来源：期刊VIP网 时间：
作者：王黎;李传斌;胡秋燕;金炜;郭仕超;曾令枭;李煊;
单位：武汉科技大学资源与环境工程学院;环境污染绿色控制与修复技术研究中心;
摘要：环境污染控制过程的微纳米气泡空化反应器(Micro-Nano Bubble Cavitation Reactor, MNBCR)的空化效果受流体动力学特性、气泡初始条件、几何结构及环境因素影响。针对MNBCR设计中多物理场耦合机制复杂、参数优化依赖经验试错等问题，研究旨在通过量化流体动力学特性、几何结构及操控参数对溶气效果的协同影响，以突破计算流体动力学(Computational Fluid Dynamics, CFD)模拟效率瓶颈。通过结合人工智能(Artificial Intelligence, AI)与CFD以强化微纳米空化反应器平台的设计与制备，应用欧拉-欧拉模型及Realizable k-ε黏性模型模拟气液双相流，改变固体域(进气柱长度比例α与反应腔收缩角θ)空间关系，根据PyCharm训练数据集得到序列数组并构建AI模型对空化器内部混合流的流场参数进行解析，进而得出最适空化反应器空间参数(α=1:9、θ=20°)。研究通过PyCharm软件构建多层感知器(Multilayer Perceptron, MLP)AI模型，并与CFD技术在MNBCR设计中深度融合，进而预测空化器尺寸与气泡平均尺寸分别为d=170 nm、460 nm。MLP神经网络结合CFD技术能显著减少传统CFD的计算时间，同时该研究的开展能为空化反应器组织架构的智能设计与工艺优化提供数据支持与理论应用，未来可进一步引入深度学习与多目标优化算法，进而拓展至多污染物协同处理反应器的跨尺度设计研究。
关键词：环境工程学;;人工智能-计算流体动力学;;气液双相流;;空化反应器;;微纳米气泡
基金资助：国家自然科学基金项目(51574185);; 湖北省重大技术创新项目(2019ACA152);; 湖北省重点研发计划项目(2021BCD002)
