2019年,全球汽車產(chǎn)業(yè)進(jìn)入深度變革的關(guān)鍵時(shí)期。汽車技術(shù)、市場(chǎng)、政策正在發(fā)生前所未有的變化,機(jī)遇與挑戰(zhàn)并存。在這個(gè)大背景下,2020年1月10日中國電動(dòng)汽車百人會(huì)召開了以“把握形勢(shì)
聚焦轉(zhuǎn)型
引領(lǐng)創(chuàng)新”為主題的年度大型論壇。此次論壇將討論全球及中國汽車產(chǎn)業(yè)與市場(chǎng)發(fā)生的重大變革,轉(zhuǎn)型方向與路徑,中國有關(guān)汽車的政策走勢(shì)以及市場(chǎng)驅(qū)動(dòng)階段的新能源汽車技術(shù)路線、產(chǎn)業(yè)重組的機(jī)遇與競(jìng)爭(zhēng)合作模式、電動(dòng)汽車安全、核心技術(shù)突破、燃料電池汽車發(fā)展、自動(dòng)駕駛與智能網(wǎng)聯(lián)汽車發(fā)展的頂層設(shè)計(jì)與規(guī)制創(chuàng)新等相關(guān)內(nèi)容。
會(huì)議上西安交通大學(xué)教授屈治國發(fā)表了演講,以下為演講實(shí)錄:
西安交通大學(xué)教授 屈治國
尊敬的各位領(lǐng)導(dǎo)、各位專家大家早上好,非常榮幸和各位分享一下我們的工作,我是來自西安交通大學(xué)熱流科學(xué)與工程教育部重點(diǎn)實(shí)驗(yàn)室的屈治國。
燃料電池大家很清楚,一個(gè)是移動(dòng)的汽車用,第二是固定的發(fā)電裝置,我們主要工作主要針對(duì)水熱管理做性能仿真。目前設(shè)計(jì)從單電池到電堆到汽車的集成有些問題,主要是設(shè)計(jì)方面有一些設(shè)計(jì)工具的缺乏,一些定量精準(zhǔn)的設(shè)計(jì)工具,我們做的事就是要解決設(shè)計(jì)好用好用多久的問題。我們要開發(fā)一些好的設(shè)計(jì)工具。第一個(gè)講一下燃料電池裝配壓力的影響,我們把電堆組裝時(shí)候會(huì)產(chǎn)生一些預(yù)緊力,通過螺栓連接起來,我們對(duì)這種產(chǎn)品,在6兆帕的時(shí)候,螺栓預(yù)緊以后擴(kuò)散層出現(xiàn)了斷裂、變形等,這對(duì)傳質(zhì)擴(kuò)散有很大的影響。怎么建這樣的模型,我們把有限元力學(xué)軟件ABAQUS和ANSYS結(jié)合起來,比如我們以標(biāo)準(zhǔn)的蛇形流場(chǎng)為例,壓縮以后進(jìn)入流道,擴(kuò)散性和滲透率都發(fā)生了改變。不同的預(yù)緊力發(fā)生了形變,孔隙率發(fā)生了改變,導(dǎo)致了空間上嚴(yán)重的不均衡性,所以這個(gè)壓縮比隨著裝配增加而增加,形變必然對(duì)擴(kuò)散性產(chǎn)生影響。壓縮以后流道的阻力就會(huì)增大,第二局部電流密度會(huì)發(fā)生改變,在這個(gè)位置電流密度大。從這里可以看到,1兆帕平均是最高的,所以有一個(gè)最優(yōu)值,這就是兩種競(jìng)爭(zhēng)的倒置管理,壓縮以后歐姆極化減少,正和負(fù)的相互作為,我們發(fā)現(xiàn)在1兆帕的時(shí)候,整體的凈功率是最高的。
