相关实验视频
Updated: May 26, 2025

14:57
Structural Design and Manufacturing of a Cruiser Class Solar Vehicle
Published on: January 30, 2019
13.7K
基于计算微力学和机器学习的复合碳纤维结构电池的设计,用于多功能性能预测
Mohamad A Raja1,2, Wonki Kim1, Wonvin Kim1
1Department of Mechanical Engineering, Korea Advanced Institute of Science & Technology (KAIST), 291 Daehak-ro, Yuseong-gu, Daejeon 305-701, Republic of Korea.
ACS applied materials & interfaces
|February 24, 2025
概括
这项研究使用计算框架加速了碳纤维结构电池的设计. 机器学习预测能储容量,优化多功能复合材料,用于先进的储能应用.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 电化学 电化学 电化学
背景情况:
- 多功能结构电池集成承载和储能,有望减轻重量和安全性.
- 商业化受到复杂的设计空间和昂贵的试错方法的限制.
- 基于碳纤维 (CF) 的复合材料与固体聚合物电解质 (SPE) 是关键候选者.
研究的目的:
- 通过使用验证的计算框架,加快基于CF的结构电池的设计.
- 为了有效地预测机械行为和能量储存能力.
- 为了证明机器学习对优化多功能复合材料的实用性.
主要方法:
- 有限元分析 (FEA) 与计算微力学用于机械行为和接口分析.
- 人工神经网络 (ANN) 通过贝叶斯优化优化,用于预测能量存储容量.
- 在快速降低容量条件下验证ANN模型.
主要成果:
- 准确预测宏观有效的材料特性和损伤机制.
- 使用数据驱动机器学习成功预测结构电池容量.
- 证明ANN适用于分析合的机械和电化学负荷的适用性.
结论:
- 计算框架显著加速了结构电池的设计.
- 机器学习模型对于预测性能和优化多功能复合材料是有效的.
- 这种方法为开发先进的结构性储能系统提供了有希望的见解.
更多相关视频
09:38Strain Sensing Based on Multiscale Composite Materials Reinforced with Graphene Nanoplatelets
Published on: November 7, 2016
8.7K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.4K