MétaCan
Menu
← Retour à la cohorte
Enregistrement W2910944862 · doi:10.1109/vppc.2018.8605016

Optimized Fuzzy Thermal Management of an Open Cathode Fuel Cell System

2018· article· en· W2910944862 sur OpenAlexaff
Mohsen Kandidayeni, Alvaro Macías, Loïc Boulon, Sousso Kélouwani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésCathodeFuel cellsThermal management of electronic devices and systemsThermalFuzzy logicComputer scienceNuclear engineeringElectrical engineeringEngineeringMechanical engineeringArtificial intelligenceChemical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Temperature control has an important part to play in the performance and durability of an open cathode proton exchange membrane fuel cell (PEMFC). This paper puts forward an optimized fuzzy temperature controller with the aim of controlling the cooling fan to provide stable operating conditions in a 500-W Horizon PEMFC. In this respect, an electrochemical model and a thermal model are calibrated for the mentioned PEMFC by means of an optimization algorithm in the first place. Subsequently, a fuzzy logic controller (FLC) is designed and optimized to regulate the temperature by considering the operating current and temperature error as inputs and the fan duty cycle as the only output. The temperature error is determined by the difference between the actual temperature and the reference one. The main idea is to control the fan, which is responsible for water removing, stoichiometry, and temperature regulation, to achieve the reference temperature as fast as possible. The final results of this work indicate the effectiveness of the proposed FLC in reaching the set temperature. The proposed controller can be used in the maximum power point tracking of a PEMFC since this point is reached in a particular stable temperature.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,209 · 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
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFuel Cells and Related Materials→Travaux en français237 207→