用于储氢容器设计的复合材料和人工智能的最新进展综述
摘要
一氧化碳对环境的影响排放得到广泛认可，因此开发替代推进系统成为优先事项。氢气是替代化石燃料用于运输应用的潜在候选者，考虑了三种技术用于氢气的车载储存：以压缩气体形式储存、以低温液体形式储存和以固体形式储存。这些技术现在正在竞争以满足汽车制造商的要求;每个挑战都有其独特的挑战，必须了解这些挑战才能指导未来的研发工作。本文回顾了储氢容器 （HSV） 设计的技术发展，包括其技术性能、制造成本、安全性和环境影响。更具体地说，探讨了对纤维增强聚合物复合 HSV 的最新审查，包括报废回收选项。对当前 HSV 的数值模型进行了审查，包括使用人工智能技术来评估复合 HSV 的性能，从而为实现更可持续的未来提供更复杂的设计。
关键词：储氢;复合材料;运输应用;循环经济;回收;人工智能;可持续发展
1. 引言
化石燃料威胁环境，因为它们使用自然资源，使温室气体恶化，并污染空气。需要更清洁的能源 [1,2,3,4]，而氢气是运输应用的可能解决方案。除了实现道路运输的脱碳外，氢能还可以显著减少当地的空气污染 [5]。氢气是一种无毒、无色、无味的气体，与标准燃料相比，其单位质量能量密度最高，更重要的是，其燃料基础设施与传统道路燃料相当 [6]。
在过去的几年里，使氢能满足能源和气候目标的计划数量有所增加。自 2000 年以来 [7]，全球已经启动了 230 个将电能转化为氢气的项目（图 1）。2017 年和 2018 年安装的水电解槽的资本成本每年约为 20-3000 万美元。对储罐、加油基础设施、管道和其他设备的额外投资将使项目的总成本更高。碱性和质子交换膜 （PEM） 电解槽都经常用于这些项目，但最近的项目倾向于使用 PEM，这反映出许多测试条件有利于具有相当大成本节省潜力的不太成熟的技术。
图 1.按技术和开始日期划分的氢气生产能力
有望提高效率的固体氧化物电解槽电池也正在进入这个市场。到目前为止，这些项目中的电解槽的容量不超过 10 MWe（组件在 2 到 4 MW 之间），而且大多数都要小得多 [8]。一个 20 MWE 的项目目前正在开发中，而几个项目想法超过了 100 MWE 大关。一些项目已经证明了氢气可以转化为合成甲烷、甲醇、氨和其他氢基燃料和原料[9]。
然而，氢气可以通过各种物理和化学方式储存。已经考虑了三种在运输车辆中储存氢气的技术：在压缩气体中储存（35 MPa 或 70 MPa）、以低温液体形式储存 （20 K） 和固体储存 [10]。可以区分出三个主要的材料族，以实现氢的固体储存：可逆金属氢化物 （LaNi5H6、 FeTiH2毫克2镍氢4...）、络合氢化物 （NaAlH4、LiAlH4、NaBH4...），以及多孔材料，如碳纳米管和沸石[11]。这些技术现在正在竞争中，以满足汽车制造商的要求。
材料科学和新材料的研究使工程师可以考虑在他们的设计中使用不太常见的材料 [12,13,14]。复合材料正逐渐被用于船舶、航空航天、汽车和其他行业的更多应用[15,16,17,18]。复合材料具有优异的强度重量比、更好的热性能和机械性能，以及通过组合不同的组成材料获得的许多其他理想特性[19,20,21,22,23]。它们在储氢容器中的使用可以提高系统的效率。储氢罐设计必须考虑应用、测试压力、外部环境（包括潜在的机械效应、化学降解、集成等）、生命周期以及为固定和便携式应用定义的安全系数 [24]。在选择材料时，还应考虑失效模式和工作条件[25,26,27]。
氢气容器通常使用复合材料作为最成熟的解决方案。这些罐通常使用纤维缠绕工艺制成，这在很大程度上取决于材料的选择。因此，研究人员此后探索了树脂基质系统和衬垫系统的多种材料选择[28]。然而，几个限制因素阻碍了复合材料更广泛地用于生产复杂的储氢罐，包括高生命周期成本和可回收性差。根据储罐尺寸和生产量，碳纤维约占储罐成本的45-80%[29]。此外，应评估氢能交通对环境的影响，并将其与其他运输方式进行比较，包括氢系统部件在其使用寿命结束时的回收利用（特别是燃料电池和储罐）[30]。为了解决这些问题，热塑性塑料似乎在氢兼容性和大众汽车市场的需求方面提供了一个有前途的解决方案[31]。纳米复合材料因其卓越的机械、电学、电子、光学、磁性和表面特性而引起了研究人员的兴趣[32]。这些材料的高表面积/体积比对储能具有至关重要的影响。巨大的表面积和纳米材料改进的可能性是这种新型储氢材料的基本特征。几项研究表明，纳米填料对拉伸特性、热导率、热稳定性和气体阻隔性有严重影响[33,34]。
本文研究了复合材料和纳米复合材料在储氢罐应用中的使用。应用不同的机器学习技术来表征和预测复合材料在不同长度尺度下的性能。在实践中，这些方法使用降维技术来减少生成的数据集，并训练机器学习分类器来预测结构层面的机械行为。本文介绍了人工智能和数字孪生技术在预测储氢容器湿热机械行为中的应用。本文的结构如下：第 2 节概述了当前的储氢容器类型。第 3 节探讨了储氢容器的设计。第 4 节介绍了复合材料和纳米复合材料在储氢容器中的使用。第 5 节全面回顾了用于模拟储氢容器湿热机械行为的数值方法。第 6 节介绍了用于模拟复合储氢罐的人工智能和优化模型。
2. 不同类型的储氢
目前船上储氢的选择包括压缩氢气、低温和液态氢、吸附剂、金属氢化物和化学氢化物（图 2）[37]。
图 2.不同类型的储氢 [37]。
2.1. 物理存储
2.1.1. 压缩氢储存 （CGH2)
最成熟的储氢技术是在高压罐中储存压缩气体。储氢容器有四种常规形式：I型、II型、III型和IV型（见图3）[38]。I 型容器是全金属（通常是钢）的，因此最重;它们主要用于工业中的固定用途。在 200–300 bar 的压力下，I 型容器在全球范围内储存了约 1% 的氢气 [39]。II 型容器在金属衬套上有一个复合套筒（环向），其重量小于 I 型。I 型和 II 型容器都不适合车辆应用，因为它们的储氢密度低，这是由高质量和氢脆问题引起的。III 型容器使用带有金属衬里的全包裹复合圆柱体，用作氢渗透屏障。金属衬垫通常是铝 （Al），可消除脆化并提供超过 5% 的机械阻力 [40]。III 型容器的质量比 I 型和 II 型容器增加 25-75%，使其更适合车辆应用;然而，它们更昂贵。III 型容器也被证明在高达 450 bar 的压力下是可靠的;然而，超过 700 bar 的压力循环测试仍然存在问题 [41]。IV 型容器使用带有塑料衬里（通常是高密度聚乙烯）的完全包裹的复合圆筒，仅用作氢渗透屏障。承重结构是复合外包装，通常由环氧树脂基体中的碳纤维或碳/玻璃纤维复合材料组成。IV型压力容器是最轻的压力容器，是车辆应用的理想选择，它们可以承受高达1000 bar的压力[42]。然而，由于碳纤维的成本高昂，它们的价格高得令人望而却步。考虑到高产量，成本估计表明碳纤维约占储存容器成本的 75%。V 型储罐处于设计阶段，可能会使用联系更紧密的热塑性衬里和复合结构;复合材料和衬垫将由相同的热塑性聚合物制成[43]，但需要进一步开发以确保这些储罐在使用中是安全的。
