阳极的SEM。学分:赫里奥特-瓦特大学探索极端环境会给我们赖以安全探索并有时在其中运行的工程系统带来巨大的操作理性挑战。在高价值和对安全至关重要的应用中，如空间探索或地下钻井，环境中极端且有时动态的操作条件可能会使理解关键组件和子系统的预期寿命变得困难。因此，这是一个高度复杂的情况，有时是不可能准确理解和预测的。
为了在这些充满挑战的环境中进行安全、有弹性且经济可行的操作，了解高温对电化学电容器等关键设备的影响至关重要。与电池相比，电化学电容器，也称为超级电容器、超级电容器或电化学双层电容器，可以承受高放电-充电电流，因此适合承受峰值功率需求。当在高温环境下运行时，电子商务的长循环寿命使其成为挑战性和极端环境的理想选择。
在极端环境系统中，操作超出制造商建议范围的部件是很常见的。这使得理解和预测此类组件寿命终止的能力成为一项重大挑战。为了应对这一挑战，在我们的研究中，我们重点关注在高达200℃的温度下运行的电子控制系统，特别是用于地热或油气勘探的机载井下钻井设备的电子控制系统。井下工具是复杂的机电系统，在钻井作业中发挥着关键作用，设计用于承受极端温度、冲击和振动。
电池的阴极。学分:赫里奥特-瓦特大学在我们的研究中，我们部署了一种机器学习算法来预测电化学双层电容器在石油和天然气钻井环境中高温循环时超过拐点开始点的退化趋势。高温操作会加速EC降解，因此我们研究了上述应用的最坏情况。
最近发表在IEEE Access上，由赫里奥特-瓦特大学弗林教授的智能系统小组领导，与贝克休斯、马里兰大学和劳埃德注册基金会合作。
大卫·弗林教授指出:“这项研究表明，在理解和预测关键部件预期寿命的能力方面取得了重大进步。我们的实验结果表明，当环境温度超过最高工作温度30%时，在1000次循环中会出现寿命终止，即电容下降30%。使用生命周期测试数据，这是不容易获得的，并且很难获得，我们创建了一个机器学习模型，当参考95%的置信区间时，其平均均方根误差小于2%，平均校准分数为93%。我们的模型可用于确定一系列工作温度值下的EC降解速率”。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
