PEMFC non-invasive data-based diagnosis through external magnetic field measurements - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

PEMFC non-invasive data-based diagnosis through external magnetic field measurements

Diagnostic non invasif de piles à combustible basé sur les données par mesure de champ magnétique externe

Résumé

The normal and abnormal behavior of fuel cells can be determined by their internal current density distribution. Magneto tomography is applied to localize the 3D fault position by studying the external magnetic field around the stack, which is produced by the current density flow inside each cell of the stack. To evaluate the external magnetic field distribution, in this work we propose a new design of the magnetic field analyzer. This analyzer amplifies the magnetic field around the cell to perform an accurate detection of the fault position. This work focuses on 3D multi physical modeling and experimental validation of the magnetic field during operation of a polymer electrolyte membrane fuel cell emulator. A new concept of polymer electrolyte membrane fuel cell emulator has been especially designed to emulate the magnetic field of a real fuel cell stack. This emulator has been simulated and tested experimentally to prove the ability of the system in detecting 3D fault.As a main branch of data-driven fault diagnosis, this work also deals with an offline fault diagnosis of 2D polymer electrolyte membrane fuel cell stack emulator. A data-driven strategy is proposed for this emulator diagnosis. This strategy, features are extracted from the external magnetic field at the ferromagnetic circuit analyzer level which is produced by the experimental design of the current density flow variation inside the stack emulator. In the proposed approach, a set of feature extraction and classification models in machine learning were used to recognize the system diagnosis accuracy. This work focuses on an experimental and numerical training datasets. The proposed diagnosis strategies has been verified using the experimental data which covers a set of representative faults of the fuel cell.
Le comportement normal et anormal des piles à combustible peut être déterminé par la distribution de leur densité de courant interne. La magnéto tomographie est appliquée pour localiser la position du défaut en 3D en étudiant le champ magnétique externe autour de la pile, qui est produit par le flux de densité de courant à l'intérieur de chaque cellule de la pile. Pour évaluer la distribution du champ magnétique externe, nous proposons dans ce travail une nouvelle conception de l'analyseur de champ magnétique. Cet analyseur amplifie le champ magnétique autour de la cellule pour effectuer une détection précise de la position du défaut. Ce travail se concentre sur la modélisation multi physique 3D et la validation expérimentale du champ magnétique pendant le fonctionnement d'un émulateur de pile à combustible à membrane électrolyte polymère. Un nouveau concept d'émulateur de pile à combustible à membrane électrolyte polymère a été spécialement conçu pour émuler le champ magnétique d'une pile à combustible réelle. Cet émulateur a été simulé et testé expérimentalement pour prouver la capacité du système à détecter les défauts 3D.En tant que branche principale du diagnostic de panne piloté par les données, ce travail traite également du diagnostic de panne hors ligne d'un émulateur de pile à combustible 2D à membrane électrolyte polymère. Une stratégie basée sur les données est proposée pour le diagnostic de cet émulateur. Dans cette stratégie, les caractéristiques sont extraites du champ magnétique externe au niveau de l'analyseur de circuit ferromagnétique qui est produit par le plan expérimental de la variation du flux de densité de courant à l'intérieur de l'émulateur de pile. Dans l'approche proposée, un ensemble de modèles d'extraction de caractéristiques et de classification en apprentissage automatique a été utilisé pour reconnaître différentes singularités de densité de courant. Ce travail se concentre sur un ensemble de données d'entraînement expérimentales et numériques. Les stratégies de diagnostic proposées ont été vérifiées en utilisant les données expérimentales qui couvrent un ensemble de défauts. représentatifs de la pile à combustible.
Fichier principal
Vignette du fichier
UTBM_These_BAWAB_Ali_2022UBFCA013.pdf (14.06 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04524732 , version 1 (28-03-2024)

Identifiants

  • HAL Id : tel-04524732 , version 1

Citer

Ali Bawab. PEMFC non-invasive data-based diagnosis through external magnetic field measurements. Other. Université Bourgogne Franche-Comté, 2022. English. ⟨NNT : 2022UBFCA013⟩. ⟨tel-04524732⟩
0 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More