图 3.五种压力容器的示意图[38]。
在考虑不同类型的储氢容器时，成本是一个关键因素。压缩气体储存通常是最具成本效益的选择，每公斤储氢容量的成本相对较低。但是，气瓶可能又重又笨重，并且需要经常重新填充。液氢储存是一种更昂贵的选择，保持低温所需的专用储罐和绝缘材料的前期成本更高。金属氢化物和化学氢化物储存是具有更高存储密度和安全性的新技术，但它们可能比压缩气体或液氢储存昂贵得多。最终，氢储存技术的选择将取决于几个因素，包括应用、所需的储存容量和成本效益。表 1 列出了不同类型的储氢罐及其特性。
表 1.不同类型储氢罐的特性。
2.1.2. 低温储氢 （LH2)
氢气也可以在大气压下以低温液体的形式储存在压缩氢气中。低温储氢比压缩氢气储存更好，因为它更安全且占用空间更小。当氢气以液体形式储存时，其体积密度会增加。在氢气的沸点 （253 °C） 和大气压下，液氢的理论体积密度 （LH2）为70 g L1，而在室温下，350 bar和700 bar的压缩氢分别为24 g L1和40 g L1[44]。使用液化的主要问题是它需要更多的能量来产生液体而不是压缩气体。氢气的临界温度为 −240 °C，高于此温度时不能冷凝。由于氢气的沸点低，它只能在低温下以液体形式储存。因此，必须使用昂贵的冷却。这种能源密集型过程使用氢气中 25-40% 的能量，而仅使用 10% 的能量将其压缩为气体 [45]。LH 系列2因此，低温容器必须进行真空绝热以保持如此低温。它们通常有两面壁，它们之间有一个真空，以防止热量逸出。然而，由于环境中的热量流入 LH，因此无法避免蒸发损失2并穿过其他部分，每天可高达 0.4% [46]。在制造低温氢气容器时，主要目标之一是确保液体的表面积尽可能小，这将防止热量从大气中进入液体。
如果容器位于狭小空间内，蒸发损失可能很危险。例如，如果一辆装有低温氢气罐的汽车在封闭的车 库中放置几天，氢气可能会蒸发并引起火灾。宝马已经开发出了可以使用汽油和低温氢气的内燃机车辆[47]。还有使用液氢的太空应用和中大规模运输示例。除了 LH2可容纳约 4000 公斤 H 的拖车2 [48]，LH2船舶也可运输H2全球。川崎重工有限公司目前正在生产 LH2可承载高达 11,500 吨（160,000 米）的船舶3） 的 H2 [44]。
2.1.3. 低温压缩储氢 （CcH）2)
低温压缩储氢结合了压缩和低温储氢的优点。如前所述，压缩储氢的缺点之一是所需的体积大和压力高。此外，不可避免的蒸发损失是低温储氢的缺点之一。冷冻压缩存储缓解了所有这些问题。在这种情况下，盛氢的绝缘容器可以抵抗低温和高压，从而提高压缩氢气或低温 LH 的体积储氢容量和安全性2.在 20 K 下压缩液化氢可将体积储氢能力从 1 bar 时的 70 g L1 提高到 240 bar 时的 87 g L1 [49]。隔热容器承受高压的能力允许罐内的压力上升高于低温储存，并延长休眠期，从而提高储存密度并降低蒸发损失。此外，与压缩氢气储存 （700 bar） 相比，低温压缩储氢中使用的压力（通常为 300 bar）可能会减少对更昂贵的碳纤维复合材料的需求。对低温压缩储氢容器的技术评估表明，该方案可以满足美国能源部系统在汽车应用中的特定目标，包括重量和体积氢容量以及最低日常驾驶条件下休眠期间的氢损失[50]。低温压缩储氢系统有望将重量和体积容量分别提高 91% 和 175%，碳纤维复合材料质量减少 46%，系统成本降低 21%。此外，发现休眠时间超过 7 天没有损失，初始水箱填充率为 85%。2012 年提出了一种原型低温压缩氢能汽车 [51]，但基础设施的可用性和成本仍然是这种存储选择的重大障碍，限制了其可行性。
2.2. 化学品储存
氢气的化学储存可能提供更高的能量密度，并且更容易被公众使用。储存材料必须在远离车辆的地方再生，因为它不能通过在环境温度下将氢气置于高压下产生。目前正在研究几种以放热和吸热方式释放氢的化学系统。含有氢的化合物也可以被认为是一种储存氢的方式。甲醇、氨和甲基环己烷就是一些例子。在 STP 条件下，所有这些化合物都是液体，因此移动和储存汽油的相同基础设施也可用于这些化合物;与气态氢相比，这是一个明显的优势，气态氢需要不会泄漏且最好是无缝的管道和容器。这些化合物可以容纳更多的氢[52]：甲醇为8.9 wt.%，氨为15.1 wt.%，甲基环己烷为13.2 wt.%。当硼烷为固体并溶于水时，已经进行了多次尝试从硼烷氨（硼氮烷）中提取氢[53,54]。已经发现了催化剂，例如各种酸和过渡金属的络合物，并正在被改性以增加氢的释放量和释放速率 [55]。然而，只有当用于氨硼烷脱氢的燃料能够以高效且廉价的方式回收时，氨硼烷才能用作车载储氢材料。但贮存方法是不可逆的，化合物不能反复加氢。化合物必须在中央工厂中生产，并且反应废料必须重复使用。这很难做到，尤其是氨，氨会使氮氧化物对环境有害。碳氧化物也是有害的，是由其他化合物产生的（图 4）。
图 4.系统存储密度的比较 [56]。
可再生氢使用 100% 可再生电力生产用于水电解，是一种近乎零的温室气体 （GHG） 能源，欧盟 （EU） 可以利用它来努力实现脱碳。用于运输 （HRS） 时，需要将氢气供应到加氢站。氢气可以在中心位置生产并运输到 HRS，也可以直接在 HRS 生产。与集中生产不同，现场制氢消除了从生产现场到 HRS 的成本高昂且效率低下的燃料运输。在这项研究中，我们调查了欧盟国家使用现场电解 HRS 的加氢泵中可再生氢的当前和未来价格。
图 5 描述了欧盟现场可再生氢的平均牌价，其细分为氢气生产（蓝绿色条）和燃料成本（橙色条），以及应用每公斤 3 欧元补贴时的总成本（灰色菱形）。使用中位数情景和 30% 的 HRS 利用率，我们估计 2020 年欧盟可再生氢的平均牌价将为每公斤 11 欧元。我们预计，由于可再生发电和电解的技术进步，包括电解槽成本的可能降低，未来生产可再生氢的成本将降低。我们预计 HRS 基础设施的平准化成本将按每公斤计算下降，这主要是由于利用率的提高，我们假设利用率在 2030 年为 50%，在 2050 年为 70%。无论这些成本降低假设如何，即使是我们最乐观的每公斤氢气 6 欧元的估计，也明显高于欧盟委员会主席 2030 年每公斤 1.8 欧元的目标。
图 5.26 个欧盟国家加氢站的平均价格，基于中等成本情景和乐观成本情景 [57]。
3. 储氢容器设计
压力容器工程设计方法随着时间的推移而变化，从使用经典层合理论的近似计算到精确分析各种内部和外部载荷情况下应力和应变的全面有限元分析方法[58]。为了最大限度地提高 H 的量2可以在允许的体积范围、重量和最大工作压力范围内储存，需要使用复杂的方法制造储氢罐。材料选择是设计过程中必不可少的步骤。材料必须在预计的边界条件内与氢相容，包括暴露水平（压力）、机械应力水平、极端温度和疲劳载荷。在机载操作下，在室温静态负载下运行良好的材料可能会对氢脆和随时间变化的裂纹扩展变得敏感。对受湿气污染的氢气的反应需要仔细研究，尤其是在高温下。氢气密封件必须在恶劣的温度、多次压力循环和动态应力下可靠工作。
