基本信息
基本信息：博士研究生導師
姓名： 曹廣益 性別：男
出生年月 工作單位：上海交通大學
所在院系：電子信息與電氣工程學院 職稱：教授
行政職務： 招生專業：081101控制理論與控制工程
研究領域：複雜工業系統動態分析最佳化控制、智慧型機器人 是否兼職：否
指導博士生總數： 指導碩士生總數：
目前博士生數： 目前碩士生數：
個人簡介
教授，上海交通大學畢業，日本工學博士，現任上海交通大學燃料電池研究所所長。
曹廣益教授長期從事特種電源、數控繪圖儀、機器人等多項自動控制研究工作，近年來主要從事燃料電池的動態分析及控制方法理論的研究，承擔多項重點科技項目。
核心期刊
（一）燃料電池,尤其是熔融碳酸鹽燃料電池是21世紀最有希望的發電技術.在簡要敘述了熔融碳酸鹽燃料電池發電系統的發電原理後,從以下方面對系統的開發進行了論述:單體元件(電極和電解質)性能
的提高,燃料的處理,餘熱利用,電力調節和併網,電池參數(工作壓力、溫度、反應氣體的組成和利用率、燃料氣體濕度)的控制與最佳化.介紹了熔融碳酸鹽燃料電池發電系統的國內外研究現狀,給出了天然氣外部重整型和內部重整型燃料電池的循環模型.指出熔融碳酸鹽燃料電池系統開發面臨的主要課題:延長壽命、降低成本、系統小型化、改善電能質量等,給出一種多段熔融碳酸鹽燃料電池系統模
（二）針對直接甲醇燃料電池(DMFC)系統過於複雜，難以數學建模。套用一種改進的RBF神經網路對DMFC系統進行辨識建模。模型以甲醇的濃度和流速為神經網路辨識模型的偷入量，電池電壓/電流密度為偷出量，利用1000組實驗數據作為訓練和測試樣本，建立了不同甲醇濃度和流速下電池電壓/電流密度動態回響模型。套用仿真對建模的有效性和精度進行了檢驗，並與BP神經網路辨識的效果進行了對比。仿真結果證明RBF神經網路比BP神經網路收斂得快，建模精度高，從而為設計DMFC實時控制系統莫定了基礎。
（三）為克服傳統遺傳算法退化和早熟等缺點,同時降低最佳化算法的複雜度,提出基於人工免疫系統(ArtificialImmuneSystem,AIS)實現無約束多目標函式的最佳化。使用隨機權重法和自適應權重法計算種群個體的適應值,使Pareto最優解均勻分布的同時,加快算法的收斂;通過引入人工免疫系統的三個基本運算元:克隆、超變異和消亡,保持種群的多樣性;在進化種群外設立Pareto解集,保存歷代的近似最優解。使用了兩個典型的多目標檢測函式驗證了該算法的有效性。最佳化結果表明,基於AIS的多目標最佳化算法可使進化種群迅速收斂到Pareto前沿,並能均勻分布,是實現多目標函式最佳化的有效方法。
