-
题名基于机器学习与粒子群算法的LBM多相流模型优化
被引量：1
- 1
-
-
作者
侯亚祺
张玮
张鸿
高飞雨
胡嘉华
-
机构
太原理工大学化学与化工学院
-
出处
《化工学报》
北大核心
2025年第3期1120-1132,共13页
-
基金
国家自然科学基金项目(22178241)。
-
文摘
在利用格子Boltzmann方法(LBM)模拟低毛细数的弹状流流动时,由于气泡发展过程复杂,模型控制参数选择难度大,当所选参数不当时,会产生错误的非物理现象,从而降低计算精度。通过机器学习建立LBM多相流过程模型,采用粒子群算法优化机器学习模型的超参数,进一步优化LBM建模过程中的控制参数,建立了LBM-机器学习-粒子群算法耦合多相流数值模拟模型。基于该模型研究了T型微通道内弹状流流动参数对气泡演化过程稳定性的影响。模拟结果表明,所建LBM多相流模型能预测复杂条件下气泡伸长率,在此基础上通过伸长率分析找到了最优气液两相进口流速关系,有效解决了低毛细数下弹状流流动不稳定性问题,显著提高了模拟计算精度与计算效率。
-
关键词
格子Boltzmann法
微通道弹状流
机器学习
粒子群算法
模型优化
-
Keywords
lattice Boltzmann method
microchannel slug flow
machine learning
particle swarm optimization algorithm
model optimization
-
分类号
TQ052
[化学工程]
-
