Ionomer Fibers-Decorated Polymer Electrolyte Membrane for Low Pt-Loaded Fuel Cells
Notice bibliographique
Résumé
Polymer electrolyte membrane fuel cell (PEMFC) technology faces considerable demands of cost competitiveness for mass commercialization of fuel cell electric vehicle. A significant challenge to the cost reduction is the reduction of Pt loading for membrane electrode assembly (MEA). Besides a lowered catalytic activity, low Pt-loaded catalyst layer (CL) suffers from large mass transports resistance, resulting in low power performance at high current densities. Such larger mass transport resistance at a lowered Pt loading can be attributed to a larger oxygen transport resistance from the ionomer film covering catalysts and more significant water flooding due to a lower amount of the pore volume in cathode CL. For conventional CL structure, gaseous oxygen and liquid water share the same network of meso-pores (< 50 nm) inside a flat CL for their transport, therefore, the water condensation in the pores inevitably causes a blocking of oxygen transport. In order to address this issue, an ionomer fiber-induced macro-porous CL is presented. It is fabricated via electrospinning of ionomer fibers onto the membrane, followed by spray-coating catalyst ink on the ionomer fiber-decorated membrane. The ionomer fiber deposition on the membrane induce a roughening of the membrane surface, which allows the formation of a CL, morphology of which dictates that of the ionomer fibers, and of micron-scale pores between the CL and gas diffusion layer. The new CL structure dramatically improves power performances at high current densities owing to an effective oxygen and water transport through the micron-scale mass transport pathway. From polarization curve and oxygen transport resistance analysis, and stability under constant current operation for various feeds, the efficacy of the unique CL morphology in enhancing power performances is demonstrated and understood. Also, the relationship between the macro-pore in CL and mass transport resistance is investigated with systematically varying the pore size and porosity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».