MétaCan
Menu
Retour à la cohorte
Enregistrement W2072550692 · doi:10.1149/1.3502344

Fingerprints of Automotive Fuel Cell Degradation

2010· article· en· W2072550692 sur OpenAlexaff
Doug Mayer, Sumit Kundu, Chris Elvidge, Jürgen Stumper, Dmitri Bessarabov

Notice bibliographique

RevueECS Transactions · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensAutomotive Fuel Cell Cooperation (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionDissolutionDegradation (telecommunications)DurabilityMaterials scienceCarbon fibersProton exchange membrane fuel cellCathodeMetallurgyComposite materialChemical engineeringFuel cellsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Durability of fuel cell components is a challenge for commercialization of automotive fuel cells. Materials such as the cathode catalyst layer are subjected to a number of voltage stresses which can cause multiple failure modes such as carbon corrosion and Pt dissolution. This work examines three degradation cycles and attempts to de-convolute the amount of degradation from carbon corrosion. A 1.4V hold, 1.0-1.4V cycle, and a 0.6-1.4V cycle were examined. Performance and EPSA measurements were taken and CO2 release was monitored over time. A carbon corrosion fingerprint was created using 1.4V hold results and used to evaluate the contribution of the corrosion mechanism to performance degradation in the other cycles. The results indicate that the 1.0-1.4V cycle degrades primarily by carbon corrosion while the 0.6-1.4V cycle had a significant contribution from other mechanisms, including Pt dissolution.

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 enseignants0,211
Score d'incertitude au seuil0,968

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,178
Écart entre enseignants0,174 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetFuel Cells and Related MaterialsTravaux en français237 207