マルチスケール・シミュレーションとマシン・ラーニングで,リザーレス・パイプラインでのカットの輸送の最適化,バブル・コアレクセンス・ブレイクアップ駆動フローの下でのカットの輸送の最適化
Hengfu Xiang1, Guilin Zhang1, Sen Zhang1
1College of Mechanical and Electronic Engineering, China University of Petroleum (East China), Qingdao 266580, China.
深水における不効率な切断物輸送は,バブルダイナミクスを理解することで改善されます. 実験,シミュレーション,機械学習を統合した新しいフレームワークにより,切り株の輸送予測と効率が向上します.
科学分野:
- 石油工学は,石油工学である.
- マルチフェーズフローダイナミクス
- 計算式流体力学について
背景:
- 深海のリザーレスドリリングは,切断物輸送の課題に直面し,パイプの詰まりなどの運用上の問題につながります.
- 既存のモデルは,ガス・液体・固体系におけるバブルダイナミクスをしばしば無視し,高圧・高粘度条件での精度を制限している.
研究 の 目的:
- リザーレスドリリングにおけるバブルダイナミクスとカッティング輸送を理解するための統合的枠組みを開発する.
- 先進的なモデリングと機械学習を使用して,切り株の濃度と輸送率の予測精度を向上させる.
主な方法:
- 視覚化実験,CFD-DEMと人口バランスモデル (PBM) のシミュレーション,および機械学習を組み合わせた統合フレームワーク.
- CFD-DEM-PBMモデルを用いたバブルダイナミクスとカッティングの相互作用の高精度定量化.
- トレーニング・バックプロパガンダ (BP) とラジアルベース機能 (RBF) のニューラルネットワークは,物理情報に基づいた予測のための実験データを使用しています.
主要な成果:
- バブル凝結は堆積を抑制し,バブル崩壊は粒子の再懸浮を促進し,その相乗効果は輸送効率を左右する.
- クープリングされたCFD-DEM-PBMモデルは,バブルダイナミクスと切り株とのクロススケール相互作用を正確に捉えます.
- RBFニューラルネットワークは優れた予測精度 (R2 = 0.91182) を達成し,BPネットワークと経験的モデルを上回った.
結論:
- 統合されたフレームワークは,リザーレスドリリングにおけるリアルタイムパラメータ最適化と意思決定のための信頼できる基盤を提供します.
- この研究は,複雑な多相輸送現象を分析するための新しいパラダイムを確立しています.
- 泡の凝結と崩壊を理解することは,切り株の輸送効率を最適化するために重要です.
さらに関連する動画
08:19Induction of Microstreaming by Nonspherical Bubble Oscillations in an Acoustic Levitation System
Published on: May 9, 2021
11:14A Microfluidic System with Surface Patterning for Investigating Cavitation Bubble(s)–Cell Interaction and the Resultant Bioeffects at the Single-cell Level
Published on: January 10, 2017
関連する概念動画
Turbulent Flow: Problem Solving
Temperature is a key factor in CO2 solubility. In this case, the CO2 gas and the liquid are cooled to 20°C. Lower temperatures enhance...
Typical Model Studies
Laminar and Turbulent Flow
Uniform Depth Channel Flow: Problem Solving
Laminar Flow: Problem Solving
Rapidly Varying Flow