在开发储氢罐时，必须考虑五个主要评估领域（图 6）[59]。HSV 的技术性能是决定其作为储氢解决方案有效性的关键因素。几个关键设计要素会影响 HSV 的技术性能，包括使用的材料、额定压力以及容器的大小和形状。用于制造 HSV 的材料在决定其性能方面起着重要作用。钢和铝因其强度和耐用性而成为 HSV 建筑中常用的材料。然而，复合材料，如纤维增强塑料，由于其重量更轻和耐腐蚀性更高，因此被广泛使用[60]。HSV 的压力额定值是指船舶可以安全承受的最大压力。高压 HSV 的额定压力通常为 700 bar 或更高，而低压 HSV 的额定压力为 350 bar 或更低。HSV 的压力等级将影响其整体存储容量和效率。HSV 的大小和形状也会影响其技术性能。HSV 有多种形状，包括球形、圆柱形和环形。HSV 的形状会影响其储氢容量和稳定性，某些形状的性能优于其他形状。因此，制造 HSV 的成本可能会因使用的材料、设计复杂性和制造工艺而有很大差异。钢和铝 HSV 的制造成本往往低于复合 HSV。
图 6.储氢罐设计的多标准评估 [59]。
然而，与金属基容器相比，复合 HSV 通常具有更好的性能和更轻的重量。大规模生产和先进的制造技术也有助于降低 HSV 生产的成本。此外，安全是 HSV 设计的一个关键方面，HSV 必须符合严格的安全和监管标准，例如交通部和国际标准化组织制定的标准。例如，高压气瓶的设计必须能够承受高压、高温和冲击，并且必须对其进行测试以确保它们满足这些要求。最后，通过在生产中使用可回收材料，可以减少储氢容器 （HSV） 设计对环境的影响。例如，高压气瓶可以由回收的钢或铝制成，从而减少与生产新材料相关的排放并节省有限的资源。复合外包装压力容器 （COPV） 也可以使用可回收材料制成，例如碳纤维，这些材料可以在 HSV 使用寿命结束后回收和再利用。此外，使用可回收材料生产 COPV 可以减少与生产新材料相关的排放并节省有限的资源[61]。
3.1. 设计程序
复合材料容器的设计中纳入了几个综合特性，包括渐进式失效质量、爆破压力和疲劳寿命。从设计过程一开始，创造一艘兼具高可靠性和实用性的复合材料船舶就具有挑战性。从微观力学的角度来看，复合材料失效很复杂，包括基体开裂、纤维/基体脱键、分层、纤维断裂以及这些模式之间的相互作用。通过设计缠绕纤维的方向和层厚度，可以使用优化来使复合容器更轻、更坚固、更可靠。经典层压理论 （CLT）、厚圆柱体理论或网状分析[42]可用于确定氢气罐复合材料铺层的初步尺寸（图 7）。CLT 用于评估每层的铺层顺序和厚度。一些研究人员使用了网状分析[62]，该分析使用静态平衡原理，并假设所有纤维都处于拉伸状态，并且没有任何剪切或弯曲应力。根据网格理论，基本假设是：（1） 只有纵向碳纤维承受压力，以及 （2） 忽略了伤口图案的影响。网格理论可以计算每个复合层的厚度和纵向原位纤维强度。复合容器的爆破压力与强度值成反比。Bouhafs等人（2012）[63]提出了研究厚壁复合管在内压作用下机械响应的分析方法。
图 7.储氢罐的设计理论。
为市售燃料电池汽车制造氢气罐的一些问题包括减少纤维缠绕周期时间并确保它们安全、轻便、便宜等。美国能源部 （DOE） 燃料电池技术办公室看到了这些问题，并启动了一个设计和制造氢气罐的项目。该项目研究了基体树脂、碳纤维和储罐设计形状的不同选择[64]。然而，对于树脂选项，他们没有考虑热塑性树脂，因为热塑性树脂对环境有益，可以缩短制造时间。设计人员必须考虑一般特性，例如油箱容量、工作压力、材料属性和安全系数。复合氢气罐的完整设计周期如图 8 所示。
图 8.储氢容器的设计方法。
3.2. 复合储氢容器的数值分析
复合储氢容器在运行过程中会受到复杂的负载条件的影响。这些载荷条件包括机械载荷（如压力、张力和剪切）和热载荷（如温度波动）。由于容器的填充和排空，这些容器中使用的复合材料也会受到循环载荷。复合储氢容器所经历的复杂载荷条件会显著影响其结构和热性能 [60]。同样，温度波动会导致容器内部的热应力和变形，如果容器的设计不能承受这些载荷，则会导致故障。必须对这些加载条件进行准确建模和分析，以确保复合储氢容器在复杂加载条件下的安全高效运行。这可以通过数值分析技术来实现，例如有限元分析（FEA），以预测船舶在不同载荷条件下的结构和热行为[65]。这些分析的结果可用于优化船舶的设计，并确定船舶设计中的任何潜在故障模式或弱点。复合储氢容器的数值分析涉及使用数学模型和计算技术来分析这些容器的结构和热性能。该分析的主要目的是评估这些容器在各种负载条件下的安全和高效运行，例如压力、温度和循环负载 [42]。要进行数值分析，第一步是定义容器的几何形状和材料属性。这包括所用复合材料的厚度和类型，以及容器的大小和形状。杨氏模量、泊松比和热膨胀系数等材料属性对于预测船舶在不同载荷条件下的机械行为至关重要。接下来，需要确定作用在船舶上的结构和热载荷。这些载荷可能包括内部压力、温度波动以及由于容器填充和排空而导致的循环载荷[66]。还需要定义容器的边界条件，例如周围环境的温度和支撑条件。定义容器几何结构、材料属性和载荷条件后，就可以创建有限元模型来分析容器的结构和热性能。该模型可以预测不同载荷条件下船舶的变形、应力和应变分布。它还可用于预测容器内的温度分布，这对于评估容器的热稳定性至关重要。复合储氢容器的数值分析可以为这些容器的性能和安全性提供有价值的见解，有助于确保其安全高效运行。
4. 储氢容器用复合材料
复合材料因其高强度重量比和优异的耐腐蚀性和抗疲劳性而被广泛研究用于储氢容器。这些材料实现了轻巧耐用的结构，可以承受储氢的高压和高温要求[67]。将复合材料用于储氢容器的主要好处之一是它们能够在极端条件下保持高水平的结构完整性。这些材料具有出色的抗疲劳和耐腐蚀性，这对于氢气的长期储存至关重要。此外，复合材料具有很强的抗冲击性和耐热循环性，这对于安全运输氢气至关重要。用于储氢容器的复合材料的另一个好处是它们能够根据特定要求进行定制。不同的基体和增强纤维组合可以实现特定的特性，例如高强度、模量或热稳定性。这使工程师能够针对特定应用优化储存容器的设计。
复合材料对于储氢容器也具有很高的成本效益。它们重量轻，从而降低了船舶的总体成本，而且它们也很容易制造，从而降低了制造成本。此外，复合材料使用寿命长，需要的维护量最小，这进一步降低了船舶的总成本[68]。图 9 显示了复合储氢容器设计中使用的一些常见材料。
图 9.用于储氢的复合材料。
这项技术需要研发来降低成本，同时提高现有高压容器的性能、可靠性和耐用性。由于内部压力，复合壳可以承受很大的机械载荷。碳纤维的广泛使用占船舶最终成本的 50-70%（图 10）。复合材料结构优化将显著降低氢装置的成本。数值仿真需要改进，因为当今大多数工程师使用的简化模型通常与实际情况相去甚远 [69]。
