MétaCan
Menu
Retour à la cohorte
Enregistrement W2749086909 · doi:10.1115/1.4037766

A Comparison of Felt-Type and Paper-Type Gas Diffusion Layers for Polymer Electrolyte Membrane Fuel Cell Applications Using X-Ray Techniques

2017· article· en· W2749086909 sur OpenAlexafffund
Rupak Banerjee, Stéphane Chevalier, Huan Liu, Jongmin Lee, Ronnie Yip, Kewen Han, B. K. Hong, Aimy Bazylak

Notice bibliographique

RevueJournal of Electrochemical Energy Conversion and Storage · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOntario Ministry of Economic Development and InnovationNatural Sciences and Engineering Research Council of CanadaHyundai Motor Group
Mots-clésElectrolytePolymerMaterials scienceFuel cellsGaseous diffusionMembraneType (biology)DiffusionChemical engineeringChemistryComposite materialEngineeringElectrodePhysicsThermodynamicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

This work presents a comparison between carbon felt-type and paper-type gas diffusion layers (GDLs) for polymer electrolyte membrane (PEM) fuel cells in terms of the similarities and the differences between their microstructures and the corresponding manner in which liquid water accumulated within the microstructures during operation. X-ray computed tomography (CT) was used to investigate the microstructure of single-layered GDLs (without a microporous layer (MPL)) and bilayered GDLs (with an MPL). In-operando synchrotron X-ray radiography was used to visualize the GDL liquid water accumulation during fuel cell operation as a function of current density. The felt-type GDLs studied here exhibited a more uniform porosity in the core regions, and the carbon fibers in the substrate were more prone to MPL intrusion. More liquid water accumulated in the felt-type GDLs during fuel cell operation; however, when differentiating between the microstructural impact of felt and paper GDLs, the presence of an MPL in bilayered GDLs was the most influential factor in liquid water management.

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 enseignants0,025
Score d'incertitude au seuil0,459

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 Opus0,009
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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

Citations15
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Electrochemical Energy Conversion and StorageMême sujetFuel Cells and Related MaterialsTravaux en français237 207