MétaCan
Menu
Retour à la cohorte
Enregistrement W2023144707 · doi:10.2202/1542-6580.2028

Two-Dimensional Simulations of Gas-Liquid Two-Phase Flow in Mini channels of PEM Fuel Cell Flow Field

2010· article· en· W2023144707 sur OpenAlexaff
Wei Du, Lifeng Zhang, Xiaotao Bi, David P. Wilkinson, Jürgen Stumper, Haijiang Wang

Notice bibliographique

RevueInternational Journal of Chemical Reactor Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensAutomotive Fuel Cell Cooperation (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVolume of fluid methodProton exchange membrane fuel cellSlug flowWettingTwo-phase flowMechanicsFlow (mathematics)Open-channel flowPressure dropMaterials scienceSurface tensionChemistryThermodynamicsMembraneComposite material

Résumé

récupéré en direct d'OpenAlex

Effective water management is one of the key strategies for improving the performance and durability of PEM fuel cells. Phenomena such as membrane dehydration, catalyst layer flooding and two-phase flow in flow-channels are all determined by the distribution and movement of water during cell operation. In this study, gas-liquid flow in mini-channels relevant to fuel cells was numerically studied using a CFD two-phase flow model in combination with a volume of fluid (VOF) method. The results show that the surface wettability of the channel wall can greatly affect the flow pattern, especially when the channel walls and the gas diffusion layer (GDL) surface possess different contact angles. When the channel walls are more hydrophobic, more water is accumulated on the GDL. An increase in the surface tension results in a slight increase of slug frequency and a slight decrease in slug length. The onset of slugging along the channel is determined by the gas-liquid mixture velocity, gas-to-liquid flow ratio and the way water is introduced into the gas flow channel. Furthermore, the calculated pressure drop fluctuations show a strong dependence on the channel liquid content and the slug length.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,242
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Chemical Reactor EngineeringMême sujetFuel Cells and Related MaterialsTravaux en français237 207