1.一种基于改进Adam算法优化ResNet34的质子交换膜燃料电池故障诊断方法，其特征在于，包括如下步骤：S100，获取质子交换膜燃料电池系统运行时的多个变量，通过筛选归一化后得到燃料电池不同状态下的多组特征信号图像做样本集，并将其分为训练集和测试集；

S200，对采集到的特征信号图像进行预处理；

S300，搭建ResNet34网络模型，ResNet34网络模型由5层结构加上最后的全局平均池化层，全链接层和softmax组成；

S400，优化器使用改进Adam算法，利用麻雀搜索算法对其初始权值进行重构，再使用Adam优化算法对ResNet34进行优化；

S500，将处理完的特征信号图像输入到优化后的ResNet34网络模型来对特征图进行训练与分类，获得故障类别，进而实现质子交换膜燃料电池系统的故障诊断。

2.根据权利要求1所述的基于改进Adam算法优化ResNet34的质子交换膜燃料电池故障诊断方法，其特征在于，所述步骤S200中对采集到的特征信号图像进行预处理，包括步骤：S201，在训练集中对原始图像进行随机裁剪，并将裁剪后的图像缩放为224x224像素大小；

S202，在训练集中以0.5的概率对图像进行水平翻转；

S203，在训练集中对图像进行归一化处理，使其像素值符合正态分布；

S204，在测试集中将图像缩放为256x256像素大小；

S205，在测试集中对图像进行中心裁剪，使其大小为224x224像素；

S206，在测试集中对图像进行归一化处理，使其像素值符合正态分布。

3.根据权利要求1所述的基于改进Adam算法优化ResNet34的质子交换膜燃料电池故障诊断方法，其特征在于，所述步骤S300中对ResNet34网络模型的搭建，包括步骤：S301，ResNet34网络模型5层结构中的第一层由输入层、卷积层和最大值池化层组成；

卷积层使用7x7的卷积核，步长为2，输出通道数为64，使用3x3的零填充以保持尺寸；最大值池化层使用3x3的池化核，步长为2；

S302，ResNet34网络模型5层结构中的第二层包含3个残差模块组成，每个残差模块包括两个3x3的卷积层，输出通道数为64；

S303，ResNet34网络模型5层结构中的第三层包含4个子层，第一个子层为降采样残差模块，包括一个3x3的卷积层，其步长为2，输出通道数为128；后面连接着一个3x3的卷积层，其步长为1，输出通道数为128；其他3个子层为残差模块，每个残差模块包括两个3x3的卷积层，步长为1，输出通道数均为128；

S304，ResNet34网络模型5层结构中的第四层包含6个子层，第一个子层为降采样残差模块，包括一个3x3的卷积层，其步长为2，输出通道数为256；后面连接着一个3x3的卷积层，其步长为1，输出通道数为256；其他5个子层为残差模块，每个残差模块包括两个3x3的卷积层，步长为1，输出通道数均为256；

S305，ResNet34网络模型5层结构中的第五层包含3个子层，第一个子层为降采样残差模块，包括一个3x3的卷积层，其步长为2，输出通道数为512，后面连接着一个3x3的卷积层，其步长为1，输出通道数为512；其他2个子层为残差模块，每个残差模块包括两个3x3的卷积层，步长为1，输出通道数均为512；

S306，ResNet34的最后一个残差块连接的是一个全局平均池化层，将特征图的每个通道的所有值求平均，得到一个特征向量；

S307，将特征向量送入一个全连接层，利用softmax做分类或回归任务。

4.根据权利要求1所述的基于改进Adam算法优化ResNet34的质子交换膜燃料电池故障诊断方法，其特征在于，所述步骤S400中使用麻雀搜索算法对Adam算法初始权值进行重构，包括以下步骤：

1)初始化一群麻雀，包括发现者，追随者和警戒者；每只麻雀的位置代表一个网络权值，麻雀群体可表示为：其中，d表示待优化问题变量的维数，n表示麻雀种群的数量；

2)对于每只麻雀，计算其适应度，也称为目标函数值，即使用该权值训练ResNet34网络并计算其在训练集上的准确率或损失值；

3)更新发现者，追随者和警戒者的位置；发现者位置更新表述为：

其中，Xi,j表述麻雀个体的位置，i为当前迭代次数itermax为最大迭代次数，α为[0，1]内一个随机数，R2(R2∈[0，1])和ST(ST∈[0.5，1])分别表述预警值和安全值，Q为服从正态分布的随机数L为一个1×d的矩阵，其中每个元素都为1；

当R2≥ST时，表明部分麻雀已发现危险，此时发现者值收敛应向安全位置移动，即发现者按正态分布随机移动到当前位置附近；当R2

种群中除去发现者，剩余麻雀均为追随者；追随者的位置更新描述如下：其中，Xp是目前发现者所占据的最优位置，Xworst为当前全局最差位置，n为种群规模，A+为一个1×d的矩阵，每个元素随机赋值为1或‑1，A的定义如下：+ T T ‑1

A＝A(AA)

当 时表明适应度值较低的第i个追随者状态较差，需要飞往其它地方觅食；

在麻雀种群中，带有警戒机制的麻雀数量占总数的10％到20％，位置是随机产生的，位置更新公式如下：其中，Xbest为当前全局最优位置，β为步长控制参数，其值为服从均值为0，方差为1的正态分布的随机数，K为[‑1，1]内一随机数，f为适应度值，fg和fw分别为当前最优和最差适应度值，ε为避免分母为0的常数；

当fi>fg表示此时的麻雀正处于种群的边缘，极其容易受到捕食者的攻击；Xbest表示这个位置的麻雀是种群中最好的位置也是十分安全的；fi＝fg时，这表明处于种群中间的麻雀意识到了危险，需要靠近其它的麻雀以此尽量减少它们被捕食的风险；K表示麻雀移动的方向同时也是步长控制参数；

4)再次计算适应度，根据适应度对麻雀进行排序，选择适应度较好的一部分麻雀进行繁殖；在繁殖过程中，对每个麻雀的权值进行随机扰动，并生成新的麻雀群体；

5)使用新的麻雀群体重复步骤2)、3)和4)，直到达到设定的迭代次数或满足停止准则；

6)从最终鸟群体中选择适应度最高的一只鸟，将其位置作为优化后的较优权值。

5.根据权利要求4所述的基于改进Adam算法优化ResNet34的质子交换膜燃料电池故障诊断方法，其特征在于，所述步骤400中，使用Adam优化算法对ResNet34进行优化包括步骤：

1)初始化一阶矩m0，二阶矩v0和步数t均为0，一阶矩衰减系数β1＝0.9，二阶矩衰减系数‑8β2＝0.999，学习率α＝0.001，∈＝10 ，θ为输入参数，即麻雀搜索算法化后的较优权值；

2)通过以下计算，找到最优权值θ：

mt＝β1·mt‑1+(1‑β1)·gt

其中，gt为目标函数的梯度，mt为一阶矩，vt为二阶矩， 与 分别为mt与vt的偏置矫正项，θt为最优权值；

3)更新卷积层和全连接层之间的权重，从而提高网络的性能。