Los sistemas de gestión térmica de células de combustible de hidrógeno sufren de tiempo de respuesta lento, vibración del sistema y grandes fluctuaciones de temperatura ante cambios en la corriente de carga. En este artículo, el mapeo caótico logístico, el peso de inercia ajustado de forma adaptativa y los factores de aprendizaje asimétricos se integran para mejorar el algoritmo de optimización de enjambre de partículas (PSO) y se combinan con el control difuso para proponer una estrategia innovadora de optimización de enjambre de partículas mejorada-control difuso.