公开(公告)号：CN118468699A

公开(公告)日：2024-08-09

申请号：CN202410538241.5

申请日：2024-04-30

Applicant: 吉林大学

Inventor： 张春伟 ,  吴凯泽 ,  齐绍通 ,  程禹博 ,  黄宗博 ,  张云笛 ,  齐晨

IPC: G06F30/27 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明适用于燃料电池技术领域，提供了一种基于三维卷积神经网络的GDL绝对渗透率预测方法，本发明基于Porespy软件平台构建了GDL重构模型。采用SNOW算法对GDL模型进行简化生成了孔隙网络模型；通过单向流模拟方法进行详尽计算，将GDL重构模型图像所对应的绝对渗透率作为关键标签，并进一步将GDL重构模型各图像及其对应的绝对渗透率整合为样本数据集，利用这一数据集对三维卷积神经网络进行训练，通过优化算法，最终得到了针对GDL绝对渗透率的最优预测模型。本发明巧妙地将深度学习与计算机仿真技术相结合，为解决当前质子交换膜燃料电池水管理问题提供了一种解决方案，有助于推动相关技术的快速发展。