CFD-ML integrated multi-objective optimization for n-butane partial oxidation reactor

Xiangkun Liu

doi:10.1016/j.cjche.2025.06.019

CFD-ML integrated multi-objective optimization for n-butane partial oxidation reactor

2025-08-07

0

PRE

AI

DOI：10.1016/j.cjche.2025.06.019

原文链接

原文求助

摘要

En 中文

本研究开发了一种CFD-ML集成框架，以实现对正丁烷部分氧化制备顺丁烯二酸酐（MA）的多目标优化。建立了一个反应器-颗粒耦合模型，以研究四种关键操作参数的影响，结果表明入口温度主导反应器性能，通过将MA收率从35.0%提高到37.6%，同时使热点温度急剧升高42 K。随后利用耦合模型生成了621组案例用于训练机器学习模型，其中高斯过程回归（GPR）模型表现出更优的准确性。GPR模型进一步与遗传算法集成，生成帕累托最优集。结果表明，帕累托前沿上识别出一个关键拐点，一旦超过该点，即使MA收率轻微增加也会导致反应器热点温度急剧上升，从而增加热失控的风险。

Keyword:

CFD-ML integration

multi-objective optimization

n-butane partial oxidation

maleic anhydride

Gaussian Process Regression

Pareto-optimal solutions

CFD-ML integrated multi-objective optimization for n-butane partial oxidation reactor

摘要

期刊

机构

引用论文