[发明专利]基于粒子群算法的极化曲线拟合方法

说明书

本发明公开了基于粒子群算法的极化曲线拟合方法，包括确定极化曲线实验数据和函数模型表达式；利用粒子群算法求解最优适应度值，该方法用于确定电化学极化曲线函数模型中的动力学参数，以解决目前曲线拟合方法中对于数据点的拟合精度不高和对函数模型中参数初始值的要求过高的问题，本发明的极化曲线拟合方法只需要设置一些粒子群算法的初始参数，无需对函数模型中的参数进行初始值设置，便可实现曲线拟合，本发明将约束范围内所有可能的结果作为粒子的搜索空间，每个粒子有速度和位置两个属性，其中位置信息便代表参数，将误差平方和作为目标函数，通过设定初始粒子种群并按算法进行进化计算，最终结果精度高，误差小。

技术领域

本发明涉及电化学领域和机器学习领域，特别涉及一种基于粒子群算法的极化曲线拟合方法。

背景技术

目前，曲线拟合算法被广泛应用于工程设计、图像处理、逆向工程等领域，并且成为这些领域进行数据处理必不可少的关键环节。获取数据的最终目的在于挖掘数据背后的现实意义，所以一种曲线拟合算法对于数据处理十分重要。

当前，对于极化曲线函数模型参数求解问题，传统的解决方法是使用非线性最小二乘法或者信赖域算法来求解，虽然这些算法的计算结果较快，但是需要设置参数初始值，并且对于初始值的要求比较高，一旦初始值取不好，结果往往不理想，所以如何解决这些问题并进一步提高准确率，需要人们在这方面做出大量的研究，不断提出新的方法和算法。

发明内容

本发明的目的是提供一种基于粒子群算法的极化曲线拟合方法，采用粒子群算法，适用于不同的函数模型，适应性好，具备较高的鲁棒性，无需像传统曲线拟合方法一样设置参数初始值，方法简单，能够进一步提高误差精度。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种基于粒子群算法的极化曲线拟合方法，其特点是，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。

所述的步骤S2包括：