機器學習預測葉片-網孔管線式高剪切混合器性能

王靈杰郭俊恒李文鵬程 芹張金利?

(1.天津大學化工學院,天津 300072;2.鄭州大學化工學院,鄭州 450000;3.安徽大學化學化工學院,合肥 230601)

高剪切混合器作為一種新型的過程強化裝備,已廣泛應用于化工、食品、制藥以及農業領域。高剪切混合器核心部件為定轉子,不同的生產過程與操作工況需要采用不同定轉子構型及組合方式,這導致高剪切混合器的定轉子結構及組合形式復雜多樣[1]。高剪切混合器的結構參數、操作參數與物性參數對其流動、功耗、乳化和傳質特性的影響錯綜復雜,至今仍未形成對上述特性清晰而系統的認識。目前,高剪切混合器的設計、選型、工業放大和操作參數調控仍然主要依賴于工程經驗和反復實驗,這導致其存在開發與使用成本偏高,放大困難等問題[2]。因此,急需建立高剪切混合器設計與優化模型。

近些年來,機器學習飛速發展,機器學習建模方法越來越多地應用于模型預測及系統優化。例如,在微波固化材料技術中,由于微波腔內不均勻的電磁場導致物體表面溫度不均勻,嚴重阻礙了固化材料技術的發展;Zhou 等利用機器學習卷積神經網絡(Neural Network,NN)實現了溫度智能控制,使表面溫度的均勻性有了明顯地提高,解決了溫度不均勻的痛點,滿足了航空航天材料的高質量要求[3]。Wu 等利用機器學習的遷移學習方法,讓計算機從高分子數據庫中學習已有數據建立模型,并用實驗數據微調機器學習模型,極大改善了因實驗數據太少不能使用機器學習的缺點,設計了新型高導熱聚酰亞胺,其導熱系數比傳統的提高了80%[4]。……