[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

说明书

技术领域

本发明涉及优化建模方法，尤其涉及一种双环交叉操作RNA遗传算法的质子交换膜燃料电池优化建模方法。 

背景技术

随着社会和经济的发展，日益增加的能源需求与环境保护之间的矛盾，使得绿色能源氢能的开发利用和新型动力装置燃料电池的研究呈现出巨大的吸引力。质子交换膜燃料电池(PEMFC)具有无噪音、零污染、无腐蚀、寿命长、可靠性高、易于维护、工作电流大、能量效率高、可在常温工作和快速启动等一些独特的优点，已成为国内外企业和研究者关注的热点，在汽车、通讯、卫星等领域具有广泛应用前景。 

质子交换膜燃料电池系统是一个非线性、多变量、严重耦合的系统。为了提高燃料电池系统的设计和性能，建立一个能揭示该系统真实特性的数学模型是非常必要的。人们对智能优化方法在燃料电池建模中的应用进行了探索研究，例如模拟退火法、粒子群优化算法、离散差分进化算法、遗传算法等。其中，遗传算法是模拟自然界生物进化机制而形成的随机优化算法，提供了不依赖于问题背景来求解复杂问题的有效途径。 

遗传算法在分子水平模拟生物进化过程来求解复杂问题，它模拟了生物界“生存竞争，优胜劣汰，适者生存”的机制，用逐次迭代法搜索寻优。它将问题的求解表示成“染色体”的适者生存过程，通过种群的一代代不断进化，包括选择、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或者满意解。 

尽管遗传算法在许多领域得到了成功的应用，但是它仍然存在着一些缺点和不足，例如局部搜索能力差，进化过程中种群个体快速趋同而使得算法容易早熟收敛等。随着生物科学技术的不断进步，人们对RNA分子特性和遗传信息表达机理的认识也越来越深刻。与传统遗传算法比较，RNA遗传算法具有下列优点：1）采用基于碱基的编码方式，避免了二进制遗传算法编码过长且存在海明悬崖问题。2）丰富的RNA生物分子操作的引入，改交了传统遗传算法简单的交叉和变异操作方式，提高了算法搜索效率和搜索性能。3）RNA分子操作的多样性和细胞内RNA分子变化的复杂性，为提出性能更好的遗传操作提供了可能性。 

本发明方法受RNA分子特性和分子操作启发，设计了双环交叉操作，抽象出基于双环交叉操作的RNA遗传算法，可用于求解复杂的非线性优化问题：基于Amphlett JC，Baumert RM，Mann RF，Peppley BA和Roberge RP在《Performance modeling of the Ballard mark IV solid polymer electrolyte fuel cell:empirical model development》中提出的燃料电池模型，考虑到其内部电化学反应过程的高度非线性和复杂性，将所提出的双环交叉操作的RNA遗传算法用于解决质子交换膜燃料电池模型的参数估计中，并取得较理想的效果。 

发明内容

本发明的目的是克服传统遗传算法中存在的一些缺点和不足，如局部搜索能力差、易于早熟收敛等，提供一种双环交叉操作RNA遗传算法的质子交换膜燃料电池优化建模方法，该方法将双环交叉操作RNA遗传算法用于质子交换膜燃料电池模型参数估计中，结果表明所建模型能较好地反应实际系统的非线性特性。 

双环交叉操作RNA遗传算法的燃料电池优化建模方法包括如下步骤： 

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；