質(zhì)子交換膜燃料電池（PEMFC）是一種很有前途的能量轉(zhuǎn)換裝置，可以將化學(xué)能轉(zhuǎn)化為電能，因?yàn)樗哂行矢摺?dòng)快、空氣污染物排放低/零等優(yōu)點(diǎn)。質(zhì)子交換膜（PEM）在PEMFC中起著重要作用，傳導(dǎo)離子，隔離燃料和氧化劑，以避免直接接觸。人們?yōu)橹圃旄鞣NPEM做出了巨大的努力。全氟磺酸基膜，例如Nafion®系列，已被用于燃料電池應(yīng)用。它們具有良好的化學(xué)穩(wěn)定性、機(jī)械強(qiáng)度和良好的離子電導(dǎo)率。然而，仍然存在一些缺點(diǎn)，包括透氣性高、保水性差、成本高。此外，其降解的含氟產(chǎn)品有毒，對(duì)人類和環(huán)境都有危險(xiǎn)。人們?cè)谔娲偷统杀静牧戏矫孀龀隽藦V泛的努力，以制備性能更好的新型膜。降冰片烯及其衍生物由于其獨(dú)特的結(jié)構(gòu)和參與多種化學(xué)反應(yīng)的能力，是很好的選擇，例如開環(huán)易位聚合（ROMP），這是一種使用過(guò)渡金屬催化劑引發(fā)環(huán)烯烴單體開口的聚合反應(yīng)，從而形成聚合物鏈。該反應(yīng)可用于生產(chǎn)具有獨(dú)特結(jié)構(gòu)和性能的廣泛聚合物材料，使其成為材料科學(xué)和工程中的有用工具。聚合從小單體開始。幾個(gè)因素決定了反應(yīng)，包括溫度、反應(yīng)時(shí)間、反應(yīng)物的比例和催化劑量等。為了制備膜，所獲得的聚合物需要具有高度的聚合度（DP），即分子量（MW）和低分子量分布（MWD）。在實(shí)際應(yīng)用中，正交實(shí)驗(yàn)設(shè)計(jì)（OED）被廣泛用于研究聚合物合成的*佳條件。然而，OED不可避免地會(huì)導(dǎo)致相當(dāng)大的實(shí)際工作量，這既耗時(shí)又昂貴。此外，從理論上講，通過(guò)常規(guī)實(shí)驗(yàn)方法獲得的*佳結(jié)果是不準(zhǔn)確的，因?yàn)闂l件參數(shù)的變化是不連續(xù)的和非線性的。在過(guò)去的幾十年里，PEMFC領(lǐng)域的計(jì)算機(jī)輔助設(shè)計(jì)促進(jìn)了PEMFC的發(fā)展。由于人工智能（AI）在過(guò)去十年中經(jīng)歷了快速發(fā)展，它逐漸被應(yīng)用于不同的領(lǐng)域來(lái)輔助設(shè)計(jì)，以及優(yōu)化問(wèn)題?；贏I的優(yōu)化在材料開發(fā)研究中取得了驚人的成就，例如搜索*佳反應(yīng)條件并分析結(jié)果。Chen等人基于群體海豚算法優(yōu)化了PEMFC陰極電極的多層配置，以及散熱器的蛇形通道設(shè)計(jì)。阿里優(yōu)化獲得了基于多目標(biāo)方法的PEMFC的*佳操作條件。Wang等人將灰狼優(yōu)化算法應(yīng)用于高維分類上的特征選擇。Rui利用機(jī)器學(xué)習(xí)優(yōu)化了膜組裝電極。迄今為止，已經(jīng)對(duì)基于AI的方法的應(yīng)用進(jìn)行了更多的研究。然而，將基于AI的優(yōu)化應(yīng)用于PEMFC領(lǐng)域還遠(yuǎn)遠(yuǎn)不夠。在本文中，首先采用了基于人工智能優(yōu)化的經(jīng)驗(yàn)?zāi)Ｐ停谌斯だ侨核惴▋?yōu)化了反應(yīng)條件對(duì)合成結(jié)果的影響。論文分為五個(gè)方面：**部分介紹了本文研究工作的背景。**節(jié)分析了ROMP反應(yīng)條件并計(jì)算了相關(guān)方程；第三節(jié)說(shuō)明了優(yōu)化框架；第四節(jié)定義了兩個(gè)適應(yīng)度函數(shù)優(yōu)化；第5節(jié)分析了優(yōu)化的實(shí)證結(jié)果和驗(yàn)證；第6節(jié)總結(jié)了研究工作

基于人工智能的優(yōu)化

采用了基于人工智能的優(yōu)化來(lái)尋找*優(yōu)解，可以模擬人類的認(rèn)知，找到*優(yōu)的優(yōu)化解。如圖1所示，優(yōu)化過(guò)程由四個(gè)主要步驟組成。

步驟1。實(shí)驗(yàn)數(shù)據(jù)獲取過(guò)程，其中對(duì)原始數(shù)據(jù)進(jìn)行了分析，包括反應(yīng)物比例、溫度、時(shí)間、催化劑含量、分子量和分子量分布。

步驟2。優(yōu)化過(guò)程。該步驟定義了兩個(gè)適應(yīng)度函數(shù)，然后采用人工狼群算法方法生成帕累托*優(yōu)解。

步驟3。驗(yàn)證過(guò)程。優(yōu)化結(jié)果被納入經(jīng)驗(yàn)?zāi)Ｐ停⑼ㄟ^(guò)與數(shù)據(jù)庫(kù)進(jìn)行比較來(lái)驗(yàn)證結(jié)果。

步驟4。給出了解決方案。

圖1優(yōu)化框架。

人工狼群算法

人工狼群算法（AWPA）被嵌入到優(yōu)化中，以獲得*佳ROMP反應(yīng)條件。狼是群居動(dòng)物，大多生活在群體中。每只狼都可以搜索自己的局部*優(yōu)解，并將信息傳遞給它附近的狼群進(jìn)行比較。因此，由于狼群之間的高效信息傳輸，個(gè)體狼在方向和速度上與鄰居保持同步，這使得它們能夠在環(huán)境發(fā)生變化時(shí)從一個(gè)配置立即響應(yīng)到另一個(gè)配置，幾乎作為一個(gè)整體。受此類社會(huì)行為的智能啟發(fā)，狼群算法是并行的，獨(dú)立于初始值。AWPA可以使用非支配排序方法實(shí)現(xiàn)全局*優(yōu)。AWPA的工作流程如圖2所示?？偣灿?個(gè)步驟。

步驟1是初始化，其中所有參數(shù)都被初始化。

步驟2是行為選擇，其中根據(jù)區(qū)域內(nèi)獵物的密度、同伴的數(shù)量和視覺(jué)條件在不同的行為之間進(jìn)行選擇。

步驟3、4、5是三種行為，分別是偵察、召喚和圍攻。偵察被設(shè)置為默認(rèn)行為或初始行為。每只狼在特定區(qū)域內(nèi)隨機(jī)移動(dòng)，并不斷檢查變化的條件。他們與鄰居狼比較狀態(tài)，直到找到*佳狀態(tài)并移動(dòng)到下一步。否則，偵察繼續(xù)進(jìn)行。

步驟6是公告操作。每只狼的狀態(tài)與其歷史數(shù)據(jù)進(jìn)行比較。公告數(shù)據(jù)將在當(dāng)前狀態(tài)數(shù)據(jù)優(yōu)于上次數(shù)據(jù)時(shí)更新。

步驟7是非支配排序，其中利用非支配排序遺傳算法II（NSGA-II）比較結(jié)果。

圖2 AWPA的工作流程。