[发明专利]具有自适应遗传策略RNA-GA的燃料电池优化建模方法

摘要

本发明公开了一种具有自适应遗传策略RNA‑GA的燃料电池优化建模方法。1)通过现场操作或实验来获得质子交换膜燃料电池的输入电流和输出电压的采样数据；2)将燃料电池模型的估计输出与实际输出的采样数据的误差平方和作为RNA‑GA寻优搜索时的目标函数；3)设定算法运行参数；4)运行所述的RNA‑GA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，将未知参数的估计值代入燃料电池模型中，形成数学模型。本方法运用自适应遗传策略来决策执行交叉或者变异操作，从而有效保持种群多样性，加快算法朝全局最优解的收敛速度，所得到的燃料电池模型参数可靠，也适用于其他复杂化学反应过程的优化建模。

主权项

一种具有自适应遗传策略RNA‑GA的燃料电池优化建模方法，其特征在于，包括如下步骤：1)通过现场操作或实验来获得燃料电池的电流输入和电压输出的采样数据；对于每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的误差平方和作为RNA‑GA寻优搜索时的目标函数；2)设定算法运行参数，包括：种群规模N，最大进化代数MaxGen，被估计参数的取值范围，每个未知参数编码长度l；3)设定算法的终止准则为：算法运行代数达到最大进化代数；4)通过具有自适应遗传策略的RNA‑GA，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，获得燃料电池模型中未知参数的估计值，将此估计值代入燃料电池模型中，获得燃料电池的数学模型，用于估计燃料电池的输出电压。