基于人工神经网络的钠藻酸-石墨烯三元纳米流体磁热溶质输运数据驱动预测研究

《Engineering Science and Technology, an International Journal》:Data-driven prediction of thermo-solutal transport in sodium alginate-based Casson radiative magnetohydrodynamics ternary nanofluid squeeze flow

【字体: 大 中 小 】 时间:2026年04月05日 来源:Engineering Science and Technology, an International Journal 5.1

编辑推荐:

  为解决非牛顿流体在热磁辐射及化学传质复杂工况下的模拟难题,研究人员针对含石墨烯-氧化石墨烯-银的三元纳米流体,在挤压流中结合卡森模型、横向磁场、热辐射与均相反应,开展了高保真数值模拟与人工神经网络(ANN)代理模型构建的研究。结果表明,所开发的ANN代理模型可精准预测速度、温度与浓度场,显著加速参数扫描与优化流程,为高性能冷却系统及过程强化设计提供了高效计算工具。

  
在能源、化工及生物医学工程等领域,高效的热管理与质量传输至关重要。传统冷却工质如水的导热性能有限,难以满足日益增长的高热流密度散热需求。与此同时,许多工业过程中涉及的流体(如聚合物溶液、血液仿制品)表现出非牛顿特性,其流动与传热行为复杂,尤其在狭窄流道(如微通道、轴承间隙)中,流体的挤压、分离运动与外加物理场(如磁场、辐射)会产生强烈的耦合效应。如何准确、快速地预测这类复杂流热质输运过程,成为设计高性能散热器、润滑系统及化学反应器的关键难题。
以往研究通常依赖于求解偏微分方程(PDE)的数值方法,虽然精度高,但计算成本巨大,难以支撑大规模的参数优化与实时控制。尽管已有工作探索了纳米流体(通过在基液中添加纳米颗粒提升导热性)在简单几何中的强化传热,以及卡森(Casson)模型(一种描述屈服应力流体的本构模型)在挤压流中的应用,但将钠藻酸盐(sodium alginate)基液、石墨烯(Gr)、氧化石墨烯(GO)与银(Ag)纳米颗粒构成的三元复合纳米流体,置于同时存在时变挤压运动、横向磁场、热辐射及均相化学反应的多物理场环境中进行系统研究,并构建高效的数据驱动预测模型,仍属空白。
为此,Ali Mirzagoli Ganji、Amirali Shateri、Hesam Ehsani、Mehdi Mahboobtosi、Davood Domiri Ganji、Bahram Jalili与Payam Jalili等研究人员在《Engineering Science and Technology, an International Journal》上发表了题为“Data-driven prediction of thermo-solutal transport in sodium alginate-based Casson radiative magnetohydrodynamics ternary nanofluid squeeze flow”的研究论文。该工作旨在填补上述空白,通过结合高保真数值模拟与人工神经网络(Artificial Neural Network, ANN)建模,为这类复杂流热质输运系统开发一个快速、准确的代理模型,以实现高效的参数空间探索与性能预测。
本研究主要采用了四项关键技术方法:
  1. 1.
    物理建模与相似变换:基于质量、动量、能量和物种守恒定律,建立了描述三元纳米流体在平行板间挤压流动的偏微分方程组,考虑了卡森流变学、洛伦兹力、粘性耗散、热辐射(采用Rosseland扩散近似)及一级均相化学反应。通过引入合适的相似变量,将时变偏微分方程组(PDEs)简化为关于相似坐标η的常微分方程组(ODEs)边值问题。
  2. 2.
