在微通道中优化滴滴凝聚动态:使用响应表面方法和机器学习算法的综合研究
Seyed Morteza Javadpour1, Erfan Kadivar2, Zienab Heidary Zarneh2
1Department of Mechanical Engineering, University of Gonabad, Gonabad, Iran.
Heliyon
|January 27, 2025
概括
这项研究利用计算方法优化微通道中的滴滴凝聚. 确定了影响滴滴间距和速度的关键参数,机器学习提高了微流体系统的预测准确性.
科学领域:
- 流体动力学 流体动力学
- 微流体学 微流体学
- 计算物理学的计算物理.
背景情况:
- 微通道中的滴滴凝聚是复杂的,受到大小,速度,表面张力和间距的影响.
- 了解这些动态对于优化微流体应用至关重要.
研究的目的:
- 调查影响突然扩张微通道中的滴滴凝聚动态的控制参数.
- 使用响应表面方法 (RSM) 和机器学习优化滴滴凝聚.
主要方法:
- 使用边界元素方法来解决布林克曼积分方程.
- 集成响应表面方法 (RSM) 使用机器学习算法.
- 使用回归系数和平均绝对误差指标验证的准确性.
主要成果:
- 确定了非维的初始距离 (D),粘度比,毛细体数 (Ca) 和宽度 (w) 作为关键参数.
- 发现A_d和D对最终滴滴间距 (DD) 影响最大;粘度的影响最小.
- 粘度和通道宽度对滴滴速度的影响最大;初始距离和Ca的影响最小.
结论:
- 计算技术有效地提高了微流体研究中的实验效率.
- 该研究提供了关于滴滴凝聚的宝贵见解,以及优化微流体系统的框架.
- 特定的机器学习算法证明了滴滴动态的优越预测能力.
更多相关视频
11:08Generation of Size-controlled Poly ethylene Glycol Diacrylate Droplets via Semi-3-Dimensional Flow Focusing Microfluidic Devices
Published on: July 3, 2018
7.7K
09:52Automated and High-throughput Microbial Monoclonal Cultivation and Picking Using The Single-cell Microliter-droplet Culture Omics System
Published on: March 14, 2025
272
