MétaCan
Menu
Retour à la cohorte
Enregistrement W2749943324 · doi:10.11159/ffhmt17.136

Transient Changes in Liquid Water Distribution in Polymer Electrolyte Membrane Fuel Cells

2017· article· en· W2749943324 sur OpenAlexaffvenue
Rupak Banerjee, Chuzhang Han, Nan Ge, Aimy Bazylak

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésElectrolyteTransient (computer programming)PolymerLiquid waterMembraneFuel cellsTransient analysisMaterials scienceProton exchange membrane fuel cellChemical engineeringTransient responseChemistryComputer scienceThermodynamicsComposite materialElectrical engineeringElectrodeEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Water management is a critical factor in obtaining the highest performance and efficiency from polymer electrolyte membrane (PEM) fuel cells.The liquid water distribution in the individual layers of the PEM fuel cell has a strong impact on performance.The ionic conductivity of the membrane has a strong dependence on membrane hydration.The reactant gases in a PEM fuel cell are supplied through a humidification system to maintain appropriate levels of hydration in the membrane.However, the removal of the anode humidifier would significantly reduce the balance of plant costs and reduce the volume required for the fuel cell in an automotive setting.In this paper, the impact of lower anode humidification on the cell performance and the water distribution in the membrane and the cathode gas diffusion layer were studied.Synchrotron X-ray radiography was used to measure the changes in liquid water quantity in the individual layers.The impact of changing anode humidification on the water distribution is studied.The changes in membrane hydration levels have been measured by the radiographic technique and compared with the changes in membrane resistance.

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 enseignants0,015
Score d'incertitude au seuil0,478

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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetFuel Cells and Related MaterialsTravaux en français237 207