AppEn: ИИ проворнее человека находит причины неисправностей топливных элементов

Исследовательская группа доктора Чи-Юнг Юнга из Центра водородных исследований и демонстраций Корейского института энергетических исследований успешно разработала метод анализа микроструктуры бумаги из углеродного волокна, ключевого материала для водородных топливных элементов, со скоростью, в 100 раз превышающей существующие методы.

Этого удалось достичь благодаря использованию технологии цифрового двойника и искусственного интеллекта (ИИ).

Результаты опубликованы в издании Applied Energy.

Бумага из углеродного волокна является ключевым материалом в водородных топливных элементах, играя решающую роль в облегчении сброса воды и подачи топлива. Она состоит из таких материалов, как углеродные волокна, связующие вещества (клеи) и покрытия. Со временем расположение, структура и состояние покрытия этих материалов меняются, что приводит к снижению производительности топливного элемента. По этой причине анализ микроструктуры бумаги из углеродного волокна стал важным шагом в диагностике состояния топливных элементов.

Однако до сих пор анализ микроструктуры бумаги из углеродного волокна в режиме реального времени с высоким разрешением был невозможен. Это связано с тем, что для получения точных результатов анализа требуется процесс, при котором образец бумаги из углеродного волокна повреждается, а затем подвергается детальному исследованию с помощью электронного микроскопа.

Чтобы устранить ограничения существующих методов анализа, исследовательская группа разработала технологию, которая анализирует микроструктуру бумаги из углеродного волокна с помощью рентгеновской диагностики и модели обучения изображений на основе искусственного интеллекта. Примечательно, что эта технология позволяет проводить точный анализ только с помощью рентгеновской томографии, исключая необходимость использования электронного микроскопа. В результате она позволяет проводить диагностику состояния практически в режиме реального времени.

Исследовательская группа извлекла 5 000 изображений из более чем 200 образцов бумаги из углеродного волокна и обучила алгоритм машинного обучения на этих данных. В результате обученная модель смогла предсказать трехмерное распределение и расположение ключевых компонентов углеволоконной бумаги — углеродных волокон, связующих и покрытий — с точностью более 98%. Эта возможность позволяет сравнивать исходное состояние бумаги из углеродного волокна с ее текущим состоянием, что дает возможность немедленно выявить причины ухудшения характеристик.

Традиционный метод анализа, включающий дробление образцов бумаги из углеродного волокна и использование электронного микроскопа, занимает не менее 2 часов. В отличие от этого, модель анализа, разработанная исследовательской группой, позволяет определить деградацию, поврежденные участки и степень повреждения бумаги из углеродного волокна в течение нескольких секунд, используя только рентгеновское томографическое оборудование.

Кроме того, исследовательская группа использовала данные разработанной модели для систематического определения того, как такие факторы конструкции, как толщина бумаги из углеродного волокна и содержание связующего вещества, влияют на производительность топливного элемента. Они также извлекли оптимальные параметры конструкции и предложили идеальный план проектирования, направленный на повышение эффективности топливных элементов.

Доктор Чи-Юнг Юнг, ведущий исследователь, заявил:

Это исследование имеет большое значение, поскольку оно улучшает технологию анализа, сочетая ИИ с использованием виртуального пространства, и четко определяет взаимосвязь между структурой и свойствами энергетических материалов, демонстрируя тем самым свою практическую применимость. Мы ожидаем, что в будущем она сыграет важную роль в смежных областях, таких как вторичные батареи и электролиз воды.

Ранее ученые выяснили, как повысить эффективность топливных элементов.

31.12.2024