-
题名基于机器学习的弯管固液两相流流动特性研究
被引量：1
- 1
-
-
作者
肖盛鹏
朱宏博
周岱
包艳
-
机构
上海交通大学船舶海洋与建筑工程学院
-
出处
《力学学报》
EI
CAS
CSCD
北大核心
2024年第3期613-625,共13页
-
基金
国家自然科学基金(52101322,42076210,12372270)
上海市政府间国际科技合作(2216071020)
上海交通大学深蓝计划(SL2022PT101)资助项目。
-
文摘
管道水力输送是工业中常见运输方式,具有运输距离长、安全性高、运营和维护成本低、环境友好和布置灵活的优点,当前关于管道系统内水平、倾斜和垂直管道的两相流流动特征研究较多,而关于系统内弯曲段管道研究较少,亟需明确该段的两相流流动机理及辨明该段的磨损机制,并作出准确预测.本研究首先采用欧拉-拉格朗日框架下的CFD-DEM耦合方法,针对弯曲管道压降和磨损率,探究了弯曲角度、弯曲半径、输入速度、颗粒直径和颗粒浓度等5个因素的影响;并基于上述5个变量,通过Pairwise配对法进行工况组合并进行数值模拟计算,得到数百个可用数据;基于此数据集,开发了6个机器学习模型进行训练,比较了各自模型的准确率并得到各特征对于预测结果的相对重要性.结果表明,弯管的压降随输入速度、颗粒浓度、颗粒直径和弯曲角度增大而增大,与弯曲半径关系较小;磨损率随输入速度、颗粒浓度、颗粒直径和弯曲半径的增大而增大,随弯曲角度的增大,在90°前先略有下降,在90°后增大.最佳的机器学习模型对压降和磨损率的预测准确率评估指标R2(越接近1越准确)分别在0.96和0.99左右,具有较好的预测能力,可用于多参数影响下的弯曲管道固液两相流水力压降及管壁磨损率的预测,且计算发现输入速度和颗粒浓度分别是对压降和磨损率预测的影响程度最大的因素.
-
关键词
弯管
水力输送
CFD-DEM
机器学习
压降
磨损率
-
Keywords
bend
hydraulic conveying
CFD-DEM
machine learning
pressure drop
erosion rate
-
分类号
O359
[理学—流体力学]
-
-
题名幂级数证明帕斯卡分布的概率和为1
被引量：1
- 2
-
-
作者
肖盛鹏
-
机构
陕西师范大学数学与信息科学学院
-
出处
《高等数学研究》
2020年第3期51-52,共2页
-
文摘
本文利用幂级数的一致收敛性证明了帕斯卡分布的概率和为1.
-
关键词
帕斯卡分布
幂级数
一致收敛性
-
Keywords
Pascal distribution
power series
uniform convergence
-
分类号
O173.1
[理学—数学]
-
-
题名基于MATLAB的复对称矩阵对角化
- 3
-
-
作者
黄雪晴
李乐乐
肖盛鹏
曹牧宁
孙悦
-
机构
陕西师范大学数学与信息科学学院
-
出处
《高等数学研究》
2019年第4期103-107,共5页
-
基金
陕西师范大学创新创业训练项目(201810718033)
-
文摘
根据J.H.Noble等人的算法,本文给出了在一定精度下将复对称矩阵对角化的MATLAB程序,并给出实例验证了算法以及程序的有效性.
-
关键词
复对称矩阵
对角化
MATLAB
-
Keywords
complex symmetric matrix
diagonalization
MATLAB
-
分类号
O151.21
[理学—数学]
-
