来源：期刊VIP网 时间：
作者：武煜坤;李政权;王贻得;徐止恒;李凯旋;石昊宇;
单位：江西理工大学江西省颗粒系统仿真与模拟重点实验室;
摘要：搅拌釜系统本身具有强非线性特点，传统研究方法往往难以快速准确地反演现场实际情况。为解决这一问题，本研究采用人工神经网络（Artificial Neural Network,ANN）与计算流体力学（Computational Fluid Dynamics,CFD）相结合的方法，构建了ANN-CFD湍流状态预测模型，并采用了3种训练算法（Levenberg-Marquardt、Bayesian Regulation和Scaled Conjugate）和优化算法（遗传算法、粒子群算法、模拟退火算法）对模型超参数进行研究。在此基础上，采用双层遗传算法（GA-GA）分别对神经网络的隐藏层节点数和初始权值阈值进行了优化，同时提出了神经网络架构较优方案；用ANN-CFD模型预测搅拌釜内流场状态并评估模型精度。结果显示：BR算法在神经元数大于9个时具有较高的预测准确性，且准确度变化总体趋于稳定；遗传算法的全局收敛性及预测精度在本模型中表现出了出色的性能；在双隐藏层条件下隐藏层神经元数组合为11-10时达到综合较优效果；基于GA-GA优化的ANN-CFD模型其回归指标均超过0.9，展现了出色的预测精度。与传统的BP神经网络相比，该模型在验证集和测试集上的拟合效果提高一倍以上。
关键词：搅拌釜;;人工神经网络;;计算流体力学;;遗传算法;;湍流状态
基金资助：江西理工大学高层次人才科研启动项目（205200100606）
