在氢能的诸多应用中,新能源汽车是氢能在运输领域的关键应用,而作为新能源汽车的关键技术装备,燃料电池尤其是质子交换膜燃料电池相关研究意义重大,商业价值可观。但是在工程应用中,仍然会受到各种性能问题的阻碍,因此,为了进一步提升质子交换膜燃料电池的综合性能,本文基于有限元软件,结合遗传算法,对多孔层和3D流道结构进行优化,并对燃料电池的性能影响进行探讨。首先,通过对比开孔和孔隙率分布两种优化方式,发现相比开孔方式,孔隙率优化效果更加明显,因此对于直流道的质子交换膜燃料电池模型,构建了不同的阴极扩散层孔隙率表达式,依次设计了单方向变化（沿着流动方向和垂直于流动方向）和两个方向变化的孔隙率分布方式,进行数值模拟和对比分析,找到双方向变化孔隙率的最优解。对于双方向变化孔隙率的最优解（ε=0.5,0.7,0.9,k=0,-4000/3,-2000/3）,相比定孔隙率,电阴极催化层和扩散层交界面的电流密度的非均匀性相比下降了18.3%,液态水饱和度相比下降了4.9%,电流密度从1.61952（定孔隙率）提高到1.69765A m-2,相对提升了4.8%。其次,在流场优化的工作中,对比三种不同的流道结构,发现相比于直流道和仿波纹板流道,尽管波浪形流道结构简单,但是能通过结构参数调整因截面变化产生的沿着Y（垂直于流动）方向的速度强化的周期和强度,平衡对反应物传输和对液态水向流道排出的影响,在电池效率上的优化潜力相对较高。最后,基于波浪形3D流场进行流道结构参数的对比分析,确定用于优化的结构参数后。通过训练神经网络作为质子交换膜燃料电池的代理模型,基于遗传算法,选择波浪形流道侧面结构参数倾斜角度θ,肋圆角的半径r和阴极扩散层的沿着Y（垂直于流动）方向的孔隙率梯度进行优化,获得相对更高的电池性能指标的同时降低了因流道结构设计带来的反应物浓度分布不均匀,压降变高等负面影响。结果发现,遗传算法得到的最优模型具有更低的泵功损失和更好的液态水排出能力,电池效率上,相比定孔隙率模型提升了16.8%,泵功损失也相对下降了17.3%,电流密度相对上升了8.41%,表明利用扩散层孔隙率设计不但可以较好地弥补3D流道设计带来的反应物浓度不均匀问题,同时可以减少扩散层中液态水含量,因而可以弥补由于扩散层有效电导率降低对电流密度的影响,因此,综合来说有利于提高电池的综合性能。