A systematic review of machine learning methods applied to fuel cells in performance evaluation, durability prediction, and application monitoring

耐久性 计算机科学 航空航天 燃料电池 工艺工程 电化学能量转换 化学能 汽车工程 机械工程 材料科学 电化学 航空航天工程 化学 工程类 化学工程 数据库 物理化学 有机化学 电极
作者
Wuyi Ming,Peiyan Sun,Zhen Zhang,Wenzhe Qiu,Jinguang Du,Xiaoke Li,Yanming Zhang,Guojun Zhang,Kun Liu,Yu Wang,Xudong Guo
出处
期刊:International Journal of Hydrogen Energy [Elsevier]
卷期号:48 (13): 5197-5228 被引量:38
标识
DOI:10.1016/j.ijhydene.2022.10.261
摘要

A fuel cell is a power generation device that directly converts chemical energy into electrical energy through chemical reactions; fuel cells are widely used in aerospace, electric vehicle, and small-scale stationary engine applications. The complex phenomena including mass/heat transfer, electrochemical reactions, and ion/electron conduction, can significantly affect the energy efficiency and durability of fuel cells, but are difficult to determine completely. Machine learning (ML) performs well in solving complex problems in engineering applications and scientific research. In this paper, a systematic review is conducted to explore ML methods, including traditional ML and deep learning (DL) methods, applied to fuel cells for performance evaluation (material selection, chemical reaction modeling, and polarization curves), durability prediction (state of health, fault diagnostics, and remaining useful life), and application monitoring. Then comparisons of traditional ML and DL methods are discussed, while the similarities and differences between ML and integrated physics simulations are also concluded. Eventually, the scope of ML methods applied to fuel cells is presented, and outlooks of future researches on ML applications in fuel cells are identified.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
刚刚
和谐幻柏完成签到,获得积分10
1秒前
健忘的沛蓝完成签到 ,获得积分10
2秒前
十月完成签到 ,获得积分10
5秒前
ljz910005发布了新的文献求助10
5秒前
5秒前
6秒前
燕子完成签到,获得积分10
6秒前
colin完成签到 ,获得积分10
9秒前
9秒前
李健应助Aurora采纳,获得10
10秒前
11秒前
wdnyrrc发布了新的文献求助30
11秒前
12秒前
自然浩阑完成签到,获得积分10
12秒前
lyj完成签到,获得积分10
13秒前
快乐的纸飞机完成签到 ,获得积分10
14秒前
14秒前
cc完成签到 ,获得积分10
15秒前
15秒前
自然浩阑发布了新的文献求助30
16秒前
思源应助认真逊采纳,获得10
18秒前
18秒前
19秒前
李健的小迷弟应助梦灵采纳,获得10
19秒前
20秒前
小穆完成签到,获得积分10
20秒前
22秒前
漂亮的倒挂金钩完成签到,获得积分10
22秒前
自觉闭月完成签到,获得积分10
23秒前
24秒前
owlhealth发布了新的文献求助10
25秒前
26秒前
WLGH7发布了新的文献求助10
26秒前
nlyk发布了新的文献求助10
27秒前
猫不吃狗粮完成签到,获得积分10
27秒前
小马甲应助曲奇饼干采纳,获得10
27秒前
28秒前
29秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
The Conscience of the Party: Hu Yaobang, China’s Communist Reformer 600
Geochemistry, 2nd Edition 地球化学经典教科书第二版,不要epub版本 431
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3301649
求助须知:如何正确求助?哪些是违规求助? 2936248
关于积分的说明 8476984
捐赠科研通 2610006
什么是DOI,文献DOI怎么找? 1424988
科研通“疑难数据库(出版商)”最低求助积分说明 662216
邀请新用户注册赠送积分活动 646340