The stack degradation of a fuel cell system is a critical factor in ensuring the stack performance and reliability of a fuel cell vehicle (FCV). In particular, the stack degradation depends strongly on the proton-conductive ability in the membrane during vehicle operating. This study presents an effective degradation FCV model along with a degradation predictive model for various driving cycles. The stack degradation is indicative of the water content term, which is strongly dependent on the membrane conductivity term. The stack degradation model was designed using design of experiment (DoE), and the designed fuel-cell model is validated using the experimental data. The proposed fuel cell model is also integrated into a dynamic vehicle model. The FCV model is simulated to investigate its transient behaviors during various driving cycles. The transient responses of the vehicle speed, demanded fuel cell power, and water content are properly captured. To evaluate the degradation rate of the FCV under various driving cycles, the scenarios of time and distance are applied, and the tradeoffs are investigated based on the degradation of the FCV model over a range of durations and current densities. For a low running distance, an urban dynamometer driving schedule is more effective than the other cycles. Further, with an increase in the running distance, the aggressive driving (US06) cycle requires more energy compared to the other cycles. Our results confirmed that the designed FCV model can be used to predict the degradation of a fuel cell stack under various driving cycles without a real test bench.

燃料电池系统的电池组退化是确保燃料电池车辆（FCV）的电池组性能和可靠性的关键因素。特别地，电池堆的退化在很大程度上取决于车辆运行期间膜中的质子传导能力。这项研究提出了一种有效的FCV退化模型以及针对各种行驶周期的退化预测模型。烟囱降解指示水含量项，其严重依赖于膜电导率项。使用实验设计（DoE）设计了堆退化模型，并使用实验数据对设计的燃料电池模型进行了验证。拟议的燃料电池模型也已集成到动态车辆模型中。对FCV模型进行了仿真，以研究其在各种行驶周期中的瞬态行为。可以正确捕获车速，所需燃料电池功率和水含量的瞬态响应。为了评估各种行驶周期下FCV的退化率，应用了时间和距离的场景，并基于FCV模型在持续时间和电流密度范围内的退化研究了折衷方案。对于低行驶距离，城市测功机的行驶时间表比其他周期更有效。此外，随着行驶距离的增加，与其他循环相比，主动驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。和水含量被正确捕获。为了评估不同行驶周期下FCV的退化率，应用了时间和距离的场景，并基于FCV模型在持续时间和电流密度范围内的退化研究了折衷方案。对于低行驶距离，城市测功机的行驶时间表比其他周期更有效。此外，随着行驶距离的增加，与其他循环相比，主动驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。和水含量被正确捕获。为了评估不同行驶周期下FCV的退化率，应用了时间和距离的场景，并基于FCV模型在持续时间和电流密度范围内的退化研究了折衷方案。对于低行驶距离，城市测功机的行驶时间表比其他周期更有效。此外，随着行驶距离的增加，与其他循环相比，主动驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。并根据FCV模型在一定持续时间和电流密度范围内的退化进行了权衡。对于低行驶距离，城市测功机的行驶时间表比其他周期更有效。此外，随着行驶距离的增加，与其他循环相比，主动驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。并根据FCV模型在一定持续时间和电流密度范围内的退化进行了权衡。对于低行驶距离，城市测功机的行驶时间表比其他周期更有效。此外，随着行驶距离的增加，与其他循环相比，主动驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。与其他循环相比，激进驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。与其他循环相比，激进驾驶（US06）循环需要更多的能量。我们的结果证实，设计的FCV模型可用于预测各种行驶周期下的燃料电池堆的退化，而无需实际的试验台。