期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的全三维气固两相流时空耦合智能预测
1
作者
谢心喻
王晓放
+3 位作者
郝祎琛
赵普
谢蓉
刘海涛
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024年第2期446-452,共7页
气固流化床在化工、冶金及制药等领域得到了广泛的研究与应用。对流化床内气固两相流的动力学行为进行深入研究有利于流化床设备的设计和性能优化。本文利用深度学习技术构建了数据驱动的全三维深度时空序列模型,对流化床内气固两相流...
气固流化床在化工、冶金及制药等领域得到了广泛的研究与应用。对流化床内气固两相流的动力学行为进行深入研究有利于流化床设备的设计和性能优化。本文利用深度学习技术构建了数据驱动的全三维深度时空序列模型,对流化床内气固两相流三维空间和时间维度的复杂动力学行为进行学习,并实现了对未知来流速度条件下流化床内气相和颗粒相速度场的合理预测。测试结果表明,该全三维智能模型的预测结果与CFD计算结果高度一致,具有较好的泛化能力;此外,该模型比传统的数值仿真速度快数百倍,可以用于流场的快速预测,以缓解数值仿真耗时问题。
展开更多
关键词
深度学习
气固两相流
三维时空预测
流化床
原文传递
瞬态多相流场图神经网络时空预测方法研究
2
作者
郝祎琛
谢心喻
+3 位作者
丁家琦
谢蓉
王晓放
刘海涛
《哈尔滨工程大学学报》
EI
CAS
2024年第9期1761-1769,共9页
为实现对大型能源化工装备(如循环流化床)内瞬态多相流场的快速时空建模和预测,本文采用基于网格图神经网络的深度学习模型,针对循环流化床非结构化时变数值仿真数据,建立离散相体积分数的时空耦合预测器。该模型有效捕捉了反应器的时...
为实现对大型能源化工装备(如循环流化床)内瞬态多相流场的快速时空建模和预测,本文采用基于网格图神经网络的深度学习模型,针对循环流化床非结构化时变数值仿真数据,建立离散相体积分数的时空耦合预测器。该模型有效捕捉了反应器的时空多尺度特性,能高效地进行多相流场时空耦合动态预测,结果表明:速度远超传统数值仿真,加速比可接近500。
展开更多
关键词
深度学习
图神经网络
循环流化床
非结构化网格
瞬态流场
多相流
时空预测
多尺度特征
下载PDF
职称材料
题名
基于深度学习的全三维气固两相流时空耦合智能预测
1
作者
谢心喻
王晓放
郝祎琛
赵普
谢蓉
刘海涛
机构
大连理工大学能源与动力学院
出处
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024年第2期446-452,共7页
基金
国家重点研发计划资助(No.2020YFA0714403)
国家自然科学基金青年项目资助(No.52005074)
中央高校基本科研业务费资助(No.DUT19RC(3)070)。
文摘
气固流化床在化工、冶金及制药等领域得到了广泛的研究与应用。对流化床内气固两相流的动力学行为进行深入研究有利于流化床设备的设计和性能优化。本文利用深度学习技术构建了数据驱动的全三维深度时空序列模型,对流化床内气固两相流三维空间和时间维度的复杂动力学行为进行学习,并实现了对未知来流速度条件下流化床内气相和颗粒相速度场的合理预测。测试结果表明,该全三维智能模型的预测结果与CFD计算结果高度一致,具有较好的泛化能力;此外,该模型比传统的数值仿真速度快数百倍,可以用于流场的快速预测,以缓解数值仿真耗时问题。
关键词
深度学习
气固两相流
三维时空预测
流化床
Keywords
deep learning
gas-solid two-phase flow
3D spatio-temporal prediction
fluidized bed
分类号
TQ021.1 [化学工程]
原文传递
题名
瞬态多相流场图神经网络时空预测方法研究
2
作者
郝祎琛
谢心喻
丁家琦
谢蓉
王晓放
刘海涛
机构
大连理工大学能源与动力学院
出处
《哈尔滨工程大学学报》
EI
CAS
2024年第9期1761-1769,共9页
基金
国家重点研发计划(2020YFA0714403)
国家自然科学基金青年项目(52005074)
+2 种基金
中央高校基本科研业务费(DUT19RC(3)070)
国家自然科学基金面上项目(52375231)
辽宁省自然科学基金面上项目(2022-MS-135).
文摘
为实现对大型能源化工装备(如循环流化床)内瞬态多相流场的快速时空建模和预测,本文采用基于网格图神经网络的深度学习模型,针对循环流化床非结构化时变数值仿真数据,建立离散相体积分数的时空耦合预测器。该模型有效捕捉了反应器的时空多尺度特性,能高效地进行多相流场时空耦合动态预测,结果表明:速度远超传统数值仿真,加速比可接近500。
关键词
深度学习
图神经网络
循环流化床
非结构化网格
瞬态流场
多相流
时空预测
多尺度特征
Keywords
deep learning
graph neural network
circulating fluidized bed
unstructured mesh
transient flow field
multiphase flow
spatiotemporal prediction
multiscale feature
分类号
TK12 [动力工程及工程热物理—工程热物理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的全三维气固两相流时空耦合智能预测
谢心喻
王晓放
郝祎琛
赵普
谢蓉
刘海涛
《工程热物理学报》
EI
CAS
CSCD
北大核心
2024
0
原文传递
2
瞬态多相流场图神经网络时空预测方法研究
郝祎琛
谢心喻
丁家琦
谢蓉
王晓放
刘海涛
《哈尔滨工程大学学报》
EI
CAS
2024
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部