买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：甘肃长城氢能源工程研究院有限公司;兰州交通大学

摘要：本发明提供了一种基于ISSA‑EKF提高燃料电池系统稳定运行的控制方法。涉及质子交换膜燃料电池控制技术领域。采用卡尔曼滤波算法减小传感器噪声干扰，提高系统运行稳定性，为了提高滤波效果，采用改进麻雀算法优化卡尔曼增益，改进麻雀算法采用SPM混沌映射与动态镜像学习机制融合的控制策略初始化麻雀种群，增加种群的多样性；动态惯性权重和三角形游走复合策略更新发现者位置公式；柯西逆累积分布变异更新跟随者和警戒者位置公式。通过改进麻雀算法在系统状态变量迭代更新时输出协方差矩阵最优解，提高卡尔曼滤波效果。

主权项：1.一种基于ISSA-EKF提高燃料电池系统稳定运行的控制方法，其特征在于：包括采用改进后的麻雀搜索算法优化扩展卡尔曼滤波算法进行质子交换膜燃料电池系统传感器信号预测估计；所述改进麻雀搜索算法改进如下：1.采用SPM混沌映射与动态镜像学习机制融合的控制策略初始化麻雀种群设定麻雀搜索算法中种群数量为N，采用随机初始化得到种群数量为N的原始种群0，采用SPM混沌映射得到种群数量为N的新种群1，采用动态镜像学习机制得到种群数量为N的新种群2，组成种群数为3N的麻雀种群进行排序，取前N个适应度较好的种群，丰富种群多样性，加快收敛，避免生成的种群落入小周期的陷阱；以SPM映射的方式产生混沌序列并转换成新的种群初始位置，其函数如下： （5）式中，mody1,y2为求余函数，r为0,1之间的随机数，当0,1，0,1时，系统处于混沌状态，取，时，生成的混沌序列具有更好的遍历性和随机性，混沌轨道状态的范围为0,1；经过SPM混沌映射后新的初始种群1为： （6）式中，为种群的下界，为种群的上界，为迭代t次得到的混沌序列；采用动态镜像学习得到麻雀数量为N的新种群2公式如下： （7）式中，和为第t次迭代时所有种群个体位置每一维度的上限和下限，为随机生成的种群数量为N的个体位置，和为动态镜像学习系数；通过原始麻雀搜索算法随机初始化、SPM混沌映射、动态镜像学习得到种群数量为3N的麻雀种群，分别计算适应度值，进行排序，取前N个适应度值较好的个体作为改进麻雀搜索算法中的种群数量，增加了种群多样性，加快收敛；2.动态惯性权重和三角形游走复合策略更新发现者位置公式在麻雀搜索食物过程中，食物随机位于安全区域或危险区域内，当发现食物后，若食物处于安全区域内时，发现者采用动态惯性权重的麻雀搜索算法，引入粒子群算法中惯性权重，在迭代初期，较大的惯性权重有利于发现者的全局探索,而迭代后期较小的惯性权值有利于发现者的局部搜索，提高算法的收敛速度和精度；若食物处于危险区域内时，发现者采用采用三角形游走的麻雀搜索算法，不需要直接接近食物，在食物周围游走，增加麻雀的随机性；改进后发现者位置更新公式如下： （8） （9） （10）式中，为惯性权重最大值，取为0.9，为惯性权重最小值，取为0.4，为最大迭代次数，定义为当前麻雀个体与食物之间的距离，近似等于第t次迭代时全局最优个体位置与当前麻雀个体位置之间的距离，定义为当前麻雀个体游走的步长范围，δ为麻雀个体行走的方向；3.柯西逆累积分布变异更新跟随者和警戒者位置公式在跟随者更新公式中引入柯西逆累积分布变异，选择当前适应度最好的个体进行变异，选择较优的位置代入下一次迭代，变异后个体位置采用权重表征动态变化，增加了麻雀种群最优个体位置的随机性；改进的跟随者位置更新公式如下： （11）式中，权重t按照式（9）动态变化，为变异前第t代第i只麻雀个体的第d个位置点，为第t+1代中适应度最佳的个体位置，即距离食物最近的个体位置，为变异后得到的最优个体位置，具体表达式如下： （12）比较变异前后最优个体位置的适应度值，选择适应度值更大的个体位置来确定更新最优个体位置，实现公式如下： （13）式（12）中，ICCDF,γ为服从C,γ的柯西逆累积分布函数，其表达式如下： （14）式中，为柯西分布的逆累积分布函数，为定义分布峰值位置的位置参数，γ是最大值一半处的一半宽度的尺度参数；同理，利用柯西逆累积分布对警戒者位置更新公式中最优个体位置进行变异，比较变异前后个体适应度值，选择适应度值更大的个体位置来确定更新最优个体位置，改进后警戒者位置更新公式如下： （15）式中，为变异后全局最优个体位置，按照式（14）柯西逆累积分布函数进行变异，具体表达式如下： （16）比较变异前后最优个体位置的适应度值，选择适应度值更大的个体位置来确定更新最优个体位置，实现公式如下： （17）。

全文数据：

权利要求：

百度查询： 甘肃长城氢能源工程研究院有限公司 兰州交通大学 一种基于ISSA-EKF提高燃料电池系统稳定运行的控制方法