MétaCan
Menu
← Retour à la cohorte
Enregistrement W2392523232 · doi:10.1149/ma2016-01/27/1339

(Invited) A Systematic Approach to Develop and Validate Models for the Design of Membrane Electrode Assemblies

2016· article· en· W2392523232 sur OpenAlexaff
Andreas Pütz, Marc Secanell

Notice bibliographique

RevueECS Meeting Abstracts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of AlbertaAutomotive Fuel Cell Cooperation (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgglomerateCombustionDiffusionSimulationComputer scienceMechanical engineeringMechanicsMaterials scienceEngineeringChemistryPhysicsComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The modeling and simulation landscape for fuel-cells has increased dramatically over last years. A number of commercial and OpenSource (e.g. OpenFCST, FAST-FC, DuMux) software packages are available to the aspiring researcher or engineer in academia and industry. The complexity ranges from purely analytic models with O(1) number of parameters to fully numerically models with O(100) input parameters. However, despite the apparent abundance on model and simulation tools, their practical use for the design of next generation MEA components like the catalyst layers or porous transport layers has been very limited and progress has been mainly driven by large, slow and expensive experimental studies. This stands in stark contrast to combustion engine design where virtual prototypes are built, tested and optimized through numerical simulations before a physical prototype is built. In the fuel-cell community this lack of application tends to be explained by the large number of equations and the corresponding computational resources needed to tackle the problem. The fact that combustion engineering does not suffer this problem, despite an equally high level of complexity, seems to indicate that numerical complexity is not the root cause. Browsing the numerical codes and the modeling literature shows little consensus about the correct description of the individual physical effects. A few of the topics of disagreement are: Gas transport: Fickian diffusion, Maxwelll-Stefan diffusion, Dusty Gas models, ... Membrane water transport: concentration driven, liquid pressure driven, ... Reaction at the catalyst surface: macro-homogeneous models, ionomer filled agglomerate models, water filled agglomerate models,thin film models, ... Electrochemical reaction mechanisms: Tafel, Butler-Volmer, Double-Trap, Dual-Path, ... ... In this tutorial, a consistent validation strategy with a focus on gas mass transport is outlined and demonstrated. We will take AFCCs baseline MEA model platform OpenFCST through a validation with ex-situ experiments: Permeability and Diffusivity validation through in-situ experiments: Limiting current methods Polarization curves under different operating conditions Thickness variations validation through imaging techniques: Diffusion simulations on reconstructed catalyst layers The impact of different model configurations will be studied and we will investigate if a validation strategy like this can pinpoint the weaknesses or strengths of the model configuration chosen. References OpenFCST (www.openfcst.org) M. Bhaiya, A. Putz and M. Secanell, "Analysis of non-isothermal effects on polymer electrolyte fuel cell electrode assemblies", Electrochimica Acta, 147C:294-309, 2014. DOI: 10.1016/j.electacta.2014.09.051 Figure 1

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,013

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 Opus0,028
Tête enseignante GPT0,214
Écart entre enseignants0,185 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting Abstracts→Même sujetFuel Cells and Related Materials→Travaux en français237 207→