基于燃烧模拟和深度学习的钢包烘烤优化

为了解决钢包烘烤的粗放式控制问题,提升钢包烘烤的燃烧效果,减少污染物排放量,提出了一种耦合燃烧模拟和深度学习技术进行数据驱动建模的钢包烘烤优化方法,同时采用了修改后的加权灰色气体模型确保CFD燃烧模拟模型计算在富氧条件下保持可靠.计算结果用于建立长短时记忆(LSTM)深度学习预测模型,预测氮氧化物(NO_(x))排放量、燃烧效率和升温速率,平均相对误差分别为0.278%,0.244%和0.189%.最后对计算结果进行多目标优化,可以在一定范围内减少氮氧化物排放量,提高燃烧效率和升温速率.结果表明:氮氧化物排放量、燃烧效率和升温速率的优化量分别为242.1 mg/m^(3),7.718%和3.631 K/h,达到了优化目的.

基于泡沫金属的复合毛细芯的物性测试

为改进毛细芯的传热传质性能,以泡沫金属铜或镍为骨架,在其内部填充树形金属铜粉或镍粉,通过树形金属粉末调控泡沫金属内的孔隙结构及孔径分布,制备出一种以金属泡沫为基底的复合毛细芯,并对制备的复合毛细芯的孔隙率、抽吸性能、有效热导率及蒸发率进行研究。结果表明,这种结构的复合毛细芯孔隙率较高,有效热导率为4.1~9.8W/(m·K)。从毛细芯毛细抽吸、有效热导率和蒸发率综合来看,以金属泡沫镍为骨架、树形镍粉末与造孔剂质量比为5:5的复合毛细芯性能最好。