.png){kind=icon}
返回
Physics-Informed DeepONet for Fixed-Bed Reactor Design and Multiobjective Optimization
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.iecr.5c04676.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
固定床反应器被广泛应用于乙烯氧化物生产等工业过程中。传统的多目标优化通常需要对大量候选设计方案进行重复评估，导致耗时且计算成本高。本研究引入了一种基于物理信息的DeepONet框架用于多目标预测。该模型通过多层感知器（分支网络）编码催化剂几何参数，并使用卷积神经网络（主干网络）处理三维空间坐标以提取空间特征。为确保物理一致性，质量守恒约束被嵌入到损失函数中。所提出的框架有效捕捉了三维结构参数与流场之间的非线性映射关系，与纯数据驱动模型相比实现了更高的精度。结合遗传算法，它能够高效识别最优几何结构，与基准运行点相比，乙烯转化率提高了23.46%，乙烯氧化物收率提高了1.46%，从而推动了工业反应器设计与优化的实际进展。
Keyword:
Catalysts
Hydrocarbons
Mathematical methods
Optimization
期刊
I
IF:
0
论文数:
1
被引数:
0
机构
引用论文
Fundamental Understanding of Heat and Mass Transfer Processes for Physics-Informed Machine Learning-Based Drying Modelling.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏Determination of Equilibrium Loading by Empirical Models for the Modeling of Breakthrough Curves in a Fixed-Bed Column: From Experience to PracticeWATEROAAI
WATERIF3
OAAI分享收藏Approximations of continuous functionals by neural networks with application to dynamic systems
PREAI
分享收藏Learning generic solutions for multiphase transport in porous media via the flux functions operator
OAAI
OAAI分享收藏Multi-Objective Optimization and Multi-Criteria Decision-Making Approach to Design a Multi-Tubular Packed-Bed Membrane Reactor in Oxidative Dehydrogenation of Ethane多目标优化与多准则决策方法在乙烷氧化脱氢中设计多管式填充床膜反应器
IF0
PREAI
分享收藏
查看更多内容