全球最先进的常规动力潜艇-U31

最近,由欧洲最现代化的造船公司——霍瓦兹德意志造船公司(HDW)研制建造的世界第一艘全新的燃料电池驱动的潜艇U31“克拉西号”,经过试航准备交付德国海军。这种属于,212A型的常规潜艇配备了极其先进的“指挥和武器控制系统(CWCS)”以及诸多高科技装备,     

车用燃料电池质子交换膜研究进展

氢燃料电池汽车被认为是真正的环保新能源清洁动力汽车,质子交换膜作为其核心部分,它性能的好坏直接影响着燃料电池的性能与使用寿命。文章介绍了三类质子交换膜的研究情况,并提出静电纺丝技术能够通过控制材料形态来调整材料性能,在质子交换膜生产领域具有广阔的前景;发掘能够多方面提升质子交换膜性能的材料或者将多种填料复合改性将成为质子交换膜领域新的研究方向;为车用质子交换膜领域提供了新思路。     

冻土区寒季灌桩对地温场的影响分析

以热传导理论为基础建立了冻土区单桩地温场的热分析有限元模型,然后根据青藏高原清水河某地段实际气温和地温的初始条件计算了寒季施工条件下,混凝土入模温度分别为5 ℃及12 ℃时桩周地温场的变化,分析了混凝土入模温度对桩的自然回冻时间及施工进度可能造成的影响,所得结论可为冻土区钻孔灌注桩施工进度安排提供理论参考依据.     

基于氢能规划的氢动力技术及交通领域应用场景分析

氢能作为未来国家能源体系的重要组成部分,是实现碳中和的重要途径,氢动力技术路线的选择、氢能发展规划的制定十分重要。2022年3月我国发布《氢能产业中长期规划（2021-2035年）》,从国家层面对氢能发展作出战略定位和总体要求。在把握我国氢能规划内容与发展方向的基础下,通过文献综述,结合燃料电池示范城市发展情况、氢能动力技术路线内容,分析我国氢能产业发展路线、关键材料及部件国产化程度,阐述氢能在交通领域的应用及现状,提出发展建议。     

车用氢燃料电池系统性能测试评价标准体系分析

为了进一步推动车用氢燃料电池系统性能测试标准的完善统一,促进全国车用燃料电池行业标准体系的全面发展。文章分析了国内外各种应用场景下的氢燃料电池性能测试相关标准,提炼出可用于车用氢燃料电池系统性能测试的相关试验标准。通过对比各标准中性能测试的试验方法及评价指标,分析各标准对车用场景下的氢燃料电池性能测试适用性,提出较为全面的车用氢燃料电池系统性能测试评价标准建议。     

车用梯度阳极SOFC电性能实验研究

为推动我国能源结构转型和解决环境污染问题,发展以氢气为燃料的固体氧化燃料电池(SOFC)是一种有效的措施。微观结构梯度变化的梯度阳极设计有望提高SOFC性能,为探究梯度阳极SOFC的电性能,搭建了以梯度阳极SOFC纽扣电池为研究对象的电池电性能测量实验系统,通过调控电池的工作条件,测量了该纽扣式单电池在不同工作温度和不同入口流量下的开路电压和放电特性。研究发现,随着入口处燃料气体流量的增加,梯度阳极SOFC的输出电压和输出功率密度增加,电池电性能在燃料气体入口流量超过100mL·min^-1后基本保持不变。随着工作温度的升高,梯度阳极SOFC开路电压降低,输出电压和输出功率密度升高。当SOFC纽扣电池工作在温度为800℃、入口处燃料气体流量为125 mL·min^-1的条件下,测得最大功率密度0.31 W·cm^-2。     

BIMCO眼中的安全和有效——访BIMCO副秘书长Pedersen

当索马里海盗频频为"胜利"举行庆功宴,当世界各国在国际规则制定中为坚守自身利益争得面红耳赤,当温室气体减排、压载水交换、拆船相关标准日益严格……安全、有效已毋庸置疑地成为了当今航运界的高频关键词。如何理解这些关键词的内涵?我们走近BIMCO新任副秘书长Pedersen先生,请他对这些关键词做出独特解读。     

基于氢燃料电池零部件分析

当前科技领域关于氢燃料电池的研究较多,这是未来汽车理想的清洁能源之一。其核心零部件主要有五个,即质子交换膜、双极板、催化剂、空压机以及储氢罐。当前,我国关于该核心零部件的研究与发达国家相比还存在着一定差距。在未来,关于该电池核心零部件的研究,质子交换膜主要会集中在其生产制造技术方面,双极板会主要集中在复合材料方面,催化剂会集中在如何降低其铂载量方面,关于空压机的研究将会主要集中在离心式空压机的研究方面,储氢罐则主要集中在研究其材料、结构等方面。     

燃料电池轿车总布置的参数化设计

结合某燃料电池轿车的开发过程,阐述了燃料电池轿车总布置的参数化设计系统、关键技术和具体的布置方法,初步实现了对某燃料电池轿车总布置的参数化设计。     

基于LSTM的燃料电池发动机寿命预测

随着工业4.0和数据科学的发展,利用数据对氢燃料电池发动机剩余寿命进行预测,将有利于提前发现发动机性能退化问题,进而及时采取维护保养措施,对发动机安全运行以及延长发动机运行寿命至关重要。传统发动机寿命预测一般基于机理模式的经验判断或者数理统计,但在氢燃料电池发动机这个技术尚不稳定成熟的发展阶段,传统手段无法保证相对较低的误差。本文在不依赖于机理模式的情况下,利用传感器收集的数据,基于神经网络深度学习的模式,构建一种基于数据驱动的长短期记忆神经网络（LSTM）的剩余寿命预测模型,通过机器的训练与学习,分析预测氢燃料电池发动机的寿命衰减情况,为预测性维护提供数据支持。