Estimating the fatigue lifetime of mechanically reinforced membranes in fuel cell applications
Notice bibliographique
Résumé
This work presents an innovative projection algorithm to estimate the fatigue lifetime of mechanically reinforced membranes in proton exchange membrane fuel cells (PEMFCs), using in-situ finite element modeling and pressure-differential accelerated mechanical stress testing (ΔP-AMST). The method uses critical accumulated plastic dissipation energy to extend ΔP-AMST results to real-world durability, reducing durability testing time and cost. The constitutive model accounts for temperature, humidity, strain rate, and compressive stress from clamping and gas pressure differentials and can thus be applied to both ΔP-AMST and in-situ fuel cell conditions. The findings of the validated CAPDE-based lifetime prediction model show that reinforced membranes are more vulnerable to fatigue under fuel cell operation at high temperatures. However, minimizing dry phases in humidity cycles and optimizing membrane swelling ratios can improve fatigue lifetime. Variations in the Young's modulus of adjacent layers have minimal effect, while reducing the channel-to-land width ratio improves membrane fatigue life but may impact fuel cell performance. These insights highlight the utility of the model as well as the importance of balancing design and operation for optimal PEMFC durability and efficiency. • Novel method projects membrane fatigue lifetime using ΔP-AMST and FEM modeling. • CAPDE introduced as a threshold for membrane fatigue failure prediction. • FEM model includes effects of RH, temperature, clamping, and pressure loads. • Reduced dry phase and higher swelling ratio boost membrane fatigue lifetime. • CL and GDL properties have minimal effect on membrane fatigue performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».