基于卷积神经网络的撞击流反应器浓度场混合特性

摘要：

基于PLIF测试技术结合卷积神经网络技术提出混合性能预测方法,分析水平对置撞击流反应器浓度场混合特性,能准确预测其内部浓度场的混合均匀度及混合时间.基于卷积神经网络构建了混合性能预测模型,利用水平对置撞击流反应器浓度场实验数据对构建的模型进行有监督地训练并进行预测,预测结果显示对混合均匀度的预测准确率达95％,计算效率提高了99.99％.为更好地理解混合性能预测模型对混合均匀度的预测机理,本文对其卷积层输出进行可视化处理,通过功率谱分析卷积核的响应给出了撞击流反应器浓度场特征提取的物理解释.最后利用预测模型搭建混合均匀度快速获取系统并应用于撞击流混合特性研究.所提出的基于卷积神经网络的预测模型可以有效分析水平对置撞击流反应器的混合特性,预测模型可靠、适用范围广,为深度学习算法应用于撞击流领域提供了方案经验.

关键词：撞击流反应器、卷积神经网络、混合、浓度场、预测

所属期刊栏目：42

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省兴辽英才计划高水平创新创业团队项目

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：658-668