图 10.氢高压IV型容器的重新分配成本取决于碳纤维类型T1000/T700（Quantum，美国）[69]。
碳纤维类型 [70]：用于制造储氢容器的碳纤维类型会对容器的机械性能和储氢能力产生影响。一般来说，储氢容器首选 T1000 或更高的高强度碳纤维，因为它们具有卓越的机械性能，例如高拉伸强度和刚度，这对于承受容器在氢气储存和运输过程中可能承受的高压和循环载荷条件非常重要。但是，碳纤维类型的选择还取决于储氢容器的具体应用和要求。例如，如果容器需要重量轻，则 T300 或 T700 等强度较低的碳纤维可能更合适。此外，碳纤维的制造工艺和成本也是一个考虑因素。
碳纤维具有许多优点，包括高刚度、高拉伸强度、低重量、高耐化学性、耐高温和低热膨胀。我们在购买碳纤维产品或零件时，通常最关注碳含量。另一方面，制造中使用什么类型的碳纤维材料更为重要。因为不同的材料用于不同的目的，让我们解释一下 T300、T700 和 T800 碳纤维之间的区别。表 2 列出了不同碳纤维材料中使用的不同树脂。
表 2.碳纤维的类型。
T300 是第一种碳纤维。它由日本公司 TORAY 在 1970 年代制造。它是一种标准模量碳纤维，纤维模量为 33-34 Msi 或略高。因此，东丽制造的 T300 标准模量碳纤维是行业标准。T700 是一种标准碳纤维，具有高拉伸强度和标准模量。它也是一种标准的工业纤维。从性能的角度来看，碳纤维 T300 和 T700 的拉伸模量均为 230 GPa，直径为 7 m。然而，T300 的抗拉强度为 3.53 GPa，T700 的抗拉强度为 4.90 GPa。这意味着 T300 的强度提高了 38.8%，T700 的伸长率提高了 40%，T700 的体积密度提高了 2.27%。T800 是一种中等模量，具有高拉伸强度纤维，拉伸模量为 42 Msi。它具有高级和平衡的复合性能。
因为它是第一种复合材料，所以 T300 碳纤维已经被大量使用了 30 年。一开始，它的价格非常高。400 × 500 × 5 毫米的 T300 材料碳纤维板的价格在 130 美元到 140 美元之间。然而，东丽公司开始出货越来越多的 T300，因此材料成本开始下降。现在 T300 碳纤维的价格非常低。一块 4,005,005 毫米的碳纤维板现在的成本约为 80 美元，几乎是刚问世时成本的一半。在价格方面，T700 比 T40 贵 300% 左右。一块 400 × 500 × 5 毫米 T700 碳纤维板的成本约为 120 美元，而 T800 板的成本比 T30 板高 40% 到 700%。T700 级和原材料成本，以及制造和加工 T800 级碳纤维的成本与 T300 不同。正因为如此，T700 和 T800 的最终价格远高于 T300。
T300 是最常见和最便宜的碳纤维类型。无人机爱好者喜欢 T700，因为它是一种很好的材料。它在无人机行业被大量使用，因为它很坚固且物有所值。最贵的是 T800 碳纤维，也是最强的。它主要用于制造高端产品。为了使产品整体更轻，还必须使用 T800 碳纤维材料。
在设计复合储氢容器时，必须考虑几个关键因素。两个最重要的考虑因素是容器的压力和温度要求。储氢复合材料容器必须承受极高的压力（通常为 350 至 700 bar）和 20 K 的低温，而不会出现故障或变形。另一个关键的考虑因素是复合材料的强度重量比[71]。储氢容器必须重量轻且高度耐用，复合材料是一个很好的选择，因为它们具有很高的强度重量比。此外，必须仔细选择复合材料中使用的增强纤维，以确保它们能够承受所需的高压和温度。船舶的设计还必须考虑储氢的安全性。容器的设计必须能够防止泄漏或溢出，并承受冲击和热循环，这对于安全运输氢气尤为重要。设计复合储氢容器需要仔细考虑材料和结构设计，以确保安全性和耐用性。图 11 列出了一些关键因素。
图 11.储氢技术设计的关键考虑因素。
最近，研究人员[72]研究了聚乙二醇（PEG）改性对低温压缩储氢容器（HSV）中使用的复合层性能的影响（图12）。结果表明，改性环氧树脂保持了 73.38 MPa 的高强度，同时弹性模量降低了 45.31%。3 wt% PEG 600 改性减少了 32.65% 的绕组层，同时将碳纤维强度利用率提高了 50.69%。碳纤维机械质量可用于 CcH2储存容器设计仅增加了 6.06% 的缠绕层数，同时保持了更高的安全性。
图 12.低温压缩储氢容器复合层的性能改进 [72]。
石墨烯和碳纳米管 （CNT） 等新材料的应用对于储氢容器的制造变得越来越重要。这些材料具有多项优点，包括用于氢吸附的高表面积、用于改善机械性能的高强度和刚度、用于减轻重量的轻量化、适用于复杂几何形状的灵活性以及用于经济高效的生产的可扩展性。这些优势有助于提高储氢技术的性能、安全性和成本效益，这对于可持续能源的未来至关重要。然而，需要更多的研究来充分了解这些材料在储氢应用中的特性和行为，以及它们的长期耐用性和成本效益。
其他项目旨在开发高性能和轻质的石墨烯-CFRP 压缩储氢罐，这些储氢罐在航空航天应用中越来越受欢迎 [73]。这些储罐旨在安全有效地储存和运输氢气，同时重量轻且足够耐用，适用于航空航天应用。这些储罐的一个关键部件是纳米材料增强的 3D 打印聚合物衬里，它为氢气渗透提供了屏障并防止氢气逸出。另一个关键组件是石墨烯低渗透层，它提供额外的氢渗透保护。最后，石墨烯和相关材料增强的基体 CFRP 复合材料包覆层提供了一个坚固、耐用且轻便的外层，可以承受航空航天应用的恶劣条件（见图 13）。这些先进的材料和设计元素使石墨烯-CFRP 压缩储氢罐成为航空航天应用的理想选择，并有助于推广清洁能源。
图 13.高性能、轻量化的石墨烯-CFRP压缩储氢罐[73]。
根据碳纳米管生产商 OCSiAl [74] 的说法，与传统材料相比，在储氢罐中使用碳纳米管 （CNT） 具有多项优势。碳纳米管以其高强度重量比、高导热性和导电性以及出色的抗氢渗透性而闻名。这使得 CNT 成为储氢罐的理想选择，因为它们可以提供坚固而轻便的容器来防止氢气逸出。OCSiAl 还声称，碳纳米管可用于制造更高效的储氢罐，因为它们可以在比传统材料更高的压力和温度下储存氢气。这意味着可以在更小的体积中储存更多的氢气，从而减小储罐的尺寸和重量。此外，碳纳米管可以很容易地与其他材料（如复合材料）集成，以制造具有更高性能和耐用性的混合储氢罐（图 14）。
图 14.CNT 增强型复合材料储罐 [74]。
OCSiAl [74]的同一研究人员表明，根据圆柱体冲击试验的结果，复合材料增强材料中引入的石墨烯纳米管提高了层间剪切强度（ILSS），导致爆破压力水平增加了30%。这种抗冲击性的惊人改进使我们能够减轻气缸的重量，同时保持其机械性能，从而在 300 bar 的工作压力下制造出世界上最轻的 6.8 升气缸。我们的 SAFERnano 气瓶（包括所有保护附件和涂层）的总质量小于 2.8 kg。与竞争解决方案相比，新一代气缸的重量减轻了 75%，与我们上一代产品相比减轻了 15%。
