[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

摘要

本发明公开了一种双环交叉操作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，将燃料电池模型的估计输出与实际输出采样数据的误差平方和作为最小化目标函数；2）受RNA分子特性和分子操作的启发，抽象出一种双环交叉操作RNA遗传算法的燃料电池优化建模方法；3）设定算法运行参数；4）运行所述双环交叉操作RNA遗传算法，对燃料电池模型中的未知参数进行估计，通过最小化目标函数，得到模型中未知参数的估计值，将估计值代入燃料电池模型中，形成数学模型。本发明建模方法，具有抗早熟、寻优精度高、收敛快的特点，也适用于其他复杂化学反应过程的建模。

主权项

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Prep=1、换位概率Ptr=0.4、双环交叉概率Pcro=0.32、普通变异概率Pmut=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，Rc，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、Rc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。