多工况条件下的PEMFC寿命预测算法的预测精度、鲁棒性和普适性,考虑了可逆衰退问题对寿命预测算法的影响,提出了一种混合预测方法,通过监测PEMFC运行中的性能退化过程,准确预测其寿命终止点,具有现实意义和应用前景。首先,本文阐述了PEMFC的寿命预测研究现状,介绍了燃料电池工作原理,分析了性能退化的影响因素。依托于实验室搭建的水冷型燃料电池测试平台,设计了全工况燃料电池耐久性实验,为后续的寿命预测及评估提供理论基础和数据支撑。其次,通过分析PEMFC的退化数据特性及传统预测算法的优缺点,引入离散小波变换和自适应差分进化算法优化极限学习机,提高了算法的准确性。针对三类不同的工况数据,基于MATLAB仿真平台进行了仿真对比分析,提出的优化极限学习机算法时间误差小,预测精度高,鲁棒性强。再次,针对因阶段性性能测试引起的电压可逆衰退问题,搭建了PEMFC的等效电路模型,采用Zview软件预测模型内部的参数变化,拟合了不同时刻测得的电化学阻抗谱,针对三种工况分析了电堆衰退情况和可能的老化原因,通过二次函数拟合电压关于时间的变化趋势,将每次性能测试后的电压下降率即二次拟合函数的导数作为每次可逆衰退的斜率,得到的可逆电压为一个分段线性函数。最后,提出了一种基于模型驱动和数据驱动的混合预测方法,引入实测运行数据和更新后的预估电压作为下周期内燃料电池寿命评估的参考值,并通过修改电压退化速率,调整校正数据驱动预测算法,避免因性能测试引起的可逆电压衰退而导致预测寿命终点结果不准确。提出的混合预测算法在保留数据驱动算法优点的同时,可以更加准确地跟踪数据变化趋势,更好地处理电压可逆衰退的问题,提升了预测精度,验证了算法的普适性和实用性。