机械搅拌釜中翼型组合桨持气特性的神经网络模型
Fractional Gas Hold-up Performance Investigated on the Basis of Neural Network Model in Mechanically Agitated Reactors with Mixed Hydrofoil Impeller K5 and Rushton Turbine
-
摘要: 研究了内径0.382~1.16m机械搅拌釜中翼型组合桨气液两相的持气特性,建立了气含率与结构参数(包括翼型桨径、桨间距、桨下距离、通气位置、挡板形式及翼型桨排出流方向)和操作参数(包括搅拌转速及通气量)间关联的神经网络模型。考察了所建立的网络模型中各参数对气含率的影响规律。结果表明,模型具有很好的泛化能力,其泛化相对误差在±10%以内。采用开槽挡板、低位通气、适宜的桨径、桨间距和翼型桨的排出流向上的方案,在较宽的桨下距离范围内可获得较高的气含率。由于模型使用了与规模无关的无因次参数建模,因此可用于离线预测、参数优化及放大设计。