MétaCan
Menu
Retour à la cohorte
Enregistrement W3117209513 · doi:10.1149/ma2020-02352253mtgabs

Cumulative Damage Modeling of Fuel Cell Membranes

2020· article· en· W3117209513 sur OpenAlexaffabout
Narinder Singh Khattra, Sandeep Bhattacharya, Erik Kjeang, Michael Lauritzen

Notice bibliographique

RevueECS Meeting Abstracts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMembraneStress (linguistics)DurabilityElectrolyteRelative humidityFinite element methodCreepMaterials scienceEnvironmental scienceStructural engineeringEngineeringComposite materialChemistryPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

The strongly varying humid environment under which fuel cell membranes operate introduces detrimental mechanical stresses that inflict damage to the membrane1. The damage incurred by the membrane during each humidity cycle when accumulated over time may lead the membrane to fatigue failure. The residual fatigue life of the membrane is determined here by using a cumulative-damage model2. A time-temperature-humidity dependent constitutive model and a multi-physics fuel cell finite element model are first developed to characterize the material properties and estimate the coupled mechano-hygral-thermal stress field in the membrane. Using this multi-level modeling approach, and with the aid of experimentally obtained fatigue data, fail-safe regions (see Figure) are identified for the case of accelerated stress test loading. For general loads simulating fuel cell operation, the distribution of stress-reversals is calculated for the load history using rain-flow counting algorithm. The regions of membrane that are more susceptible to fatigue damage are identified. It is also found that high amplitude stress cycles with low occurrence percentage are more detrimental than high occurrence low-amplitude cycles. This work was supported by Natural Sciences and Engineering Research Council of Canada, Simon Fraser University Community Trust Endowment Fund, Canada Research Chairs, Mitacs through the Mitacs Accelerate program, and Ballard Power Systems. 1 Borup, R., et al., Scientific aspects of polymer electrolyte fuel cell durability and degradation. Chemical Reviews, 2007. 107(10): p. 3904-3951. 2 Fatemi, A. and L. Yang, Cumulative fatigue damage and life prediction theories: a survey of the state of the art for homogeneous materials. International Journal of Fatigue, 1998. 20(1): p. 9-34. Figure 1

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,212
Écart entre enseignants0,193 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetFuel Cells and Related MaterialsTravaux en français237 207