1.本技術(shù)涉及燃料電池領(lǐng)域，更具體的說，是涉及一種燃料電池系統(tǒng)水淹故障診斷方法和裝置。 背景技術(shù)： 2.氫氧燃料電池汽車用以質(zhì)子交換膜燃料電池(pemfc，proton exchange membrane fuel cell)系統(tǒng)為核心，使用高純度氫氣與空氣中的氧氣發(fā)生電化學反應(yīng)，產(chǎn)生電能驅(qū)動車輛運行。氫氧燃料電池是零排放或近似零排放的車載動力解決方案，具有運行平穩(wěn)噪音低、經(jīng)濟性高、加注燃料快。環(huán)境適應(yīng)性強等優(yōu)點。隨著環(huán)境污染與全球氣候變暖問題的日益嚴重，其作為一種汽車動力系統(tǒng)解決方案而日益受到關(guān)注。 3.對于車載應(yīng)用，質(zhì)子交換膜燃料電池系統(tǒng)的性能、耐用性和可靠性是最具挑戰(zhàn)性的問題，其在很大程度上取決于燃料電池系統(tǒng)的水熱管理。隨著車載燃料電池系統(tǒng)的功率密度日益提升，燃料電池堆需要在更高的電流密度下運行，并產(chǎn)生更多的液態(tài)水。液態(tài)水容易阻塞氣體擴散層和氣體流道，導致反氣體不足，降低系統(tǒng)性并損害電堆耐久性。因此對燃料電池系統(tǒng)的水淹故障進行有效診斷十分重要。可靠的診斷手段可以及時對控制系統(tǒng)進行預警，使得控制系統(tǒng)做出必要的控制措施，避免燃料電池的水淹故障繼續(xù)加深。 4.現(xiàn)有技術(shù)中，采用神經(jīng)網(wǎng)絡(luò)診斷模型對于燃料電池進行水淹故障檢測，如常用方法有pca(principal components analysis，主成分分析)降維方法、svm(support vector machine，支持向量機)分類器、lstm(long short-term memory，長短期記憶網(wǎng)絡(luò))分類器等。這類方法具有一定的診斷精度，但是需求數(shù)據(jù)量較大、且在車載條件下，對運算資源的消耗較大。 技術(shù)實現(xiàn)要素： 5.有鑒于此，本技術(shù)提供了一種燃料電池系統(tǒng)水淹故障診斷方法，如下： 6.一種燃料電池系統(tǒng)水淹故障診斷方法，包括： 7.獲取當前時刻燃料電池系統(tǒng)中至少兩個特征參數(shù)的實時值，所述至少兩個特征參數(shù)之間獨立； 8.基于預設(shè)的特征參數(shù)隨機分布概率，分析得到至少兩個特征參數(shù)的實時值對應(yīng)的發(fā)生水淹概率和未發(fā)生水淹概率； 9.基于至少兩個特征參數(shù)的實時值對應(yīng)的發(fā)生水淹故障概率和未發(fā)生水淹故障概率，分析得到所述燃料電池系統(tǒng)發(fā)生水淹概率和所述燃料電池系統(tǒng)未發(fā)生水淹概率； 10.基于所述燃料電池系統(tǒng)發(fā)生水淹概率大于所述燃料電池系統(tǒng)未發(fā)生水淹概率，判定所述燃料電池系統(tǒng)發(fā)生水淹故障； 11.基于所