卷积神经网络在化工领域的应用综述

作为实现人工智能的关键技术,深度学习在机器学习领域中备受关注。介绍了深度学习典型算法之一的卷积神经网络的基础知识与理论,阐述了卷积神经网络在反应器内参数测定、流场识别、流场重构、故障诊断等方面的应用进展,并展望了该技术在化工领域的发展趋势。

基于深度学习的CFD软件界面高精度识别

【目的】传统计算流体力学(Computational Fluid Dynamics,CFD)模拟在工况设置、结果处理等过程中需要大量的人工操作。要想实现智能CFD模拟,就要先实现对软件界面的高精度识别。【方法】根据CFD模拟的实际操作场景来创建多尺寸、多内容、多背景的数据集,利用百度飞桨(PaddlePaddle)深度学习平台来建立基于CRNN网络的CFD软件界面识别模型,并对其进行训练。【结果】试验结果表明,将数据增强、再训练等技术应用于识别模型,能有效改善模型的精度,且与传统的自然场景识别模型相比,该模型对软件界面的识别精度提高了15%。【结论】本研究实现了对化工CFD模拟软件界面的高精度识别,为实现CFD模拟向智能化方向发展奠定重要基础。