تشخیص‌‌آزمایشگاهی ‌غوطه‌وری کاتد و آند پیل‌سوختی‌غشاء‌پلیمری با توان زیر 300 وات با روش فازی- عصبی‌تطبیقی

امروزه به دلیل اهمیت روزافزون پیل‌سوختی غشاء پلیمری در تولید انرژی پاک، عیب‌یابی این مبدل انرژی اهمیت به سزایی یافته ‌است. عیب‌یابی در پیل سوختی می‌تواند به‌طور محسوسی سبب افزایش عمر مفید و قابلیت اطمینان آن شود. بخش زیادی از عیوب مربوط به پیل سوختی غشاء پلیمری ناشی از برهم خوردن تعادل رطوبت در آن است. غوطه‌وری یکی از شایع‌ترین عیوب مرتبط با عدم تعادل پیل سوختی است؛ که هم در بخش کاتد و هم در آند توده‌ی پیل محتمل است. در کارهای گذشته عمدتاً به کاتد به دلیل اینکه مبدا تولید آب است، به عنوان مکان محتمل برای بروز غوطه‌وری توجه شده‌ است. در این مقاله آند نیز به عنوان مکان محتمل برای بروز این پدیده موردتوجه قرار‌گرفته ‌است. روش این پژوهش بر این اساس است که از توده‌ی پیل در شرایط کارکرد سالم داده‌برداری می‌شود و تلاش می‌شود با استفاده از ورودی‌های مرتبط، سه پارامتر خروجی ولتاژ توده، افت فشار کاتد و افت فشار آند، با استفاده از روش فازی- عصبی تطبیقی تخمین‌ زده‌ شوند. در شرایط نامشخص ، مقایسه انحراف مقادیر واقعی خروجی‌ها از مدل با مقادیر مجاز انحراف‌ها (به ترتیب 0/0735 ولت، 0/0092 بار و 0/0047 بار) می‌تواند وقوع یا عدم وقوع غوطه‌وری را تعیین کند.

experimental cathode-anode flooding diagnosis of polymer-electrolyte fuel cell of power under 300w using adaptive-neuro-fuzzy method

today, due to the growing importance of polymer electrolyte membrane fuel cells in the production of clean energy, the diagnosis of this energy converter has become very important. diagnosis can significantly increase the useful life and reliability of the fuel cell. a major part of the defects related to the polymer electrolyte membrane fuel cells is due to the disturbance of the moisture balance in them. flooding is one of the most common defects associated with fuel cell imbalance, which is possible in both the cathode and the anode side of the cell. in previous works, the cathode has been considered as the only possible place for flooding, mainly because it is the source of water production. in this article, the anode is also considered as a possible place for this phenomenon. the method of this research is based on taking data from the stack under healthy operating conditions and trying to estimate the output parameters of stack voltage, cathode pressure drop, and anode pressure drop using related inputs using the adaptive neuro-fuzzy method. in conditions of uncertain operation in which the healthy or flooding operation of the stack is not known, comparing the deviation of the actual values of the outputs from the model with the allowable values of these deviations (0.735 [v], 0.0092 [bar] and 0.0047 [bar], respectively) can lead to determining flooding or normal conditions.