基于深度學習的全三維氣固兩相流時空耦合智能預測

摘要： 氣固流化床在化工、冶金及制藥等領域得到了廣泛的研究與應用。對流化床內氣固兩相流的動力學行為進行深入研究有利于流化床設備的設計和性能優(yōu)化。本文利用深度學習技術構建了數(shù)據(jù)驅動的全三維深度時空序列模型，對流化床內氣固兩相流三維空間和時間維度的復雜動力學行為進行學習，并實現(xiàn)了對未知來流速度條件下流化床內氣相和顆粒相速度場的合理預測。測試結果表明，該全三維智能模型的預測結果與CFD計算結...