结合深度神经网络的大气压脉冲放电转化CO2研究

摘要：

为了提高等离子数值模拟在放电等离子体转化利用 CO2 研究中的计算效率,提出了采用具有多个隐藏层的深度神经网络(DNN)来研究大气压脉冲放电转化 CO2 的放电特性与等离子体化学性质,经过训练的 DNN 能够极大地提高计算效率.DNN预测结果表明:当外加电压幅值不变时,增加脉冲上升率可以提高放电电流密度和击穿电压,同时增强鞘层区域的电场;脉冲坪区宽度的增加会提高介质板表面电荷密度,增强反向感应电场的强度,进而提高脉冲下降阶段的放电电流密度.此外,提高脉冲上升率和坪区宽度都会提高CO、O2 等产物的密度,导致CO2 转化率的增加.基于有限的训练集,DNN能快捷、准确地给出海量的数据以揭示 CO2 放电的演化特性与转化规律,这为研究放电等离子体技术转化CO2 提供了新的计算工具.

关键词：等离子体、深度神经网络、CO2转化、脉冲放电、流体模拟、脉冲上升率、坪区宽度

所属期刊栏目：39

分类号：O539(等离子体物理学)

资助基金：国家自然科学基金11975142

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1013-1024