国际期刊发表先导智能成果，定量分析法找到催化层量产“蝴蝶效应”源头

近日，先导智能子公司氢导智能联合上海交通大学的研究成果被国际期刊《Fuel Cells》（2026）正式发表。该研究首次建立了燃料电池催化层卷对卷狭缝涂布从装备参数到涂布质量的定量分析方法，精准量化了模头变形、背辊跳动两类装备扰动对湿膜厚度的影响机制与传递规律，并提出垫片厚度“平衡甜点区”、背辊跳动稳定涂布窗口等实操优化路径，构建起“装备-工艺-产品”全链路分析框架，为催化层规模化、一致性量产提供了坚实的理论支撑。

燃料电池催化层批量化制造中，设备运行稳定性直接决定产品一致性、调试效率和产线放大能力。而一条产线的核心矛盾，往往就藏在装备微米级偏差的传递路径中。

低速调试时膜厚均匀、状态稳定，一旦提速、放大幅宽，横向厚薄不均、纵向周期性波动便接踵而至。几微米的模头变形或背辊跳动，经过浆料流场与涂布液桥的层层传递，最终放大为不可忽视的湿膜缺陷。

这背后正是量产现场反复遇到、却难以回答的问题：为什么设备精度明明达标，产品表现却仍不稳定？

近日，由氢导智能联合上海交通大学完成的最新研究成果，正式发表于氢能领域知名国际期刊《Fuel Cells》(2026)。该研究首次建立了燃料电池催化层卷对卷狭缝涂布从装备参数到涂布质量的定量联系，精准量化了模头变形与背辊跳动对湿膜厚度的影响，为燃料电池催化层的规模化、一致性量产提供了坚实的理论支撑。

01

解开量产黑盒

从“装备扰动”到“湿膜质量”的定量追踪

燃料电池催化层的制造正加速迈向高速化、连续化和规模化。产线速度越高、幅宽越大，催化层最终质量对装备扰动就越敏感。同一台设备，换一种浆料、提一档速度、改一个膜厚要求，表现可能截然不同。

传统经验调参和单一机械指标，已不足以解释和预测产品表现。

真正的核心难题在于：高速涂布中微小的装备偏差，是如何通过复杂的流场和涂布液桥，转化为可观测的湿膜厚度波动的？

这就像是在高速运转的精密仪器中寻找“蝴蝶效应”的源头。

为了解开这一量产黑盒，氢导智能团队提出了一套全新的定量分析方法，不再孤立地看待机械结构或工艺参数，而是将“装备扰动”、“工艺响应”与“产品最终质量”紧密相连，清晰追踪并量化装备中的实际扰动究竟是如何一步步影响最终湿膜质量的。

02

两个“隐形杀手”

怎么搞砸你的涂布

研究深入剖析了高速涂布过程中的两类典型装备扰动路径，揭示了它们对膜厚均匀性的具体影响：

模头内部压力引起的结构变形（影响横向TD均匀性）

高速涂布时，供料量增加导致模头内部压力上升。模头并非绝对刚性，在压力作用下，模唇中部因缺少结构约束更容易被撑开，而两侧约束较强、变形较小，形成“中间宽，两边窄”的变形趋势。

这种变形改变了横向不同位置的狭缝高度与流动阻力，使中部出料量相对增加，最终表现为湿膜中部偏厚、两侧偏薄。涂布速度越高、模头幅宽越大，这种变形就越显著。

背辊径向跳动引发纵向波动（影响纵向MD稳定性）

背辊跳动使涂布间隙发生周期性变化，进而牵动液桥压力与弯月面位置。研究详细解析了波动幅值、方向、周期及涂布速度的影响规律：

• 间隙减小：液桥向上游迁移，波动过大时浆料在上游积聚，后续湿膜先变薄、再回升甚至过冲；
• 间隙增大：液桥向下游移动，过大时液桥稳定性下降，甚至发生气体侵入；
• 波动幅度越大，湿膜起伏越明显，一旦越过稳定涂布窗口，扰动影响迅速放大；
• 提速后液桥更接近稳定边界，对同等幅度的背辊跳动也更加敏感。

03

从机理分析

到可落地的优化路径

这项工作的价值不止于解释现象，更在于建立了一套可复用的分析方法：从装备层面识别关键扰动源，从工艺层面分析扰动如何改变流场与液桥行为，再从产品层面评估对湿膜均匀性和涂布稳定性的影响。

基于此，研究给出了两个方向的实操优化思路：

横向：垫片厚度，存在“平衡甜点区”

增加垫片厚度可降低模头内部压力、减小变形，但过厚又会削弱模头本身的横向流量分配能力。均匀性随垫片增厚呈现先改善、后恶化的三区间特征：

·变形主导区：垫片薄、压力高，模头变形是主要矛盾；

·平衡区：既抑制变形，又保留足够流量分配能力——最优区间；

·分配限制区：垫片过厚，模头固有流量分配问题开始占主导。

需要注意的是，不同幅宽的模头对结构变形和流量分配的敏感程度不同，适宜垫片范围不能直接照搬。

纵向：把背辊跳动控制在“稳定涂布窗口”内

背辊跳动不应只按单一机械指标判断，而需结合实际浆料、线速度和名义间隙综合评估。核心原则是背辊跳动引起的瞬时间隙，在整个运行周期内都应尽量保持在稳定涂布窗口内。

当产线提速、浆料变化或膜厚调整后，均需重新评估允许的间隙波动范围——将设备精度要求，真正转化为面向产品质量的控制指标。

04

不只是“做出设备”

更是“理解设备”

这项研究的意义，不止于解释了两个现象，更在于为燃料电池催化层装备的全生命周期管理提供了机理支撑：

• 设计阶段：结合浆料特性、目标膜厚和运行速度，评估模头结构与流道设计对涂布质量的影响，更早识别潜在风险，提升设计针对性。
• 调试阶段：当出现横向不均或纵向波动时，通过“装备-工艺-产品”分析链条，有效区分问题来自模头流量分配、结构响应，还是背辊状态与间隙动态变化，大幅缩短调试周期。
• 运行阶段：将背辊、模头等关键部件的运行状态与实际涂布结果关联，把传统设备维护升级为面向产品一致性的质量管理。

氢导智能始终相信，客户需要的已不只是“能运行的设备”，更是能理解质量形成机理、支撑工艺优化和量产放大的装备能力。

围绕狭缝涂布，氢导智能建立的不只是机械结构，更是一套从装备参数到涂布质量的定量分析方法——既服务于设备设计，也服务于工艺放大、问题诊断与稳定量产。

从「经验调参」到「机理驱动」，从「单一参数达标」到「全链路质量可控」——氢导智能正用装备级的深度理解，突破燃料电池催化层量产的一致性边界。

论文信息：

Towards Mass Production: Quantifying Equipment‐Induced Wet‐Film Thickness Deviations During High‐Speed Roll‐to‐Roll Slot‐Die Coating of Fuel Cell Catalyst Layers

Fuel Cells・2026・SCI

单位： 上海交通大学・氢导智能