复合储氢容器的回收是一个重要问题，因为这些容器有可能成为传统燃料储存方法的环保替代品。然而，由于储氢容器中使用的复合材料成分复杂且容器中存在氢气，因此难以回收。最近有几项关于复合储氢容器回收的研究，包括使用机械和热处理来分离复合材料的各种成分。例如，CETIM 小组 [75] 探索了机械研磨和切碎方法，将复合材料还原成小块，可以进一步加工以回收纤维和树脂（图 15）。其他研究调查了使用热处理（例如热解）将复合材料分解成其组成部分。除了这些物理回收方法外，还有关于通过将容器重新用于其他应用或翻新和重新填充容器来重复使用复合储氢容器的研究。然而，这些方法需要仔细考虑容器的完整性和安全性，以确保它们仍然可以安全使用。
图 15.Thermosaïc 技术回收报废储罐 [75]。®
5. 有限元分析
复合氢气罐的分析设计解决方案基于有关载荷和边界条件的广泛假设，并且不考虑极凸台附近的刚度变化。为了准确预测纤维缠绕压力容器的行为方式，必须使用有限元分析 （FEA） 来正确模拟这些效应和其他效应。大多数纤维缠绕压力容器具有 FEA 只能捕获的一阶非线性几何效应。优化旨在通过设计缠绕角度和厚度来提高复合材料容器的重量、强度、可靠性和使用寿命。随着设计方法和生产技术的进步，复合材料船舶采用轻量化发展策略。减重已成为制约复合材料船舶经济性和实用性的方法瓶颈。在这种情况下，为复合材料船舶构建材料-结构-加工一体化设计和计算方法势在必行。其他制造和测试因素会影响复合材料容器的性能;因此，可能需要检查设计的重要性。尽管如此，预计本综述将进一步强调数值模拟和人工智能的重要性。
有限元分析已发展成为解决与复杂结构相关的数值问题的有力工具。通过结合连续损伤力学 （CDM） 和 FEA，复合材料容器的渐进失效分析考虑了刚度退化并预测了破裂压力 [76]。特别是，实现损伤模型的 FE 方法引起了学术界的极大兴趣。几种模仿计算生物学、物理学和免疫学进化概念的智能算法已被用于优化复合血管。遗传算法、模拟退火和人工免疫系统是标准算法。目前有多种商业算法用于生成细丝缠绕路径，它们都严重依赖于心轴的形状。为了提高最终产品的性能，研究人员研究了一种更复杂的路径生成方法，如 [77] 中介绍的工作中所述。该方法考虑了心轴的形状演变，因为以前的缠绕工艺使层的厚度分布不均匀。替代策略包括使用高科技机械并支付商业软件来创建路径，以达到 COPV 的最佳设计。使用像 WoundSim [42] 这样的仿真工具有助于减少开发复合储氢罐的时间和成本，使设计人员无需物理原型即可测试和优化他们的设计（图 16）。这在处理复合材料时特别有用，因为这些材料可能难以加工并且需要专门的制造工艺。WoundSIM提供了优化、参数设计和实验创建等高级功能。FEA 中的转换效率定义为观察到的失效应变与理论复合拉伸应变的比率。模型的纤维质量、缠绕方法、制造工艺和实际结构各不相同（例如，空隙、纤维错位、树脂袋等）。通过经验发现，每个坦克制造商的翻译效率各不相同。必须校准 FEA 模型以获得转换效率并考虑上述变化。WoundSim 是一组全面的功能，可确保快速设计和仿真压力容器。总体而言，使用 WoundSim 等仿真工具是储氢容器行业的重要组成部分，它允许设计人员使用先进材料创建更高效的产品。主要功能如下：
图 16.WoundSIM 软件 [42]。
一个独立的工具，具有全面和独立的用户界面。
用户界面响应时间短，可加快设计时间。
全面且精心选择的设计参数允许快速改变层的形状。
全自动 FEA 模型生成，允许以最少的 FE 知识执行仿真。
缠绕问题预期。
智能叠层渲染允许图层选择和交叉点检测。
用于参数化设计优化的实验设计功能。
与 ABAQUS 软件完全兼容，无需 FORTRAN 编译器对特定材料输出进行后处理。
与纤维缠绕软件兼容。
对标定和与已采出的储层测量值的相关性进行建模。
通常，FEA 用于研究碳纤维复合材料的定向机械性能行为，这对于储氢压力容器尤为重要（图 16）。在处理承受内部载荷的氢气压力容器时，经常会检查许多失效模式，包括纤维劣化和基质损伤[78]。Leh等[79]发表了一个成熟的渐进损伤模型，以探索IV型储氢压力容器的失效行为;这项工作提出了两个有限元模型来模拟情况 28，其中容器的内部压力逐渐增加，直到复合材料容器突然失效。Nguyen等[80]完成了对各种复合材料损伤建模的大量研究，并开发了一种出色的仪器，用于分析受热机械载荷作用的储氢容器的损伤状态。
Bogenfeld等[81]使用分析和实验方法研究了复合材料在撞击后的性能，概述了耐损伤复合材料结构的设计。Wang等[82]使用材料性能退化和连续损伤力学来确定复合材料容器的极限强度和复杂的失效行为;使用完全包裹的 FE 模型来检查多种失效模式。Liu 和他的同事 [27] 对与复合高压储氢容器的设计和优化相关的研究进行了全面回顾。作者专注于用于模拟复合材料在高压储氢条件下行为的数值模拟技术。这些技术包括 FEA 和计算流体动力学 （CFD） 仿真。本文还研究了最近的研究，这些研究旨在通过探索不同的设计参数来优化复合储氢容器的设计，例如复合纤维的厚度和方向、使用的树脂类型以及容器的整体形状。作者最后强调了该领域未来的研究方向，包括需要更先进的仿真工具、新型复合材料的开发以及替代储氢方法的探索。在另一项研究[83]中，作者回顾了关于高压储氢容器中使用的复合壳的现有研究。他们还总结了 FEA 和 CFD 仿真等仿真技术，用于对复合壳的行为进行建模。此外，作者还介绍了通过检查纤维厚度、树脂类型和血管形状等参数来优化复合材料壳设计的研究。Ramirez等[84]提出了IV型压力容器的安全/不安全爆破模式模拟的令人信服的结果。Zaami等[85]对纤维增强热塑性带在圆柱形心轴上螺旋缠绕过程中夹点周围的热流和温度分布进行了全面的数值分析。本文主要关注相关的应力和应变对特定内部应力源的响应。总之，FE 分析可用于设计具有可接受精度和成本效益的储氢罐，但研究人员必须在超大型系统上使用替代模型以节省计算时间。
5.1. 复合储氢容器的多尺度建模
复合储氢容器的多尺度建模涉及使用数学模型和仿真工具来分析这些容器在不同尺度上的性能（图 17）。这种分析可以包括在微观尺度上对单个材料和部件的行为进行建模，并在宏观尺度上预测船舶的整体性能[86,87,88,89]。多尺度建模有助于理解复合储氢容器内的复杂相互作用，并确定影响其性能的因素。它还可用于通过确定产生最佳性能的材料和技术来优化这些船舶的设计和建造。为了对复合储氢容器进行多尺度建模，研究人员可以使用ABAQUS或ANSYS等软件（图18）以及为此目的而设计的专用建模和仿真工具[88]。他们还可能使用来自测试和模拟的实验数据来验证和改进他们的模型。总体而言，多尺度建模的目标是更好地了解复合储氢容器的行为并提高其性能。
图 17.复合材料容器有限元建模流程图 [82].
