ИИ научился выявлять причины неисправностей топливных элементов

Группа ученых из Центра исследований водорода и демонстрационных проектов Корейского института энергетических исследований (KIER) разработала метод анализа микроструктуры углеродного волокна, ключевого материала для водородных топливных элементов, который в 100 раз быстрее существующих методов. Это стало возможным благодаря использованию технологий цифрового двойника и искусственного интеллекта (ИИ).

Углеродное волокно играет важную роль в топливных элементах, обеспечивая отвод воды и подачу топлива. Со временем его структура изменяется, что снижает эффективность работы топливных элементов. Анализ микроструктуры углеродного волокна стал необходимым этапом диагностики состояния топливных элементов.

Однако до сих пор анализ микроструктуры с высокой разрешающей способностью был невозможен без разрушения образца и использования электронного микроскопа. Для решения этой проблемы команда разработала технологию, которая использует рентгеновскую томографию и модель обучения на базе ИИ для анализа микроструктуры углеродного волокна. Это позволяет проводить точный анализ без использования электронного микроскопа и, как следствие, диагностировать состояние топливных элементов в режиме близком к реальному времени.

Для обучения алгоритма были использованы более 5000 изображений более 200 образцов углеродного волокна. Модель обучена с точностью более 98%, что позволяет точно предсказать распределение и расположение ключевых компонентов материала. Этот метод значительно ускоряет процесс диагностики, выявляя повреждения и причины снижения производительности в считанные секунды.