利用生成对抗网络缩短氢燃料电池电堆上市时间
人工智能
2022-12-23 v1 机器学习
摘要
为应对对化石燃料的依赖并限制碳排放，燃料电池是一项极具前景的技术，并似乎是应对能源需求增长和推动能源转型的关键候选方案。为满足交通与固定式应用未来的需求，必须大幅缩短燃料电池电堆的上市时间。本文提出一种新概念，通过引入基于人工智能的颠覆性高效数据增强方法来缩短其开发时间。我们的成果将产品上市前所需的测试时间从一千小时缩短至几小时。此处提出的创新概念可在燃料电池开发过程中支撑工程与研究任务，以实现更低的开发成本与更短的上市时间。
关键词
引用
@article{arxiv.2212.11733,
title = {Time to Market Reduction for Hydrogen Fuel Cell Stacks using Generative Adversarial Networks},
author = {Nicolas Morizet and Perceval Desforges and Christophe Geissler and Elodie Pahon and Samir Jemeï and Daniel Hissel},
journal= {arXiv preprint arXiv:2212.11733},
year = {2022}
}