图 18.CFRP 压力容器的多尺度研究 [88]。
近年来，一些新的失效准则推动了失效分析的发展，为失效分析提供了有关复合材料微观和宏观相互作用的信息。采用材料性能退化法模拟了复合材料层合板结构的初始失效后行为，特别是将 CDM 与商用有限元分析方法相结合。多尺度失效分析是通过新的有限元方法逐步开发的，例如内聚元 （CE） 和代表性体积元 （RVE） 方法。下面总结了使用有限元方法对复合罐进行渐进式失效分析，作为后续失效分析的参考[38]。渐进式失效分析的流程图如图 19 所示，通常包括 （I） 应力分析、（II） 失效评估、（III） 材料降解和 （IV） 爆破压力检测。
图 19.渐进式失效分析的流程图 [38]。
最近，Nguyena和他的同事[90,91]开发了用于分析压力容器的多尺度模型。这些模型探索了计算宏观血管响应的中观-宏观或微观-中观-宏观方法。使用 meso-macro 方法的模型根据先验给定的复合层计算容器的行为。相比之下，探索微观-中观-宏观方法的模型从微观成分（即纤维和基质）的行为中预测复合容器的行为。除了这些方法之外，微观-宏观方法还使用参考体积单元或基本单元来获得成分水平的损伤状态，以输入压力容器的宏观有限元模型。
此外，Lin等[92]提出了一种模拟和分析复合压力容器渐进失效的新方法。该研究旨在提高复合压力容器设计过程的准确性和效率，复合压力容器通常用于各种应用，包括储氢。作者使用了一种多尺度建模方法，该方法结合了微观力学分析、细观建模和宏观建模，以模拟复合压力容器在不同载荷条件下的行为（图 20）。他们还采用了 Puck 失效准则来预测复合材料中损伤的发生和裂纹的扩展。
图 20.复合压力容器多尺度建模的渐进损伤分析 [92]。
尽管如此，上面引用的许多压力容器建模工作将中观方法与经典层状理论 （CLT） 或与失效准则相关的有限元 （FE） 方法相结合，例如 Hashin、Puck、Tsai-Hill 和 Tsai Wu。使用失效准则需要通过对扁平试样进行机械测试获得薄板强度数据，考虑到所需的温度相关机械性能数据，这可能意味着巨大的工作量。此外，正如[93]所指出的，微观-中观-宏观方法提供了一种比中观-宏观方法更有效的方法，用于获得复杂的层状复合材料结构中的层行为，例如纤维缠绕的压力容器，对于从常规平面试样获得的数据不一定反映容器中各层的实际机械性能。虽然连续损伤力学 （CDM） 已被大量探索用于模拟层状复合材料结构中的渐进损伤 [94]，但其在压力容器中的应用仍然有限。在连续损伤力学（CDM）框架内服从损伤演化关系的横向基体开裂可以从起始状态逐渐演变为饱和状态[95,96,97,98]。容器加载过程中纤维破裂导致的复合材料失效由考虑纤维强度和基体应力的微机械纤维失效准则预测[99]。Rafiee [100] 开发了一种新的递归多尺度模型来预测细丝缠绕复合压力容器中的爆破压力。建模涵盖了微观、中观和宏观的所有尺度，并考虑了长丝缠绕过程中与纤维排列相关的不可避免的缺陷（图 21）。
图 21.多尺度建模预测纤维缠绕复合压力容器中的爆破压力 [94]。
储氢容器测试程序的开发对于确保这些容器的安全和性能至关重要。可以进行多项测试来评估储氢容器的结构完整性和性能，包括冲击和静态疲劳测试。冲击测试旨在评估储氢容器承受突然冲击或负载的能力。这些测试包括使船舶承受突然的冲击或负载，例如坠落物体的跌落或撞击，并测量船舶的响应。这些测试的结果可用于评估船舶对冲击损坏的抵抗力，并确定船舶设计中的任何潜在弱点。此外，静态疲劳测试旨在评估储氢容器承受随时间推移的重复负载的能力。这些测试包括使容器承受重复载荷，例如加压和减压循环，并测量容器的响应。这些测试的结果可用于评估船舶对疲劳失效的抵抗力，并识别任何潜在的疲劳开裂或其他损坏。为了开发储氢容器的测试程序，考虑容器的具体设计和预期用途至关重要[101,102,103,104]。测试程序应根据船舶的具体要求和操作条件量身定制，并根据相关行业标准和指南执行（图 22 和 图 23）。
图 22.氢气罐安全测试 [105]。
图 23.根据船舶的具体要求和运行条件量身定制的程序 [106]。
5.2. CH 测试程序的开发2容器：冲击试验/静态疲劳
在设计储氢容器时，碳纤维复合材料结构中的氢渗透性非常重要。氢渗透率是指氢原子穿过材料的能力，是衡量材料气体透过率的指标[107]。碳纤维复合材料结构中氢的渗透率可能因所使用的特定复合材料、材料的厚度以及温度和压力条件而异。碳纤维复合材料通常对氢的渗透性较低，使其适用于储氢容器。复合储氢容器的内容器和外容器中的氢气渗透率也会根据这些容器的具体材料和设计而变化。通常设计为容纳氢气的内容器可能比外容器具有更高的渗透性，外容器旨在提供结构支撑并保护内容器免受冲击和温度波动等外部因素的影响（图 24）。
图 24.渗透性测试设施 [108].
可以进行一系列渗透性测试，以确定碳纤维复合材料结构中的氢渗透性。这些测试包括将材料暴露在已知浓度的氢气中，并测量在指定时间内通过材料的氢气量。这些测试的结果可用于确定材料的气体透过率并优化储氢容器的设计（图 25）。
图 25.开发 C-H 测试程序。
总体而言，对复合储氢容器中透氢性的研究为开发更安全、更高效的储氢技术做出了重大贡献。这些努力有助于提高复合储氢容器的性能和可靠性，并支持氢气作为一种清洁和可再生能源的发展。几种类型的复杂负载会影响复合储氢容器的性能和安全性（图 26）。这些加载条件可以包括以下内容：
图 26.内胆和外护套的碳纤维复合结构 [106]。
内部压力：储氢容器的内部压力会因容器的填充和排空以及温度和环境压力的变化而变化。
热负荷：储氢容器的温度会因环境温度、填充和排空过程中产生的热量以及氢气的放热反应而变化。
循环加载：储氢容器的填充和排空会导致循环加载，这会导致疲劳损伤并缩短容器的使用寿命。
冲击载荷：突然的冲击或负载，例如坠落物体的跌落或撞击，可能会对储氢容器造成损坏。
外部载荷：外部载荷，例如容器的重量和任何其他设备或材料，会影响储氢容器的结构性能。
腐蚀：水分或其他腐蚀剂的存在会导致腐蚀并削弱储氢容器的结构完整性。
振动：振动会导致疲劳损伤并缩短储氢容器的使用寿命。
热膨胀：温度变化会导致储氢容器的复合材料膨胀或收缩，从而影响容器的结构性能。
6. 储氢容器设计的人工智能和优化模型
人工智能 （AI） 越来越多地用于改进储氢容器的设计和性能 [109]。AI 可以分析大量数据并识别模式和关系，这有助于优化船舶设计并提高其安全性和性能。此外，在复合材料储存容器的设计和优化中使用人工智能有可能提高这些系统的性能、安全性和可持续性。通过自动执行与设计和分析相关的许多手动和耗时的任务，AI 可以帮助加速开发有效且高效的复合存储解决方案。几种人工智能模型可用于设计储氢容器（图 27）。
图 27.用于设计储氢容器的人工智能模型类型。
