质子交换膜燃料电池(PEMFC)以其环保无污染、能量密度高和使用绿色能源氢气等特点已成为当前新能源领域的研究热点。但其目前在商业化进程中仍存在很多技术壁垒需要突破。一个精准预测性能的模型可以为实际实验以及工程应用提供前期的理论指导,优化建模过程可以降低实验成本、提高生产效率、进一步加快燃料电池的产业化进程。本研究基于PEMFC探索了当前数值模型、智能算法和复合模型三种主要建模方法的改进策略,并对各模型建模参数的敏感性进行分析。针对性搭建了一套燃料电池测试系统实验台架,并较为全面的开展了覆盖多工况全负载的实验。主要工作及结论如下:建立了一种针对不同流场进行建模的新型PEMFC数学模型。提出了基于不同阻抗材料的多通道蛇形流场欧姆过电位的计算方法。采用将氢交叉和副产物污染等引起的电压损失转化为电流损失的方法优化模型预测精度。通过研究表明,新构建的数值模型在50°C和70°C时,可决系数~2均分别从0.977和0.952增加到0.998,模型精度最高提升4.83%,验证了模型优化的有效性。同时,新模型对PEMFC中不同尺寸和不同材料的流场均具有良好的建模适应性和预测能力。由于数值模对各参数的物性取值较为依赖,针对复杂问题存在一定建模难度,有必要探索“黑箱原理”的智能算法在部分特定情况下的应用优势。本研究对比了燃料电池领域常用于预测的8种智能算法对本次实验数据的适用性,发现其中广义回归神经网络(GRNN)在本次实验所获得的数据结构中更具有预测优势。为了进一步增强智能算法在本研究中的稳定性和鲁棒性,对GRNN模型进行进一步改进,引入差分策略和自适应学习因子来降低模型的预测误差。基于改进后的模型利用降维技术和最大熵原理,对不同电流密度下实验装置的14个控制参数进行Moment-Independent全局灵敏度分析。结果表明,最终改进模型相对误差仅为1.7%,衡量预测误差的四项指标MSE、RMSE、MAE、RMAE分别降低了35.61%、19.78%、60.99%和37.55%。此外,在14个实验装置控制参数中,电池温度、露点温度、进口温度和背压的变化是影响系统输出性能的主要因素。最后基于数值模型和智能算法的各自优势与特点,本研究搭建了一个能够评估燃料电池催化反应过程中催化剂利用情况的复合模型。将催化反应工程领域的有效因子引入到燃料电池催化剂层数值模型的建模过程中,将数值模型与支持向量机相互链接构建复合模型,并利用实验对复合模型进行验证。通过将催化反应程度定义为低、中、高三个利用区域发现阳极和阴极的传输系数升高,催化剂利用率变强,会使反应提前进入高利用区和充分反应区;催化剂反应情况受内扩散影响严重,内扩散的具体形式由颗粒粒径大小与分子平均自由程的关系决定。