曹广益，男，上海交通大学毕业，电子信息与电气工程学院教授，博士研究生导师。

基本信息：博士研究生导师

姓名：曹广益 性别：男

出生年月 工作单位：上海交通大学

所在院系：电子信息与电气工程学院 职称：教授

行政职务：招生专业：081101控制理论与控制工程

研究领域：复杂工业系统动态分析优化控制、智能机器人 是否兼职：否

指导博士生总数：指导硕士生总数：

目前博士生数：目前硕士生数：

教授，上海交通大学毕业，日本工学博士，现任上海交通大学燃料电池研究所所长。

曹广益教授长期从事特种电源、数控绘图仪、机器人等多项自动控制研究工作，近年来主要从事燃料电池的动态分析及控制方法理论的研究，承担多项重点科技项目。

（一）燃料电池，尤其是熔融碳酸根燃料电池是21世纪最有希望的发电技术。在简要叙述了熔融碳酸盐燃料电池发电系统的发电原理后，从以下方面对系统的开发进行了论述：单体元件(电极和电解质)性能

的提高，燃料的处理，余热利用，电力调节和并网，电池参数(工作压力、温度、反应气体的组成和利用率、燃料气体湿度)的控制与优化。介绍了熔融碳酸盐燃料电池发电系统的国内外研究现状，给出了天然气外部重整型和内部重整型燃料电池的循环模型。指出熔融碳酸根燃料电池系统开发面临的主要课题：延长寿命、降低成本、系统小型化、改善电能质量等，给出一种多段熔融碳酸盐燃料电池系统模

（二）针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的偷入量，电池电压/电流密度为偷出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压/电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统莫定了基础。

（三）为克服传统遗传算法退化和早熟等缺点，同时降低优化算法的复杂度，提出基于人工免疫系统(ArtificialImmuneSystem,AIS)实现无约束多目标函数的优化。使用随机权重法和自适应权重法计算种群个体的适应值，使Pareto最优解均匀分布的同时，加快算法的收敛；通过引入人工免疫系统的三个基本算子：克隆、超变异和消亡，保持种群的多样性；在进化种群外设立Pareto解集，保存历代的近似最优解。使用了两个典型的多目标检测函数验证了该算法的有效性。优化结果表明，基于AIS的多目标优化算法可使进化种群迅速收敛到Pareto前沿，并能均匀分布，是实现多目标函数优化的有效方法。