基于CFD和机器学习的反应器内瞬时状态预测综述  

Areview on predicting transient characteristics in reactors based on machine learning and CFD

作　　者：宫思吟 俞晓东 葛思涵 陈艳琳 钟汉斌[1,2] GONG Siyin;YU Xiaodong;GE Sihan;CHEN Yanin;ZHONG Hanbin(College of Chemistry and Chemical Engineering,Xi′an Shiyou University,Xi′an,Shaanxi,Shaanxi Xi’an 710065,China;Xi′an Key Laboratory of Low-carbon Utilization for High-carbon Resources,Xi′an Shiyou University,Xi′an,Shaanxi 710065)

机构地区：[1]西安石油大学化学化工学院,陕西西安710065 [2]西安石油大学西安市高碳资源低碳化利用重点实验室,陕西西安710065

出　　处：《信息记录材料》2023年第11期13-15,共3页Information Recording Materials

基　　金：西安石油大学2022年省级大学生创新创业训练计划项目(S202210705104);西安石油大学研究生创新与实践能力培养计划项目(YCS22212023)。

摘　　要：计算流体力学(computational fluid dynamics,CFD)可以模拟反应器内的流动、传热传质等行为,但需要求解数值方程组,对于复杂的物理现象和边界条件,计算时间较长。相比之下,机器学习模型通过分析已有的CFD模拟数据来预测反应器内的流动—反应行为,无需直接求解方程,计算速度快。本文介绍了一些经典的机器学习方法以及常见的深度学习建模过程,总结了机器学习方法加速反应器内瞬时状态预测方面的应用情况。Computational Fluid Dynamics(CFD)can simulate the flow,heat and mass transfer behaviors in reactors,but it requires solving numerical equations,which takes a long time for complex physical phenomena and boundary conditions.In contrast,machine learning models predict the flow-reaction behaviors in the reactor by analyzing existing CFD simulation data,without directly solving equations and with fast computation speed.This paper introduces some classical machine learning methods and common machine learning modeling processes,and summarizes the application of machine learning methods in accelerating the prediction of instantaneous states inside the reactor.

关 键 词：反应器 瞬时状态 CFD 机器学习 神经网络 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]