BlowView simulation tools for design and optimization of thermoplastic liner in hyperbaric on-board hydrogen storage tanks for mobility
Notice bibliographique
Résumé
A key challenge to the widespread commercialization of fuel cell electrical vehicle, is to design compact and cost effective on-board Compressed Gaseous Hydrogen tanks which store sufficient quantities of H2 without sacrificing passenger and cargo space. The first generation of FCEVs use 700 bar Type IV pressure vessels to store hydrogen. These vessels have a cylindrical BMPL, overwrapped by carbon-fiber composite material to maintain the internal pressure, which serves as a hydrogen gas permeation layer. However, due to its small molecular size, H2 permeates through the plastic liner wall. This represents a serious issue that should be addressed early in the design stage in order to minimize H2 emissions from the liner and conform to legal safety requirements and standards. Meanwhile, automotive OEMs and their suppliers are being challenged to design longer and thinner liners with very consistent wall thickness. One way to meet the hydrogen permeation rate requires a judicious choice of liner material. In the thermoplastic forming industry, it is still common practice to rely on trial and error to find the appropriate barrier layer configuration/thickness required to meet the permeation rate limit requirement. A tool offering a more efficient alternative, based on reliable predictive/virtual analysis of the H2 diffusion through the BMPL wall, could significantly shorten the design/development cycle by allowing product prototypes to be analyzed and tested virtually. A finite element based model that could help a designer better understand barrier layer properties was integrated in the latest version of NRC's BlowView software. The mathematical diffusion model adopted is based on Fick's diffusion law to predict H2 diffusion through a polymeric wall. Promising results, in terms of H2 permeation rate on an industrial BMPL, will presented during the presentation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,002 |
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 ».