Les piles à combustible, composantes essentielles des véhicules électriques à hydrogène (FCEV), sont des systèmes de conversion d’énergie respectueux de l’environnement qui génèrent de l’électricité et de la chaleur grâce à la réaction chimique de l’hydrogène et de l’oxygène.
L’Institut coréen de recherche sur les normes et la science (KRISS) a développé une technologie permettant de détecter en temps réel les micro-défauts sur la surface des piles à combustible lors du processus de production.
La technologie de détection en temps réel
Le KRISS, dirigé par le président Hyun-min Park, a mis au point une technologie basée sur l’apprentissage profond qui permet la mesure 3D en temps réel. Cette technologie peut détecter les défauts sur la forme de surface en une seule prise, permettant ainsi une surveillance continue de la qualité du produit sans interrompre le processus de fabrication.
La méthode de projection de motif en une seule prise est utilisée pour la mesure 3D en temps réel de la forme de surface. La lumière avec un motif de grille composite dense est projetée sur la surface d’un objet, puis le motif déformé lors de la réflexion est analysé pour obtenir des informations 3D sur les défauts ou les dommages.
L’introduction de l’intelligence artificielle
Pour surmonter les limitations de cette méthodologie, l’équipe d’imagerie optique et de métrologie du KRISS a introduit un algorithme d’intelligence artificielle (IA) dans la méthode de projection de motif. Ils ont utilisé DYnet++, un nouveau réseau d’apprentissage profond développé par le KRISS, qui a été formé avec des données de mesure sur des milliers de formes de surface.
Cela permet à DYnet++ d’effectuer des mesures de morphologie 3D en temps réel sur des surfaces à faible réflectivité ou à formes complexes. Pour appliquer cette technologie aux échantillons de piles à combustible, l’équipe de recherche a également formé l’algorithme d’IA en utilisant des données sur des séparateurs métalliques présentant des défauts de surface.
Résultats et applications
Les résultats de la mesure de la morphologie 3D montrent que les bosses et les rayures sur les surfaces des échantillons, difficiles à déterminer par une inspection 2D conventionnelle, sont détectées avec succès en une seule prise grâce à l’algorithme d’IA. Cette technologie peut contribuer à l’émergence d’usines intelligentes dans divers domaines de l’industrie manufacturière, y compris les piles à combustible, en augmentant la productivité, en améliorant la qualité des produits et en réduisant les coûts.
Le Dr Young-Sik Ghim, responsable de l’équipe d’imagerie optique et de métrologie, a commenté : « Cette technologie peut être utilisée pour l’inspection en temps réel de divers défauts et pannes dans les séparateurs métalliques des piles à combustible. Elle peut non seulement maximiser les performances, mais aussi améliorer la durabilité et la sécurité des piles à combustible actuellement produites. »
En synthèse
La technologie développée par le KRISS permet de détecter en temps réel les micro-défauts sur la surface des piles à combustible lors du processus de production, contribuant ainsi à l’amélioration de la qualité et de la sécurité des véhicules électriques à pile à combustible à hydrogène. Grâce à l’introduction de l’intelligence artificielle et de l’apprentissage profond, cette technologie a le potentiel de transformer l’industrie manufacturière et d’accélérer l’adoption des usines intelligentes dans divers domaines, y compris la production de piles à combustible.
Pour une meilleure compréhension
1. Qu’est-ce qu’une pile à combustible ?
Une pile à combustible est un système de conversion d’énergie respectueux de l’environnement qui génère de l’électricité et de la chaleur grâce à la réaction chimique de l’hydrogène et de l’oxygène. Elle est utilisée dans les véhicules électriques à pile à combustible à hydrogène (FCEV).
2. Quelle est la technologie développée par le KRISS ?
Le KRISS a développé une technologie basée sur l’apprentissage profond qui permet la mesure 3D en temps réel et la détection des micro-défauts sur la surface des piles à combustible lors du processus de production.
3. Comment fonctionne la méthode de projection de motif en une seule prise ?
La lumière avec un motif de grille composite dense est projetée sur la surface d’un objet, puis le motif déformé lors de la réflexion est analysé pour obtenir des informations 3D sur les défauts ou les dommages.
4. Comment l’intelligence artificielle est-elle intégrée dans cette technologie ?
L’équipe d’imagerie optique et de métrologie du KRISS a introduit un algorithme d’intelligence artificielle (IA) dans la méthode de projection de motif. Ils ont utilisé DYnet++, un nouveau réseau d’apprentissage profond développé par le KRISS, qui a été formé avec des données de mesure sur des milliers de formes de surface.
5. Quels sont les avantages et les applications de cette technologie ?
Cette technologie peut contribuer à l’introduction d’usines intelligentes dans divers domaines de l’industrie manufacturière, y compris les piles à combustible, en augmentant la productivité, en améliorant la qualité des produits et en réduisant les coûts. Elle peut également améliorer la durabilité et la sécurité des piles à combustible actuellement produites.
Soutenus par le programme d’innovation technologique du ministère du commerce, de l’industrie et de l’énergie, les résultats de cette recherche ont été publiés en ligne dans IEEE Transactions on Industrial Electronics (IF : 8.162), une revue de renommée internationale dans le domaine de l’électromagnétisme, en mars 2023.
https://ieeexplore.ieee.org/document/10076402
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
