Multi‐objective optimization of radially stirred tank based on CFD and machine learning

混合(物理) 功率消耗 功率(物理) 计算流体力学 多目标优化 连续搅拌釜式反应器 工程类 可靠性(半导体) 计算机科学 数学优化 数学 物理 量子力学 化学工程 航空航天工程
作者
Xing‐Ming Zhao,Haoan Fan,Gaobo Lin,Zhecheng Fang,Wenying Yang,Mian Li,Jianghao Wang,Xiuyang Lü,Bolong Li,Kejun Wu,Jie Fu
出处
期刊:Aiche Journal [Wiley]
卷期号:70 (3) 被引量:1
标识
DOI:10.1002/aic.18324
摘要

Abstract Structural optimization is essential to improve the performance of mixing equipment. An efficient optimization strategy based on computational fluid dynamics, machine learning, and the multi‐objective genetic algorithm was proposed to predict and optimize the performance of the stirred tank. Single‐factor analysis was performed to study the effects of structural parameters on power consumption and mixing time, which were reduced by 16.0% and 1.4%, respectively, in the optimized stirred vessel. To further optimize the stirred tank geometries and maximize the integrated performance, XGB coupled NSGA‐ІІ were utilized to minimize the power consumption and mixing time. The optimal design parameters from the Pareto front were identified by two well‐known decision‐making methods (LINMAP and TOPSIS), which decreased power consumption and mixing time by 12.3% and 13.4% compared to the stirred tank with the baseline structure. This research further confirmed the accuracy and reliability of the machine learning‐based optimization method.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
太阳雨发布了新的文献求助10
2秒前
2秒前
领导范儿应助乐观的涟妖采纳,获得10
2秒前
许源智啊完成签到 ,获得积分10
3秒前
3秒前
烟花应助啦啦采纳,获得10
4秒前
雨渐渐发布了新的文献求助10
5秒前
5秒前
一一应助fuchao采纳,获得10
6秒前
7秒前
7秒前
polo完成签到,获得积分10
7秒前
凹ring芝完成签到 ,获得积分10
7秒前
Lyn完成签到,获得积分10
8秒前
9秒前
黄药师发布了新的文献求助20
9秒前
kai9712发布了新的文献求助30
10秒前
11秒前
张琳发布了新的文献求助10
11秒前
Owen应助晴天采纳,获得10
12秒前
Chochee完成签到,获得积分10
12秒前
土豆晴发布了新的文献求助10
13秒前
hesongwen发布了新的文献求助10
14秒前
14秒前
雨渐渐完成签到,获得积分10
15秒前
苔原猫咪甜甜圈完成签到,获得积分10
15秒前
16秒前
啦啦发布了新的文献求助10
17秒前
huang完成签到,获得积分10
17秒前
请叫我湿人人完成签到,获得积分10
17秒前
wuluao0915发布了新的文献求助10
18秒前
赘婿应助清晨五点的沙滩采纳,获得10
18秒前
研友_VZG7GZ应助Aqua采纳,获得10
18秒前
平常的青荷完成签到,获得积分10
19秒前
大个应助科研通管家采纳,获得10
19秒前
爆米花应助科研通管家采纳,获得10
19秒前
Hello应助科研通管家采纳,获得10
19秒前
脑洞疼应助科研通管家采纳,获得10
20秒前
CodeCraft应助科研通管家采纳,获得10
20秒前
20秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3252159
求助须知:如何正确求助?哪些是违规求助? 2894970
关于积分的说明 8284470
捐赠科研通 2563627
什么是DOI,文献DOI怎么找? 1391819
科研通“疑难数据库(出版商)”最低求助积分说明 651926
邀请新用户注册赠送积分活动 629033