本技术介绍了一种利用深度学习技术来预测空化反应器的空化强度的方法和系统。该技术属于空化技术领域,核心步骤包括收集空化反应器的形状参数,并将这些参数输入到一个预先训练好的强度预测模型中,以实现对空化强度的准确预测。
背景技术
现全球能源短缺和环境污染,亟需探索创新、节能和环保的过程强化技术;流体动力空化技术是一种新兴的过程强化方法,在各个领域得到了广泛的应用,包括废水处理、乳化、木质纤维素生物质预处理、浮选、生物柴油生产和食品加工,空化反应器对现代工业应用至关重要;空化技术是指到当液体的静压低于其饱和蒸汽压时,液体从液相到气相的相变过程;空化气泡的破裂会产生极端的条件,包括高达5000K的局部高温、达到1000bar的压力以及强烈的氧化和还原效应;常见类型的空化反应器有孔板、文丘里反应器、涡流二极管和旋转反应器等。
对空化反应器的空化强度预测及空化反应器形状因素对空化强度的影响,通常用的是控制变量法或者曲面响应法进行分析;控制变量法旨在通过控制空化反应器中的形状参数变量,以消除其他因素对空化强度的影响,从而获得空化反应器形状因素和空化强度之间的关系;响应曲面法主要通过设计合适的实验点和因子水平,收集数据,然后利用多元二次回归方程来拟合形状因素与空化强度之间的函数关系;但这两者方法都无法捕捉空化反应器形状因素与空化强度之间的非线性联系,无法形成特定形状因素组合对空化强度的影响规律。
实现思路