基于机器学习的电流体动力雾化系统液滴直径预测模型的开发,Chemical Engineering Science
基于机器学习的电流体动力雾化系统液滴直径预测模型的开发
Chemical Engineering Science ( IF 4.3 ) Pub Date : 2022-12-19 , DOI: 10.1016/j.ces.2022.118398
Tao Dong , Jin-Xin Wang , Yong Wang , Guan-Hua Tang , Yongpan Cheng , Wei-Cheng Yan
由于电流体动力雾化 (EHDA) 系统复杂多物理场的性质以及过程变量与液滴直径之间的强非线性关系，基于实验的试错法和传统数值模拟在分析此类系统时表现出普适性差或效率低下。在这项研究中，开发了一种人工神经网络 (ANN) 模型，以高效准确地关联 EHDA 过程变量（喷嘴直径、电导率、粘度、介电常数、密度、表面张力、流速、喷嘴与喷嘴之间的距离）之间的关系。接地电极和施加的电压）和液滴直径。收集了包含 8628 个 EHDA 液滴直径数据点的数据库并用于训练模型。2 ) 的 0.9998 和 0.0071 的低平均绝对误差 (MAE)。评估了特征输入对预测性能的影响，建议将溶液性质和操作条件视为特征输入以确保预测准确性。还进行了 CFD 模拟，以将效率和准确性与 ANN 模型进行比较。最后，开发的 ANN 模型用于研究过程变量的影响。本研究为以绿色和可持续的方式有效预测 EHDA 系统中的液滴尺寸提供了一个强大的智能工具，可用于纳米材料制备、燃料喷涂燃烧、生物医学药物制备、电场辅助生物打印等许多研究领域。
"点击查看英文标题和摘要"
更新日期：2022-12-24
相关知识
基于机器学习的电流体动力雾化系统液滴直径预测模型的开发,Chemical Engineering Science
基于机器学习构建葡萄霜霉病预测模型及验证
科学家研发种子筛选AI模型，预测准确性超过90%，实现高效数字化的抗病品种筛选
基于机器学习的落叶松毛虫发生面积预测模型
智慧农业的未来：基于AI大模型的病虫害预测系统
基于机器学习的音乐流行趋势预测
使用物联网和机器学习进行土壤肥力检测和作物预测,International Journal of Membrane Science and Technology
基于机器视觉学习的猕猴桃成熟度无损鉴别预测方法
雾化喷嘴液滴尺寸特点介绍
基于BP神经网络的农作物虫害预测系统的研究
网址: 基于机器学习的电流体动力雾化系统液滴直径预测模型的开发,Chemical Engineering Science https://m.huajiangbk.com/newsview2511986.html
| 上一篇: 夏季室外如何降温？国润雾森喷雾降 |
下一篇: 一种藏医药提取物在吸入式雾化烟中 |
