基于深度学习的全三维气固两相流时空耦合智能预测

作     者：谢心喻 王晓放 郝祎琛 赵普 谢蓉 刘海涛 XIE Xinyu;WANG Xiaofang;HAO Yichen;ZHAO Pu;XIE Rong;LIU Haitao

作者机构：大连理工大学能源与动力学院大连116024 

基　　金：国家重点研发计划资助(No.2020YFA0714403) 国家自然科学基金青年项目资助(No.52005074) 中央高校基本科研业务费资助(No.DUT19RC(3)070) 

出 版 物：《工程热物理学报》 (Journal of Engineering Thermophysics)

年 卷 期：2024年第45卷第2期

页      码：446-452页

摘      要：气固流化床在化工、冶金及制药等领域得到了广泛的研究与应用。对流化床内气固两相流的动力学行为进行深入研究有利于流化床设备的设计和性能优化。本文利用深度学习技术构建了数据驱动的全三维深度时空序列模型,对流化床内气固两相流三维空间和时间维度的复杂动力学行为进行学习,并实现了对未知来流速度条件下流化床内气相和颗粒相速度场的合理预测。测试结果表明,该全三维智能模型的预测结果与CFD计算结果高度一致,具有较好的泛化能力;此外,该模型比传统的数值仿真速度快数百倍,可以用于流场的快速预测,以缓解数值仿真耗时问题。

主 题 词：深度学习 气固两相流 三维时空预测 流化床 

学科分类：081704[081704] 08[工学] 0817[工学-轻工类] 081701[081701] 

核心收录：

馆 藏 号：203126107...