机器学习模型可以使用实验或模拟的数据进行训练，以识别具有所需特性的材料，例如高储氢容量、低重量或高强度。通过使用机器学习来指导材料的选择，研究人员可以更快、更有效地确定用于储氢系统的有前途的候选材料（图 28）。另一个研究领域涉及使用强化学习来优化储氢容器的设计。强化学习涉及训练机器学习模型，以根据其操作从收到的反馈中学习，目的是最大化特定的奖励函数。在储氢容器设计方面，这可能涉及优化容器的几何形状、材料属性或其他设计参数，以最大限度地提高储氢容量或减轻重量。储氢容器设计的训练集的来源将取决于具体的问题陈述和可用数据。通常，训练集可以来自实验或模拟数据，也可以来自文献或行业中的现有数据集。如果有实验数据，则可用于训练机器学习模型，以预测储氢容器在不同条件下的行为。这可能涉及在一系列压力、温度和其他相关变量下测试容器，并收集有关其性能的数据。或者，可以使用软件工具生成仿真数据，这些工具根据输入变量（例如材料属性、几何特征和操作条件）来仿真储氢容器的行为。选择训练集后，可以使用一系列技术选择测试集。一种常见的方法是将数据集随机划分为训练集和测试集，其中大部分数据用于训练，较小的子集用于测试模型的准确性和泛化性。另一种方法是使用交叉验证，其中数据集被分成几个折叠，然后依次在每个折叠上训练和测试模型。请务必确保测试集代表模型在实际场景中预期会遇到的数据。这意味着测试集应包含各种数据点，并且不应包含训练集中使用的任何数据点。通过仔细选择和测试集并进行分区，我们可以确保机器学习模型在预测储氢容器的行为方面是准确可靠的。
图 28.使用数值和实验结果进行机器学习快速预测。
需要一个目标函数来优化复合压力容器 [110]。此函数必须表示复合材料的性能，在某些情况下，可能存在局部最小值。优化技术利用此目标函数来发现最佳解决方案。一般来说，这些方法可以分为两类：一类需要简单的函数计算，另一类需要计算梯度。由于复合材料的机械行为复杂，梯度计算可能很棘手。因此，当存在多个设计变量时，基于梯度的方法是无效的，并且可能会导致局部最小值，从而使它们不可信。因此，遗传算法 （GA） 或模拟退火 （SA） 等元启发式方法可能更有效地优化复合压力容器。尽管元启发式方法不能保证全局最优解决方案，但与算法、迭代方法或基本启发式方法相比，通过搜索广泛的潜在解决方案，它们通常可以以更少的计算工作产生更好的结果。
Islam et al. （2018） [111] 使用特征选择和深度学习技术对压力容器中的裂缝进行分类，进行了一项实验研究。使用声发射信号来检测压力容器中是否存在裂纹。使用从自行设计的压力容器获得的 AE 数据，说明了所提出的方法 （GA + DNN） 的有效性。实验结果表明，所提出的方法对于选择判别特征非常有效。这些特征被用作 DNN 分类器的输入，实现了 94.67% 的分类准确率（图 29）。
图 29.所提出的压力容器裂纹分类方法示意图 [111]。
几种模仿生物计算学科、人工智能和免疫学进化原理的智能优化算法目前正在成功用于复合材料设计。Kim等[112]使用半测地线路径算法、渐进式失效分析和改进的遗传算法来优化承受内部压力的3型（铝壁、纤维增强）容器。主要目标是减轻容器重量，同时防止故障。这项工作使用半测地线路径法、有限元 （FE） 和遗传算法进行扩展，以减轻容器重量 [113]。
Giordano等[114]设计了一种基于有限元法（FEM）的优化策略，以减少体积，同时提高刚度。Liu等[115]采用人工免疫系统（AIS）技术减轻了3型储氢容器的重量。Xu等[116]减轻了复合材料储氢容器在爆破压力下的重量。为了优化船只，他们提出了一种自适应遗传算法。将他们的方法的性能与简单的遗传算法和 Monte Carlo 优化方法进行了比较。
机器学习已被用于预测复合材料不同材料的机械性能 [117,118,119,120,121]。基于机器学习的计算模型（有时称为代理模型）可以采用不同的方法，具体取决于算法架构、数据集大小和所需的处理能力。它归结为模型的最终功能和相关的成熟品质。ML 算法根据其操作方法分为有监督学习或无监督学习。图 30 描述了一个分类系统，其中突出显示了几种常见 ML 方法的类型和实例。监督学习策略利用一种功能，将标记的训练数据集映射为输入，该函数可用于预测未标记样本的标签。
图 30.基于其工作原理的机器学习算法的分类方案。
ML 算法从训练数据中派生一个函数，并将其映射到新的输出数据上。回归和分类问题被描述为监督学习挑战。回归与定量标记有关，例如估计给定图像中对象的实例数。分类与定性数据有关，例如指示图像是否属于特定类型。线性回归、逻辑回归、神经网络、多层感知器、支持向量机、朴素贝叶斯、决策树和 K 最近邻算法是最突出的学习算法。
图 31 描述了 ML 过程的基本结构，其中包括准备（也称为清理）来自多个来源的输入数据、选择合适的描述符以进行适当的表示、算法的选择，最后，使用开发的模型进行预测和进一步的应用。错误的信息必须删除;因此，数据清理是必须的，之后是规范化、标准化和分层抽样来处理差异。每当数据发生变化时，都必须优化相关的超参数。为了根据领域知识和测试模型得出结论，有必要使用看不见的数据进行测试和交叉验证。机器学习模型的输入数据可能来自不同的地方，包括预先存在的数据库、已发布的文章、高吞吐量模拟和实验。数据将所使用的 ML 模型与调查的潜在问题机制联系起来。为了确保 ML 模型的最大有效性，这里的主要困难是收集足够的高质量数据。
图 31.Material Design 问题中 ML 应用程序的典型工作流程 [35]。
胡等[122,123]对各种复合材料使用了数据驱动的方法，并为分析复合材料结构提供了一种强大的替代计算工具。Gu等[124]在复合材料系统上使用机器学习，表明它可以准确有效地预测机械性能，如韧性和强度。这为设计师提供了一种思考设计的新方法，并加快了寻找可定制的新型功能性复合材料的过程。Kaveh等[125]开发了一种基于机器学习的优化设计策略，用于预测具有不同刚度的圆柱形复合材料的极限屈曲载荷。神经网络使用 11000 个样本进行了训练，并获得了良好的结果。Luo Ling等[117]使用人工神经网络，显著提高了预测复合材料如何变形的准确性和效率。这有助于以良好的方式指导复合结构的设计，例如不对称层压板。据我们所知，机器学习已被证明是设计材料的宝贵工具，可以准确预测它们的行为方式。与传统方法相比，机器学习方法进行计算所需的时间要少得多。
人工神经网络 （ANN） 可用于制造储氢容器 [126]，因为它们与大数据集兼容并且可以实际推断非线性决策边界。然而，如图 32 所示，输入和输出空间之间的映射可能由一系列称为不同维度的隐藏层的处理单元组成。此外，还创建了专为特定应用（如计算机视觉）设计的 CNN。在计算机视觉任务中，CNN 探索输入空间以检测类似的特征，例如垂直线。深度学习也被定义为深度学习的是具有两个以上隐藏层 （DNN） 的神经网络。隐藏层将输入层的权重乘以一个因子，并根据输出层添加偏差。
图 32.ANN 架构示意图 [127]。
Azizian 和 Almeida Jr （2022） [128] 使用数值模拟和人工神经网络 （ANN） 元模型研究了内部加压纤维缠绕复合管的概率行为和可靠性（图 33）。作者开发了人工神经网络来预测这些管在各种负载条件下的行为，然后使用这些元模型进行随机和概率分析。通过这些数值研究，作者深入了解了复合管的行为及其在不确定载荷条件下的可靠性。
图 33.构建的人工神经网络的架构和细节 [128]。
