Newswise – Dies Forschungsteam von Dr. Lebenskraft-Young Jung vom Wasserstoffgas Research & Demonstration Center am Korea Institute of Energy Research (KIER) hat triumphierend eine Methode zur Schluss dieser Mikrostruktur von Kohlefaserpapier, einem Schlüsselmaterial in Wasserstoff-Brennstoffzellen, entwickelt eine Tempo, die 100-mal schneller ist denn bestehende Methoden. Dies wurde durch den Sicherheit digitaler Zwillingstechnologie und Lernen mit künstlicher Intelligenz (KI) erreicht.
Kohlefaserpapier ist ein Schlüsselmaterial in Wasserstoff-Brennstoffzellenstapeln und spielt eine entscheidende Rolle wohnhaft bei dieser Erleichterung dieser Wasserableitung und dieser Kraftstoffversorgung. Es besteht aus Materialien wie Kohlenstofffasern, Bindemitteln (Klebstoffen) und Beschichtungen. Mit dieser Zeit verändern sich Aufgabe, Struktur und Beschichtungszustand dieser Materialien, welches zu einem Leistungsabfall dieser Brennstoffzelle führt. Punktum diesem Grund ist die Schluss dieser Mikrostruktur von Kohlefaserpapier zu einem wesentlichen Schrittgeschwindigkeit wohnhaft bei dieser Diagnose des Zustands von Brennstoffzellen geworden.
Eine Echtzeitanalyse dieser hochauflösenden Mikrostruktur von Kohlefaserpapier war bisher jedoch nicht möglich. Denn um genaue Analyseergebnisse zu erhalten, ist ein Prozess erforderlich, wohnhaft bei dem die Kohlefaserpapierprobe drittklassig und anschließend einer detaillierten Untersuchung mit einem Elektronenmikroskop unterzogen wird.
Um die Einschränkungen bestehender Analysemethoden zu entsorgen, entwickelte dies Forschungsteam eine Technologie, die die Mikrostruktur von Kohlefaserpapier mithilfe von Röntgendiagnostik und einem KI-basierten Bildlernmodell analysiert. Insbesondere ermöglicht solche Technologie eine präzise Schluss ausschließlich mit Röntgentomographie, sodass kein Elektronenmikroskop erforderlich ist. Im Zuge dessen ist eine Zustandsdiagnose nahezu in Echtzeit möglich.
Dies Forschungsteam extrahierte 5.000 Bilder aus reichlich 200 Proben von Kohlefaserpapier und trainierte mit diesen Wissen verdongeln Algorithmus pro maschinelles Lernen. Im Zuge dessen war dies trainierte Muster in dieser Position, die 3D-Verteilung und Aufgabe dieser Schlüsselkomponenten von Kohlefaserpapier – einschließlich Kohlefasern, Bindemitteln und Beschichtungen – mit einer Gewissenhaftigkeit von reichlich 98 % vorherzusagen. Ebendiese Prozedur ermöglicht den Vergleich des Ausgangszustands des Kohlefaserpapiers mit seinem aktuellen Zustand und ermöglicht so die sofortige Identifizierung von Ursachen pro Leistungseinbußen.
Die herkömmliche Analysemethode, wohnhaft bei dieser Kohlefaserpapierproben zerkleinert und ein Elektronenmikroskop verwendet werden, dauert mindestens zwei Zahlungsfrist aufschieben. Im Spannungsfeld dazu kann dies vom Forschungsteam entwickelte Analysemodell die Degradierung, die beschädigten Bereiche und dies Format dieser Beschädigung im Kohlefaserpapier intrinsisch weniger Sekunden mithilfe von Röntgentomographiegeräten identifizieren.
Darüber hinaus nutzte dies Forschungsteam Wissen aus dem entwickelten Muster, um wissenschaftlich zu ermitteln, wie Designfaktoren wie die Festigkeit des Kohlefaserpapiers und dieser Bindemittelgehalt die Leistung dieser Brennstoffzelle verändern. Sie extrahierten außerdem optimale Designparameter und schlugen verdongeln idealen Designplan zur Verbesserung dieser Energieeffizienz von Brennstoffzellen vor.
Dr. Lebenskraft-Young Jung, dieser leitende Forscher, erklärte: „Ebendiese Studie ist insofern von Wert, denn sie die Analysetechnologie durch die Verknüpfung von KI mit virtueller Raumnutzung verbessert und die Relation zwischen dieser Struktur und den Eigenschaften von Energiematerialien lichtvoll identifiziert und so ihre praktische Zweckmäßigkeit demonstriert.“ Zweckmäßigkeit.“ Er fügte hinzu: „Wir möglich sein davon aus, dass es in Zukunft in verwandten Bereichen wie Sekundärbatterien und Wasserelektrolyse eine bedeutende Rolle spielen wird.“
Ebendiese Studie wurde mit Unterstützung des Forschungsprogramms des Korea Institute of Energy Research (KIER) durchgeführt und im zehnter Monat des Jahres 2024 online in Applied Energy, einer weltweit renommierten Zeitschrift im Energiesektor, veröffentlicht.