第二個(gè)內(nèi)容,我們做一些性能開發(fā)。我們做了一個(gè)面向工程的設(shè)計(jì)軟件,1+1D模型,要想辦法從單電池以及到電堆,考慮不同單電池分布的不一致的影響。核心就是在垂直于質(zhì)子傳遞方向有一個(gè)一維模型,核心是要對(duì)水狀態(tài)的判斷。在流道方向我們以氣體組分方程作為質(zhì)子傳遞的邊緣條件,核心是水蒸氣模型的判斷,我們判斷含量的分布。我們要做一個(gè)軟件,輸入操作參數(shù)、結(jié)構(gòu)參數(shù)和輸出,通過調(diào)研我們自己建立了數(shù)據(jù)庫,把所有文獻(xiàn)能看到的,包括毛細(xì)壓力、熱導(dǎo)率等不同材料做到數(shù)據(jù)庫里,我們做到軟件里,用這個(gè)預(yù)測(cè)孔隙率擴(kuò)大的影響,變大有利于傳熱傳質(zhì)性增強(qiáng),但是歐姆極化電阻又增大,這又是此消彼漲的倒置關(guān)系,我們可以設(shè)置合理的孔隙率。到電堆層面,這幾年人工智能發(fā)展非常迅速,人工智能的方法在信息處理里有多種多樣的方法,對(duì)燃料電池多參數(shù)也是提供了可能,用的最多的是誤差反向的人工智能BPNN方法,有三層,輸入層、隱藏層和輸出層,可以建立一個(gè)系統(tǒng),通過很多數(shù)據(jù)訓(xùn)練,經(jīng)過前期的輸入、誤差的反向傳遞進(jìn)行偏差的調(diào)整,最后可以在小情況下獲得比較小的關(guān)系。有多種結(jié)構(gòu),這是我們推薦的結(jié)構(gòu),用傳統(tǒng)方法是很好的求解方法,經(jīng)典的一維、二維、三維,人工智能的優(yōu)點(diǎn)是建模簡(jiǎn)單,求解快速,準(zhǔn)確度高,缺點(diǎn)就是依賴于數(shù)據(jù)庫,應(yīng)用性上可以做到快速性能預(yù)測(cè)。
算法做好以后,首先就是要訓(xùn)練,我們發(fā)現(xiàn)在燃料電池當(dāng)試驗(yàn)指標(biāo)小的時(shí)候,樣本量小的時(shí)候,核心的權(quán)重,就是神經(jīng)元的連接關(guān)系,依賴于樣本的數(shù)量大小,后來我們又引入了遺傳算法,自動(dòng)進(jìn)行優(yōu)化,我用三重樣本數(shù),引進(jìn)以后學(xué)習(xí)訓(xùn)練的不一致性變得非常好,在同等樣本數(shù)條件下,這種方法預(yù)測(cè)性能更好。結(jié)合這種方法,我們把遺傳算法做到軟件里,比如參數(shù)很多,包括陰極的氣壓和溫度等做出不同的參數(shù),再做模塊的分析和電堆的水熱管理結(jié)合起來。
我們做一個(gè)案例,模型誤差分析,通過這種方法學(xué)習(xí),包括文獻(xiàn)里獲得,可以訓(xùn)練到誤差精度小于0.1%。基于這樣的思想,我們把燃料電池的軟件和人工智能兩個(gè)結(jié)合起來,開發(fā)了一個(gè)軟件,這是軟件的開始界面。我們可以把結(jié)構(gòu)參數(shù)都結(jié)合起來,操作參數(shù)結(jié)合起來,可以輸出它的性能,比如電池里的單電池的性能都可以輸出起來。這是一個(gè)案例,10個(gè)電池性能輸入?yún)?shù),這是輸出參數(shù),我們通過遺傳算法的學(xué)習(xí),這是10個(gè)片,不一致性分布算出來,結(jié)果也可以全部輸出出來。通過這樣我們可以獲得10片的不一致性,還有敏感性分析,單工況不同電流密度下電壓的不一致性,電流密度增加時(shí)不一致更加明顯。多工況不一致性,不同工況輸出特性不同,使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到更多組工況電堆輸出,可覆蓋全工況條件,節(jié)省測(cè)試時(shí)間。敏感性比較結(jié)果:陰極計(jì)量比>陽極計(jì)量比>冷卻水量>陰極壓力>陽極壓力>氣體入口溫度。
我的匯報(bào)就到這里,感謝各位專家。
|