已经有几项研究工作使用人工智能 （AI） 模型来设计储氢容器。设计这些容器的主要挑战之一是需要优化存储容量，同时最大限度地减少容器的重量和体积。这需要对容器所用材料的物理和化学性质以及温度和压力等设计约束进行详细分析[129]。在论文 [130] 中，一种用于优化储氢容器设计的遗传算法 （GA） 由金属氢化物材料制成。GA 确定了材料和设计参数的最佳组合，从而实现了最高的存储容量。自适应遗传算法 （AGA） 的流程图如图 34 所示。代数 （EN） 用于控制溶液循环。在每一代中，适应度值、复合血管的重量和爆破压力以及概率 Pc和 Pm计算每个个体的交叉和突变 [116]。另一种方法是使用机器学习算法，例如神经网络和支持向量机 （SVM），来预测储氢容器的存储容量。例如，Kim等[131]使用神经网络来预测由碳纳米管材料制成的容器的储氢容量，而在论文[132]中，提出了一种使用集成机器学习来预测V-Ti-Cr-Fe合金储氢容量的方法。除了机器学习算法，研究人员 [128] 还使用优化算法，例如粒子群优化 （PSO） 算法，来优化储氢容器的设计。
图 34.自适应遗传算法的流程图 [116]。
最近，研究人员 [133] 发现，与传统设计方法相比，基于 AI 的方法提高了性能和成本效益，传统设计方法结合使用人工神经网络和进化算法来优化高压储氢容器的设计。
复合储氢容器数字孪生的开发涉及创建一个计算模型，该模型可以预测物理容器的行为和性能，而无需进行昂贵且耗时的全尺寸原型设计和测试。数字孪生使用可用的信息和数据来准确预测储氢容器的未来性能。这种方法可以帮助优化储氢容器的设计和性能，确保其安全性和可靠性。Burov 和 Burova （2020） [134] 专注于为航天器电力推进发动机中常用的复合材料外包装压力容器 （COPV） 开发数字孪生（图 35）。数字孪生的目的是准确预测物理 COPV 的未来行为和性能，而无需进行昂贵且耗时的全面原型设计和测试。作者描述了开发数字孪生的过程，包括选择合适的建模和仿真技术。文章强调了数字孪生在优化太空应用中使用的复合压力容器的设计和性能方面的潜力，还讨论了通过实验数据验证开发的数字孪生。
图 35.复合压力容器数字孪生的概念 [134]。
Hopmann et al. （2022） [135] 研究了缠绕参数对氢压力容器圆柱形区域纤维带宽的影响。该研究的目的是生成复合储氢容器的数字孪生，以预测其未来的行为和性能。本文重点介绍了缠绕参数（如缠绕角度、张力和速度）对压力容器圆柱形区域纤维带宽的影响。作者使用计算机模拟和实验数据来确定实现均匀纤维分布的最佳缠绕参数，这对于储氢容器的性能和安全性至关重要。该研究强调了对制造过程进行准确建模和仿真对于为复合储氢容器开发可靠的数字孪生的重要性（图 36）。总体而言，本文为复合储氢容器数字孪生的开发提供了宝贵的见解，并可能有助于优化其设计和性能。
图 36.用于设计优化的 IV 型压力容器制造过程中的数字孪生 [135]。
Jaribion， A. et al. [136] 开发了一个由硬件和软件组件组成的原型，用于创建用于工业应用的数字孪生。该原型旨在为高压氢气容器创建数字孪生，高压氢气容器是对高度易燃氢气的储存和转移具有很高安全要求的工业设备。原型证明了利用氢气高压容器的实时数字孪生进行故障风险管理的有效性。Action Design Research （ADR） 用于描述导致原型开发的过程（图 37）。
图 37.用于安全和风险管理的数字孪生：氢气高压容器案例 [136]。
7. 讨论
碳纤维增强聚合物 （CFRP） 等复合材料因其重量轻、强度高和耐腐蚀的特性而越来越多地用于储氢容器的建造。然而，设计和测试这些容器可能既昂贵又耗时，因此难以快速迭代和改进设计。人工智能 （AI） 是储氢容器设计的另一个重要研究领域。AI 算法可用于分析从储氢容器上的传感器收集的大量数据，使工程师能够识别模式并优化容器的设计和操作。这就是数字孪生技术的用武之地。数字孪生是物理对象或系统的虚拟模型，它使用实时数据和模拟来预测其行为和性能。通过创建储氢容器的数字孪生，工程师可以在构建物理原型之前在虚拟环境中测试和优化设计。这可以显著降低设计和测试所需的成本和时间。
虽然与传统金属容器相比，由复合材料制成的储氢容器具有许多优势，但仍存在一些需要解决的挑战。例如，复合材料的失效模式与金属不同，预测它们在不同载荷条件下的行为可能具有挑战性。图 38 显示，在 44 MPa 的压力下，圆柱体圆顶与复合压力容器结合处存在许多基体裂纹（图 38a，b）[92]。
图 38.复合材料气瓶的圆顶处有许多基体裂纹[92]。
在储氢容器的开发中使用人工智能 （AI） 和数字孪生技术也存在一些潜在的缺点。一个潜在的缺点是 AI 的使用需要大量数据，而数据的质量和准确性会极大地影响 AI 模型的可靠性和有效性。这对于储氢容器来说可能是一个挑战，因为有关其行为和性能的数据可能有限且难以获得。另一个缺点是 AI 模型可能会产生偏差，这可能是由于所用数据的质量，或者是由于 AI 算法本身的固有偏差。这可能会导致不准确的预测或建议，并可能在储氢容器等安全关键型系统的情况下产生严重后果。此外，数字孪生技术需要大量的计算资源来实时模拟物理系统的行为和性能。这对于工业应用程序来说可能是一个挑战，因为实时性能至关重要，并且可用于计算的资源可能有限。最后，数字孪生系统存在网络攻击的风险，这可能会危及其建模的物理系统的安全性。实施强大的网络安全措施来防范这些风险非常重要。
8. 结论
复合储氢容器因其在各种应用中的潜在用途而成为众多研究的主题，例如用于运输和固定发电的氢燃料电池。这些容器通常由金属氢化物和碳纳米管等材料的组合组成，与传统储存方法相比，具有多项优势，包括更高的容量、更轻的重量和更高的安全性。为了更好地了解和优化这些船只的性能，一些研究人员在多个尺度上采用了各种建模方法。其中包括用于在原子水平上研究氢与储存材料之间相互作用的分子动力学模拟，以及考虑容器在各种负载条件下的整体机械行为的基于连续体的模型。
这些建模工作的一个关键方面是开发本构模型，以准确捕获复合材料在不同载荷和温度条件下的行为。这些模型已用于预测在不同压力和温度下容器中可以储存的氢气量，以及氢气被吸收和释放的速率。其他研究工作侧重于了解最有效提高储氢能力的复合材料的微观结构特征。除了这些微观研究之外，研究人员还采用宏观模型来预测复合储氢容器在不同负载条件下的整体行为。这些模型已被用于优化容器的设计和性能，包括形状、尺寸和材料选择。总体而言，多尺度建模对于促进我们对复合储氢容器的理解和为各种应用开发改进的设计至关重要。复合材料因其高强度和低重量而被广泛用于储氢容器的设计和建造。这些材料结合了两种或多种材料，例如纤维增强塑料或金属，这些材料可以定制以满足特定的性能要求。复合材料的最新进展集中在提高其机械性能、热稳定性和耐腐蚀性上。
人工智能 （AI） 也被用于设计储氢容器，以提高其性能并提高效率。人工智能算法可用于预测材料在不同条件下的行为，并根据这些预测优化船舶的设计;这允许优化容器的尺寸、形状和厚度，以满足应用的特定要求。在储氢容器中使用复合材料和 AI 的一个例子是开发用于燃料电池汽车的高压复合材料容器。这些容器旨在安全有效地储存高压氢气，其设计使用 AI 算法进行优化，以减轻重量并最大限度地提高性能。总体而言，复合材料和 AI 在储氢容器设计中的结合有可能显著提高这些系统的效率和性能，并且已经导致了更先进、更具成本效益的储氢解决方案的开发。
