末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

劉建國(guó)/邢磊CEJ: 機(jī)器學(xué)習(xí)+多物理場(chǎng)模擬緩解PEM燃料電池中的氮?dú)鉂B透

劉建國(guó)/邢磊CEJ: 機(jī)器學(xué)習(xí)+多物理場(chǎng)模擬緩解PEM燃料電池中的氮?dú)鉂B透
質(zhì)子交換膜(PEM)燃料電池陽(yáng)極的氮?dú)鉂B透(NGC)和積累是不可避免的,它會(huì)導(dǎo)致性能下降,甚至對(duì)功能部件造成不可逆的損害。為了緩解這個(gè)問(wèn)題,研究人員建立了多物理場(chǎng)數(shù)值模型(MNM)來(lái)描述NGC行為并進(jìn)一步指導(dǎo)實(shí)驗(yàn)研究。然而,為了獲得抑制NGC并保持高性能的優(yōu)化參數(shù),在MSM上進(jìn)行的網(wǎng)格搜索將花費(fèi)無(wú)法承受的計(jì)算資源和時(shí)間。
劉建國(guó)/邢磊CEJ: 機(jī)器學(xué)習(xí)+多物理場(chǎng)模擬緩解PEM燃料電池中的氮?dú)鉂B透
為此,南京大學(xué)劉建國(guó)教授、英國(guó)牛津大學(xué)訪問(wèn)學(xué)者邢磊研究員等人創(chuàng)新性地引入了機(jī)器學(xué)習(xí)輔助 MNM(MSM-ML)作為代理模型,其中比較了9種最先進(jìn)的機(jī)器學(xué)習(xí)算法以極大地提高該工程問(wèn)題的解決效率。
其中,該模型主要包括4個(gè)部分:MNM的建立和驗(yàn)證、數(shù)據(jù)庫(kù)構(gòu)建、機(jī)器學(xué)習(xí)代理建模及多變量?jī)?yōu)化。首先,作者在商用軟件平臺(tái)COMSOL Multiphysics 5.5a上構(gòu)建了二維穩(wěn)態(tài)機(jī)理模型來(lái)描述PEM燃料電池中的NGC,并通過(guò)實(shí)驗(yàn)驗(yàn)證構(gòu)建了一個(gè)包含6個(gè)參數(shù)的數(shù)據(jù)庫(kù),這些參數(shù)對(duì)電池電流密度和NGC有很大影響。
其次,通過(guò)超參數(shù)自適應(yīng)網(wǎng)格搜索對(duì)機(jī)器學(xué)習(xí)領(lǐng)域廣泛使用的9種算法進(jìn)行訓(xùn)練、優(yōu)化,并通過(guò)SHAP進(jìn)行解釋。然后,通過(guò)算法競(jìng)爭(zhēng)獲得電流密度和NGC系數(shù)回歸的最佳機(jī)器學(xué)習(xí)模型。最后,使用粒子群優(yōu)化算法搜索6個(gè)研究參數(shù)的全局最優(yōu)組合。
劉建國(guó)/邢磊CEJ: 機(jī)器學(xué)習(xí)+多物理場(chǎng)模擬緩解PEM燃料電池中的氮?dú)鉂B透
圖1. 每種算法的電流密度回歸參數(shù)重要性及權(quán)重均值(WM)總結(jié)
作者將本研究的主要發(fā)現(xiàn)總結(jié)如下:
a)N2的積累大大降低了PEM燃料電池的性能。經(jīng)測(cè)量,最大電池功率密度損失為28.9%;
b)NGC系數(shù)在6維參數(shù)空間的分布表明各參數(shù)對(duì)NGC的影響是非單調(diào)的。因此,有必要引入一些先進(jìn)的策略來(lái)更快地進(jìn)行全局優(yōu)化;
c)創(chuàng)新地分割參數(shù)空間以尋找和驗(yàn)證每個(gè)參數(shù)的局部機(jī)制,回歸路徑比較和參數(shù)重要性排序增強(qiáng)了機(jī)器學(xué)習(xí)模型的可靠性;
d)在優(yōu)化范圍內(nèi),當(dāng)相對(duì)濕度為100%、流道深度為2.32 mm、膜厚度為10μm、氣體擴(kuò)散層厚度為100 μm、運(yùn)行壓力為3.7 atm及運(yùn)行溫度為323 K時(shí),可獲得最佳適應(yīng)度;
e)經(jīng)過(guò)開(kāi)發(fā)的MNM-ML模型多變量?jī)?yōu)化后,NGC系數(shù)降低了49.5%,電池性能提高了20%。此外,計(jì)算時(shí)間從幾個(gè)月減少到幾天??傊?,這種策略不僅可以用于緩解NGC,還可以擴(kuò)展到系統(tǒng)級(jí)別的其他復(fù)雜優(yōu)化任務(wù)。
劉建國(guó)/邢磊CEJ: 機(jī)器學(xué)習(xí)+多物理場(chǎng)模擬緩解PEM燃料電池中的氮?dú)鉂B透
圖2. 傳統(tǒng)MNM方法和MNM-ML策略的比較
Comparison of state-of-the-art machine learning algorithms and data-driven optimization methods for mitigating nitrogen crossover in PEM fuel cells, Chemical Engineering Journal 2022. DOI: 10.1016/j.cej.2022.136064

原創(chuàng)文章,作者:v-suan,如若轉(zhuǎn)載,請(qǐng)注明來(lái)源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/14/eb6bc013f0/

(0)

相關(guān)推薦

主站蜘蛛池模板: 武隆县| 临朐县| 翁牛特旗| 平凉市| 梅河口市| 桂阳县| 宁夏| 和林格尔县| 山东省| 西乌珠穆沁旗| 长汀县| 峡江县| 虎林市| 秀山| 呼图壁县| 古蔺县| 大丰市| 莎车县| 寿宁县| 包头市| 宾阳县| 怀柔区| 威海市| 南岸区| 新昌县| 饶平县| 辽宁省| 德钦县| 林西县| 文化| 荃湾区| 嵊州市| 景德镇市| 论坛| 高雄县| 浦东新区| 美姑县| 崇州市| 辽阳市| 华池县| 曲沃县|