返回
An artificial neural network-based drag model modification method for microbubble flow
DOI:10.1002/aic.70639.png)
摘要
En 中文
精确的气-液曳力模型对于模拟微气泡反应器的流体动力学至关重要。然而,将气泡群相互作用纳入模型仍然具有挑战性。本研究使用高速成像技术识别了气体持气率和气泡尺寸-体积分布(BSVD)作为调控微气泡群效应的关键参数,这些效应被归类为加速、阻碍或弱相互作用。提出了一种基于人工神经网络(ANN)的通用曳力修正方法,用于在广泛的操作条件下纳入群动力学。通过将高保真度计算流体动力学(CFD)模拟与实验数据进行比较对模型进行了验证。结果表明,经过ANN修正的曳力模型在预测总体气体持气率和再现不同群效应区域方面,其准确性显著高于传统曳力模型。
Keyword:
ANN
CFD simulation
drag model
microbubble
microbubble swarm effect
期刊
IF:
4
论文数:
1.1W
被引数:
2.9W
机构
引用论文
Hydrodynamics in microbubble column reactors: Effect of operating conditions and liquid properties微气泡柱反应器中的流体动力学:操作条件和液体性质的影响

