《Algorithms》：Computational Modeling and Intelligent Simulation of PEMFC Parameter Identification: Design and Technical Validation of a Virtual Teaching Experiment Using an Enhanced LRSAO Algorithm
编辑推荐：
质子交换膜燃料电池（PEMFC）参数识别是一个非线性计算建模问题，涉及强耦合的电化学参数和部分不可观测的极化过程。其实验教学进一步受到燃料电池堆成本和氢气操作安全要求的限制。针对这些挑战，研究人员开发了一个用于PEMFC参数识别虚拟教学实验的计算建模与智能仿真
质子交换膜燃料电池（PEMFC）参数识别是一个非线性计算建模问题，涉及强耦合的电化学参数和部分不可观测的极化过程。其实验教学进一步受到燃料电池堆成本和氢气操作安全要求的限制。针对这些挑战，研究人员开发了一个用于PEMFC参数识别虚拟教学实验的计算建模与智能仿真框架。建立了一个半经验输出电压模型，并将测量电压与模拟电压之间的平方误差和（SSE）作为优化目标。引入了一种增强型Logistic-Tent反向雪消融优化器（LRSAO），称为RLFDB-LRSAO，通过集成轮盘赌选择增强的适应度-距离平衡和Lévy飞行扰动。其方法论新颖性在于在LRSAO框架内对种群多样性增强、候选选择引导和搜索扰动进行阶段式协调，而非单个组件策略本身。该框架将识别过程组织为机制解释、模型构建、算法实现、参数配置、可视化、比较评估和反思分析。使用NedStack PS6和Modular SR-12电堆的案例研究分别得到最佳SSE值为1.2173340和6.13503904。一项涉及20名研究生的定性教学评估表明，该框架支持编程实践，增强了对PEMFC参数识别和智能优化的概念理解，并为工程问题分析、技术写作和创新导向项目开发等研究导向技能提供了有用支持。这些结果为技术和教育可行性提供了初步证据，同时支持对优化器进行谨慎的、问题依赖的解释。
研究背景方面，质子交换膜燃料电池（PEMFC）参数识别是一个非线性计算建模问题，涉及强耦合的电化学参数和部分不可观测的极化过程，其实验教学受燃料电池堆成本和氢气操作安全要求限制。现有虚拟实验室多强调系统结构或性能测试，而优化研究侧重数值误差，缺乏教学导向的透明识别框架。因此，研究人员开发了一个基于MATLAB的虚拟仿真教学框架，并提出了增强型LRSAO算法（RLFDB-LRSAO）。研究在NedStack PS6和Modular SR-12电堆上验证，取得了最佳SSE值，并通过20名研究生的定性评估初步证明了技术和教育可行性。论文发表在《Algorithms》。
主要关键技术方法包括：建立半经验输出电压模型，将测量与模拟电压的平方误差和（SSE）作为优化目标；提出RLFDB-LRSAO算法，整合Logistic-Tent混沌映射和精英反向学习以改善初始种群多样性，引入轮盘赌选择增强的适应度-距离平衡（RFDB）以加强候选选择引导，并采用Lévy飞行扰动以增强逃离局部区域的能力；框架包含机制解释、模型构建、算法实现、参数配置、可视化、比较评估和反思分析等模块，采用MATLAB R2025a实现，无需第三方库。样本队列来源为NedStack PS6和Modular SR-12电堆的实验数据。
研究结果如下：
5.1 实验设置：研究人员选择了两个商用PEMFC电堆（NedStack PS6和Modular SR-12），设置了内部基线LRSAO和FDB-LRSAO，以及外部对比算法（WOA、JS、MRFO、FDB-SDO、RLFDB-COA）。所有算法使用相同最大函数评估次数。
5.2 识别精度与稳定性：通过比较，RLFDB-LRSAO在NedStack PS6上获得最佳SSE值1.2173340，在Modular SR-12上获得6.13503904，标准差分别为0.0193和0.00000248，表明数值精度和重复性良好。但领先算法间差异较小，因此不单独以最佳值作为统计优越性证据。
5.3 消融研究：通过六种30维基准函数（F1-F6）评估七种配置（SAO、LT-SAO、EOBL-SAO、LRSAO、RFDB-LRSAO、LF-LRSAO、RLFDB-LRSAO）。结果表明RFDB-LRSAO获得最佳平均秩2.17，RLFDB-LRSAO为2.50。RFDB在LRSAO基础上提供了最大的增量精度提升，而Lévy飞行的额外贡献并非普遍有益。
5.4 统计可靠性：采用配对Wilcoxon符号秩检验，RLFDB-LRSAO在F1-F4上对大多数对比算法具有统计显著性改进（p<0.05），但与RFDB-LRSAO的差异不显著，说明RFDB是主要贡献者。
5.5 初步定性教学评估：20名研究生参与，反馈表明可视化极化损失和电压拟合、模块化MATLAB实现有助于加强编程实践和理解PEMFC参数识别流程。部分学生将方法扩展到专利和论文项目，但RFDB和Lévy飞行机制对部分学生具有挑战性。评估为探索性，无对照组，仅作为初步定性证据。
5.6 讨论与相关研究比较：本框架与硬件导向或可视化导向的虚拟实验室不同，要求学生构建模型、实现目标函数、检查优化模块并解释重复运行行为。主要贡献在于将研究工作流重组为结构化虚拟实验，并明确区分技术验证与学习效果证据。
5.7 可迁移性与局限性：教学流程可迁移至其他电化学系统，但需替换物理模型和参数。模型限于稳态工况，未考虑瞬态、退化、不确定性等。数据集不能代表所有PEMFC功率水平。虚拟实验不能替代动手操作训练。未来需要更多定量案例、动态数据、控制研究和混合虚拟-物理实验。
总结讨论部分，翻译研究结论：本研究开发了一个基于MATLAB的虚拟仿真框架，用于教学导向的PEMFC参数识别。框架整合了PEMFC机理分析、半经验模型构建、基于SSE的目标函数、智能优化、参数配置、可视化和结果解释。提出的RLFDB-LRSAO结合了Logistic-Tent混沌初始化、精英反向学习、RFDB和Lévy飞行。在NedStack PS6和Modular SR-12案例中，最佳SSE值分别为1.2173340和6.13503904，确认了所提参数识别流程的可行性。基准实验进一步评估了优化性能。Wilcoxon检验显示RLFDB-LRSAO对非RFDB配置具有统计显著性改进。这些结果表明不同改进组件在测试基准景观下贡献不同。从教育角度，20名研究生的初步定性评估表明虚拟实验可以支持MATLAB编程实践、算法实现以及理解PEMFC参数识别和智能优化。未来工作将包括额外PEMFC数据集、动态运行条件和更大规模的控制教学研究以进一步验证所提框架。
