[发明专利]一种自噬膜计算的燃料电池优化建模方法

权利要求书

1.一种自噬膜计算的燃料电池优化建模方法，其特征包括如下步骤：

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的采样数据，对于同一组燃料电池的电流输入采样数据，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)根据生物细胞胞内物质及能量的重组、变异及自噬现象，抽象出自噬膜计算的燃料电池优化建模方法；受细胞膜内各种细胞器功能的启发，提出如下自噬膜计算优化方法的规则：选择规则、交流规则、突发变异规则、重组规则和自噬规则；

3)设定自噬膜计算优化算法的初始环境和参数：拓扑结构、自噬膜计算运行的进化代数G＝500、突发变异概率为交流概率p_c＝0.2、重组概率p_sc＝0.2、自噬概率p_a＝0.8、可接受误差的大小ε＝1×10^-4和自噬膜计算方法的终止规则，其中a_p＝0.001，b_p＝0.099，c_p＝15/G，G₀＝G/2，g为当前运行代数；

4)运行自噬膜计算优化算法估计燃料电池模型中的未知参数ξ₁，ξ₂，ξ₃，ξ₄，b，λ，R_c：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为欧姆电压降的外电路系数、R_c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。

2.根据权利要求1所述的一种自噬膜计算的燃料电池优化建模方法，其特征在于所述的自噬膜计算优化算法的终止规则为：自噬膜计算优化算法所寻得的最优值小于可接受误差或自噬膜计算优化算法的运行代数达到最大代数。

3.根据权利要求1所述的一种自噬膜计算的燃料电池优化建模方法，其特征在于所述的自噬膜计算优化算法的膜拓扑结构为一巢形膜结构，除表层膜和最内层膜外，其它膜都包含其临近内层膜并同时被其外层膜包含。

4.根据权利要求1所述的一种自噬膜计算的燃料电池优化建模方法，其特征在于所述的自噬膜计算优化算法对燃料电池模型中的未知参数进行估计的步骤为：

1)设定自噬膜计算优化方法的初始环境和燃料电池模型7个待估参数的搜索范围，随机产生对象集；

2)燃料电池模型的各组电流下的电压估计输出值与实际燃料电池的相应电流下的电压采样输出值的误差平方和作为目标函数；

3)具有巢型膜结构的自噬膜计算优化算法从最内层膜开始计算，除表层膜外的所有膜内部区域的对象依次执行选择规则、交流规则、重组规则、突发变异规则操作；

4)如果每个膜内区域的所有对象进化完毕则进入步骤5)，否则返回步骤3)；

5)表层膜内对象执行选择规则、交流规则、重组规则、突发变异规则、终止规则；如果满足终止规则，则转入步骤6)；否则使用自噬规则并将其部分最优解，即部分侯选对象通过交流规则发送至最内层膜中，继续步骤3)，完成下一代的寻优搜索；

6)当自噬膜计算优化算法运行达到算法的终止准则，所得最优值作为燃料电池模型未知参数的估计值，将估计值代入燃料电池模型中，形成燃料电池的数学模型。

5.根据权利要求1所述的一种自噬膜计算的燃料电池优化建模方法，其特征在于所述的选择规则、交流规则、突发变异规则、重组规则、自噬规则、终止规则为：

1)选择规则

根据细胞膜的特性描述，细胞膜为卵磷脂双分子层与蛋白质镶嵌的枣糕模型，卵磷脂双分子层具有流动性，能够有选择的让部分生命所需物质通过主动运输、协同运输和自由运输进出细胞膜；选择规则定义为拥有小目标函数值的对象将作为候选交流对象；所有对象均为搜索空间内的可行解和它的目标函数值的组合；

2)交流规则

交流规则表述为当前膜将其一部分候选对象发送到其临近的外层膜中；但某一运行代数的表层膜部分候选对象则与最内层膜的对象交流为下一运行周期做准备；此处，交流定义为用部分候选对象集替代目标膜内等数量的最差对象集；

3)重组规则

细胞膜内有很多的细胞器，20多种氨基酸形成多种蛋白质以供生命体生存及维持相应体征；细胞膜内蛋白质在特殊情况下也会进行分子重组；模拟蛋白质的分子重组，算法通过重组规则产生出新的对象，这一规则为：

S=S,iff′≥fS′=f′xi1′···xiv′···xin′,iff′<f]]>

xiv′=xiv,i<jγxiv+(γ-1)xjv,i=j p<psc---(1)]]>

γ＝rand(0，1)，p＝rand(0，1)

其中，p_sc为设定的重组概率，S′是膜内重组规则执行后对象S的更换对象，i，j是随机选择的该字符串中字符的位置，i≤j，f′为可行解在重组规则执行后所得到的新的目标函数值，x′_i1…x′_iv…x′_in为对象内可行解在重组规则执行后的更新可行解，n是优化变量的数目或者字符串的长度，γ和p随机产生；p小于或等于p_sc时，对象将执行这一规则；

4)突发变异规则

在自噬膜计算优化算法中，个体通过单体局部变异能产生新的个体，引导自噬膜计算优化算法跳出局部极小值，提出如下突发变异规则：

S=S,iff′≥fS′=f′x1′···xv′···xn′,iff′<f]]>

xv′=xv,p(i,v)>pmxv+(xmax-xmin)(ζ-0.5)/l,p(i,v)≤pm---(2)]]>

p＝randζ＝rand(0，1)v＝1，2，…，nl＝1，2，…，m

pm=ap+bp1+exp[cp(g-G0)]---(3)]]>

式(2)中，p为随机产生m×n矩阵，ζ为[0，1]之间的随机数，m为巢形膜结构的设定层数，n为每层膜内的设定对象个数，p_m分别表示突发变异概率；公式(3)中的参数分别设置如下：a_p＝0.001，b_p＝0.099，c_p＝15/G，G₀＝G/2，G为自噬膜计算优化算法所设定的最大运行代数，g为当前运行代数；

5)自噬规则

自噬规则表述为：如果给定百分比p_a＝0.8的对象集都集中在离当前最优对象给定欧拉距离之内，则将欧拉距离之内除了保留部分m×p_a×(1-p_a)个对象外，其余个对象都将在整个搜索空间重新随机分布；

6)终止规则

终止规则表述为算法达到最大运行代数或满足下式：

|f*-fbest|<ϵ|f*|,f*≠0|fbest|<ϵ,f*=0---(4)]]>

式中f^*和f^best分别表示当前已经找到的最优解和优化问题的全局最优解，ε＝1×10^-4为可接受误差。