不同Pt与Ni质量比的Pt-Ni复合电极析氢性能实验

为降低PEM制氢Pt电极成本,采用电化学沉积法制备以泡沫镍为基材微量Pt沉积的Pt-Ni复合电极。采用扫描电子显微镜、X射线衍射仪、X射线光谱仪对制备的Pt-Ni复合电极进行表征,采用电化学工作站和PEM电解池对Pt与Ni质量比分别为1∶7、1∶11、1∶12、1∶14和1∶23的5种不同复合电极及泡沫镍电极的析氢性能进行电化学对比分析实验和PEM制氢对比实验。结果表明:以泡沫镍为基材,采用电化学沉积法制备的Pt-Ni复合电极性能稳定,沉积Pt质量的多少对Pt-Ni复合电极的析氢性能有较大影响;存在一个最佳Pt与Ni质量比,实验条件下的最佳Pt与Ni质量比为1∶12,沉积Pt量过多和过少都会使其析氢性能降低,过多造成的Pt沉积堆叠相比较少对析氢性能的影响更加明显。在制备微量Pt沉积的Pt-Ni复合电极时,要坚持以最佳Pt与Ni质量比为基准和沉积Pt量“宁少毋多”的原则,实际工程应用中应避免“沉积Pt量越多电极性能越好”的误区。

多目标优化在特征选择子集评价中的应用

特征选择是处理高维大数据常用的降维手段,但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中,优化子集性能,提出一种基于子集评价多目标优化的特征选择框架,并重点对多目标粒子群优化(MOPSO)在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数,继而基于多目标优化算法进行特征权值向量寻优,并通过权值向量Pareto解集膝点选取确定最优向量,最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择(FS_MOPSO)与四种经典方法的性能,多个数据集上的结果表明,FS_MOPSO在低维空间表现出更高的分类精度,并保证了更少的信息损失。