一个由机制和数据共同驱动的一般神经网络模型,用于可靠设计气液T连接微设备
Yu Chang1, Lin Sheng1, Junjie Wang1
1The State Key Laboratory of Chemical Engineering, Department of Chemical Engineering, Tsinghua University, Beijing, 100084, China. gsluo@tsinghua.edu.cn.
Lab on a chip
|October 24, 2023
概括
研究人员开发了一个通用数据库和神经网络模型,用于T连接微设备中的气液微气泡生成. 这使得微反应器的可靠设计方法成为可能,以高精度产生较小的气泡.
科学领域:
- 微流体学 微流体学
- 化学工程是化学工程的重要组成部分.
- 材料科学 材料科学 材料科学
背景情况:
- 现有的气液微分散模型由于依赖机械分析,往往缺乏普遍适用性.
- 需要在微设备中生成微气泡的综合性和设计导向模型.
研究的目的:
- 建立一个通用的数据库和一个普遍适用的神经网络模型,用于T结微设备中的微泡产生.
- 开发一种可靠的气液T连接微反应器设计方法,能够精确控制气泡大小.
主要方法:
- 编制了一个包含854个数据点的综合数据库,来自12个关于微泡生成的文献来源.
- 开发了一种混合神经网络模型,集成了机械和数据驱动的方法,并通过转移学习来增强.
- 提出并验证了T结微型设备的新型设计方法.
主要成果:
- 实现了一个通用和普遍的数据库和微泡生成模型.
- 开发的设计方法允许控制泡大小,相对偏差小于5%.
- 与传统的T结装置相比,一个新设计的设备成功地产生了较小的气泡.
结论:
- 已经建立了一个强大的,适用于全球的数据库和模型,用于T连接处的气液微分散.
- 拟议的设计方法为微泡产生提供了高精度,促进了先进微反应堆的开发.
- 这项工作为微气泡生产的微流体设备的设计和控制提供了重大进步.


