[发明专利]一种双环交叉操作RNA遗传算法的燃料电池优化建模方法

权利要求书

1. 一种双环交叉操作RNA遗传算法的燃料电池优化建模方法，其特征在于包括如下步骤：

1) 通过现场操作或者实验获得燃料电池的电流输入和电压输出采样数据，对于同一组燃料电池的电流输入采样数据，将燃料电池模型的电压估计输出与燃料电池的电压实际输出数据的误差平方和作为目标函数；

2) 受RNA分子特性和分子操作的启发，提出双环交叉算子，抽象出双环交叉操作RNA遗传算法的燃料电池优化建模方法；

3) 设定双环交叉操作RNA遗传算法的基本参数：初始种群大小N=61、变量个数n=7、单个变量的染色体长度L=20、种群最大进化代数G=1000、置换概率P_rep=1、换位概率P_tr=0.4、双环交叉概率P_cro=0.32、普通变异概率P_mut=0.8、求解精度delta=1×10^-4和终止规则；

4) 运行双环交叉操作RNA遗传算法估计燃料电池模型中的未知参数ξ₁，ξ₂，ξ₃，ξ₄，b，λ，R_c，其中，ξ₁，ξ₂，ξ₃，ξ₄为电化学极化或活化极化电动势系数、b为浓差极化过电势系数、λ为膜的有效水含量参数、R_c为欧姆电压降的燃料电池内电阻；通过最小化目标函数，得到燃料电池模型中未知参数的估计值，将估计值代入燃料电池模型中，形成燃料电池的数学模型。

2. 根据权利要求1所述的双环交叉操作RNA遗传算法的燃料电池优化建模方法，其特征在于所述算法的终止规则为：双环交叉操作RNA遗传算法所寻得的最优值小于可接受误差或者双环交叉操作RNA遗传算法的运行代数达到最大代数。

3. 根据权利要求1所述的双环交叉操作RNA遗传算法的燃料电池优化建模方法，其特征在于所述的燃料电池为现今最有应用前景的质子交换膜燃料电池，包含待估参数的质子交换膜燃料电池的机理数学模型为Amphlett JC，Baumert RM，Mann RF，Peppley BA和Roberge RP于1995发表在美国期刊名为《Journal of the Electrochemical Society》上卷142，页码1-15的通用模型。

4. 根据权利要求1所述的双环交叉操作RNA遗传算法的燃料电池优化建模方法，其特征在于所述双环交叉操作RNA遗传算法采用的双环交叉，双环交叉操作为：

随机选择两个RNA序列，分别将每个RNA序列分成n个RNA子序列，在每个RNA子序列的前半部分[1, L/2]随机产生一个换位点cpoint1，在该换位点之后随机产生一段长度为<n的RNA子序列，该段RNA子序列在双环交叉操作中保持不变，由此可以算出第二个换位点cpoint2=cpoint1++1，将两个RNA子序列换位点cpoint1前的一段子序列连成一个环形，并在该环上随机产生断裂点x，沿顺时针将从x开始的cpoint1个碱基粘贴到第一个RNA子序列换位点cpoint1前面，剩下的碱基粘贴到第二个RNA子序列换位点cpoint1前面；同理对这两个RNA子序列第二个换位点cpoint2后面的RNA子序列段进行相同的操作；由此构成了双环交叉操作。