[发明专利]基于粒子群算法的极化曲线拟合方法

权利要求书

1.一种基于粒子群算法的极化曲线拟合方法，其特征在于，包括如下步骤：

S1，确定极化曲线实验数据和函数模型表达式；

S2，利用粒子群算法求解最优适应度值；

所述的步骤S1包括：

步骤S11，将通过实验获得的数据进行预处理，选取其中的若干组数据作为标定数据(x_i，y_i)，i＝1，2，3…1300，x_i表示实验数据中的电极电位，y_i表示实验数据中的极化电流密度；

步骤S12，建立极化曲线函数模型表达式：

式中i_Fe、和分别为Fe氧化、O₂还原和H₂O还原反应的电流密度；b_Fe、和分别为Fe氧化、O₂还原和H₂O还原反应的Tafel斜率；是溶解O₂的限制扩散电流密度；超电势η＝E-E_rev，E_rev是可逆的潜力，将公式(4)进行转换便可确定拟合函数模型：

y＝a*exp(2.303/b*(x-Erev_Fe))-c*exp(-2.303/d*(x-Erev_O₂))/(1+c/e*exp

(-2.303/d*(x-Erev_O₂)))-f*exp(-2.303/g*(x-Erev_H₂O))

其中a、b、c、d、e、f、g为待求的腐蚀动力学参数，Erev_Fe、Erev_O₂、Erev_H₂O都是已知的参数。

2.如权利要求1所述的基于粒子群算法的极化曲线拟合方法，其特征在于，所述的步骤S2包括：

S21，设定粒子群算法的参数，以对所述粒子群算法，获取所述最优适应度值；

S22，计算每个粒子的适应度；

S23，根据所述适应度，更新各个粒子的局部最优适应度值和粒子群的全局最优适应度值；

S24，根据各粒子的最优适应度值和粒子种群最优适应度值，更新每个粒子的速度和位置；

S25，检测粒子群算法当前的迭代次数是否到达预设的迭代次数；若没有，返回步骤S22，若达到，退出算法，确定最优适应度值。粒子种群中具有最优适应度值的粒子，其位置即为最优参数解，可得到待拟合的数据点的曲线拟合表达式。

3.如权利要求1所述的基于粒子群算法的极化曲线拟合方法，其特征在于，所述的步骤S22中，所述的适应度值的计算公式为：

式中是实验测得的电流密度，是理论预测电流密度。

4.如权利要求1所述的基于粒子群算法的极化曲线拟合方法，其特征在于，所述的步骤S24中，粒子的速度和位置更新公式为：

式中，ω称为惯性因子，c1和c2称为加速常数，一般取c1＝c2∈[0,4]，r1和r2表示区间[0,1]上的随机数，表示第i个变量的个体极值的第d维，表示全局最优解的第d维，k为迭代次数。

5.如权利要求2所述的基于粒子群算法的极化曲线拟合方法，其特征在于，还包括根据所求得的最优适应度值得到最终拟合出的极化曲线这一步骤。