MétaCan
Menu
Retour à la cohorte
Enregistrement W3094131349 · doi:10.3390/membranes10110301

Effects of 1, 2, 4-Triazole Additive on PEM Fuel Cell Conditioning

2020· article· en· W3094131349 sur OpenAlexafffund
Nana Zhao, Zhiqing Shi, Régis Chenitz, François Girard, Asmae Mokrini

Notice bibliographique

RevueMembranes · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentNatural Resources CanadaNational Research Council Canada
Mots-clésProton exchange membrane fuel cellMembraneChemical engineeringDielectric spectroscopyCyclic voltammetryMaterials scienceElectrolyteConditioningChemistryElectrochemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Melt processing is one of the essential technologies for the mass production of polymer electrolyte membranes (PEM) at low cost. Azoles have been widely used in PEM to improve their conductivity at a relatively low humidity and recently as bifunctional additives in a melt blowing processing for PEM mass production. In this work, we attempted to assess the effect of 1, 2, 4-triazole additive in membranes and in catalyst layers on PEM fuel cell conditioning. Various characterization tools including electrochemical impedance spectroscopy (EIS), cyclic voltammetry (CV) and conditioning with constant current were applied to diagnose the temporary electrochemical reaction effect and the permanent performance loss caused by the triazole additives. It was found that triazole additives in membranes could migrate into the catalyst layers and significantly affect the open circuit voltage (OCV) and the conditioning. The effect could be partially or completely removed/cleaned either through longer conditioning time or via CV cycling, which depends on the amount of additives remaining in the membrane. The findings provide valuable scientific insights on the relevance of post treatment steps during membrane production and overcoming fuel cell contamination issues due to residual additive in the membranes and understanding the quality control needed for fuel cell membranes by melt blowing processing.

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 enseignants0,176
Score d'incertitude au seuil0,371

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 Opus0,005
Tête enseignante GPT0,171
Écart entre enseignants0,166 · 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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetFuel Cells and Related MaterialsTravaux en français237 207