Designing Tailored Gas Diffusion Layers with Pore Size Gradients via Electrospinning for Polymer Electrolyte Membrane Fuel Cells
Notice bibliographique
Résumé
We present electrospinning as a versatile technique to design and fabricate tailored polymer electrolyte membrane (PEM) fuel cell gas diffusion layers (GDLs) with a pore-size gradient (increasing from catalyst layer to flow field) to enhance the high current density performance and water management behavior of a PEM fuel cell. The novel graded electrospun GDL exhibits highly robust performance over a range of inlet gas relative humidities (RH). At relatively dry (50% RH) inlet conditions that exacerbate ohmic losses, the graded GDL lowers ohmic resistance and improves high current density performance compared to a uniform GDL with larger pores and fiber diameters. Specifically, the graded GDL facilitates a beneficial degree of liquid water retention at the catalyst layer/GDL interface due to the high capillary pressure inherent in its microstructure, thereby improving membrane hydration. Additionally, enhanced graphitization and connectivity of the graded electrospun fibers improves heat dissipation from the catalyst layer interface compared to the GDL with larger fiber diameters, thereby reducing membrane dehydration. When the inlet RH is raised to fully humid (100% RH) conditions, the graded GDL mitigates liquid water accumulation and lowers mass transport resistance. Specifically, the pore size gradient directs the removal of liquid water from the GDL, resulting in superior performance at high current densities.
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) | 0,000 | 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 ».