文献

J-GLOBAL ID：201902224513135140   整理番号：19A2405663

製造から運転までの固体酸化物燃料電池(SOFC)電極のモデリング:人工神経回路網と多目的遺伝的アルゴリズムによる微細構造最適化【JST・京大機械翻訳】

Modeling of solid oxide fuel cell (SOFC) electrodes from fabrication to operation: Microstructure optimization via artificial neural networks and multi-objective genetic algorithms

著者 (4件)： Yan Z. (Institute of Industrial Sciences, The University of Tokyo, Komaba 4-6-1, Meguro-ku, Tokyo 153-8505, Japan) ,  He A. (Institute of Industrial Sciences, The University of Tokyo, Komaba 4-6-1, Meguro-ku, Tokyo 153-8505, Japan) ,  Hara S. (Department of Mechanical Engineering, Faculty of Engineering, Chiba Institute of Technology, Tsudanuma 2-17-1, Narashino, Chiba 275-0016, Japan) ,  Shikazono N. (Institute of Industrial Sciences, The University of Tokyo, Komaba 4-6-1, Meguro-ku, Tokyo 153-8505, Japan)
資料名： Energy Conversion and Management  (Energy Conversion and Management)
巻： 198  ページ： Null  発行年： 2019年 
JST資料番号： A0552A  ISSN： 0196-8904  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,固体酸化物燃料電池(SOFC)電極微細構造の最適化のためのモデリングフレームワークを提案した。これは,人工知能支援多目的最適化による初期粉末から最終電気化学性能へのSOFCsの逐次シミュレーションを含む。SOFCのカソード過電圧および分解速度に及ぼす粒径,粒径分布(PSD)および細孔形成剤含有量のような出発粉体パラメータの影響を研究した。微細な粒子サイズおよび/または低い細孔形成剤含有量は,低いカソード過電圧をもたらすが,研究したパラメータの範囲では高い分解速度をもたらすことが示された。シミュレーションデータを用いた人工ニューラルネットワークにより,カソード過電圧と劣化速度の予測モデルを確立した。Sobolグローバル感度研究は,粒子サイズと細孔形成剤含有量がカソード過電圧と分解速度の決定に重要な役割を果たすが,PSD効果は重要でないことを示唆する。多目的遺伝的アルゴリズム(MOGA)を用いて,カソードの過電圧と劣化速度の両方を最小化した。陰極微細構造の最適設計のためにParetoフロントを得た。グリッド探索法と比較して,MOGAはSOFC電極微細構造最適化に対してよりロバストで効率的であることを証明した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *固体酸化物燃料電池 ,  *構造最適化 ,  *モデリング ,  最適設計 ,  *最適化 ,  粉体 ,  *微細構造 ,  粒径 ,  過電圧 ,  ロバスト性 ,  粒度 ,  シミュレーション ,  カソード ,  パラメータ ,  分解速度 ,  *改変

著者キーワード (5件)： 固体酸化物燃料電池 ,  微細構造最適化 ,  人工神経回路網 ,  パラメータ感度 ,  多目的遺伝的アルゴリズム

分類 (1件)： 燃料電池  (YB04040V)

タイトルに関連する用語 (6件)： 固体酸化物燃料電池 ,  SOFC ,  モデリング ,  人工神経回路網 ,  多目的遺伝的アルゴリズム ,  構造最適化