    数值求解与数据集生成:使用Python中的配置法求解器,对化简后的ODE边值问题进行高精度数值求解。通过系统性地改变卡森参数(β)、哈特曼数(Ha)、施密特数(Sc)、埃克特数(Ec)、辐射参数(Rd)、挤压数(S)及三种纳米颗粒(Gr, GO, Ag)的体积分数(φ1, φ2, φ3)等关键无量纲参数,生成了一个覆盖相关设计空间的高保真数值数据集,其中包含了输入参数、相似坐标η与输出的无量纲速度(f')、温度(θ)和浓度(?)场。
  3. 3.
    人工神经网络代理模型构建与训练:基于生成的数值数据集,训练了一个紧凑的前馈人工神经网络。该网络的输入层包括所有无量纲参数及相似坐标η,输出层对应三个目标场(f', θ, ?)。通过监督学习,使ANN学习从输入参数到流热质场的复杂映射关系。
  4. 4.
    模型验证与物理一致性分析:采用未参与训练的数据集对训练好的ANN模型进行测试,通过条形图对比、同线散点图、误差直方图及自举法置信区间等多种手段,严格评估了代理模型的预测精度与泛化能力。此外,通过参数扫描,验证了ANN模型预测的趋势(如Ec增加导致温度升高,Sc增加导致浓度边界层变薄)与已知物理规律的一致性,并利用梯度分析识别了对输出场最敏感的关键输入参数。
研究结果
2.1 问题描述与几何模型
研究考虑了两块平行平板间的非稳态挤压流动。上平板以速度vw= ?h/?t运动,下平板为对称面。流体为分散有Gr、GO和Ag纳米颗粒的钠藻酸盐基卡森三元纳米流体。施加了随时间变化的横向磁场B(t)。上平板保持恒定温度Tw和浓度Cw。几何示意图清晰展示了该挤压流动配置。
2.2 三元纳米流体的混合物特性
研究采用了文献中建立的模型来描述三元纳米流体的有效物性(粘度、密度、热容、电导率和热导率)。这些模型是纳米颗粒体积分数(φ1, φ2, φ3)及基液与颗粒各自物性的函数。表1列出了Gr、GO、Ag及钠藻酸盐的热物理性质数据,为后续计算提供了基础。
2.3 控制方程与边界条件
在边界层近似和布西涅斯克近似下,推导了质量、动量、能量和物种的二维控制方程组。动量方程包含了卡森流变项(1+1/β)和洛伦兹力项;能量方程包含了热传导、粘性耗散和辐射热流项;物种方程包含了扩散和一级均相反应项。边界条件在运动板处指定了无滑移、等温、等浓度条件,在对称面处指定了对称性条件。
2.4 相似变换与无量纲方程
通过引入一组相似变量,成功将偏微分控制方程组及其边界条件转化为关于相似变量η的常微分方程组边值问题。变换后的方程清晰地揭示了影响流动的几个关键无量纲参数:挤压数S、哈特曼数Ha、卡森参数β、普朗特数Pr、辐射参数Rd、埃克特数Ec、施密特数Sc和反应参数R。
2.5 人工神经网络预测结果与验证
  • •
    模型精度:训练后的ANN模型在未见过的测试集上表现优异。条形图对比和同线散点图显示,ANN预测的f'、θ、?值与数值解几乎完全重合,相关系数接近1。误差直方图集中在零附近,且方差很小。自举法构建的预测区间非常狭窄,进一步证实了模型的可靠性。
  • •
    物理一致性验证:参数扫描表明,ANN模型成功捕捉到了关键的物理趋势。例如:(1)增大卡森参数β(屈服应力效应增强)会降低流动强度(速度);(2)增大施密特数Sc(动量扩散率大于质量扩散率)会使浓度边界层变薄,浓度降低。具体而言,Sc从1.5增至2.5导致初始浓度分布降低4.69%;(3)增大埃克特数Ec(粘性耗散效应增强)会显著提升温度分布。Ec从0.4增至0.5导致初始温度分布升高22.13%。这些趋势与理论预期和文献报道完全一致。
  • •
    敏感性分析:基于梯度的敏感性分析识别出,在所探索的设计空间内,纳米颗粒的体积分数(φ1, φ2, φ3)和卡森参数β是对输出场(速度、温度、浓度)影响最显著的主导输入参数。这为后续的优化设计指明了重点调控方向。
结论与讨论
本研究成功构建并验证了一个用于预测钠藻酸盐基卡森三元纳米流体(Gr-GO-Ag)在磁热辐射反应性挤压流动中热质输运行为的人工神经网络代理模型。该模型以前所未有的速度(相比重复求解边值问题)和精度,实现了对无量纲速度场、温度场和浓度场的快速预测。
研究的核心结论与重要意义在于:
  1. 1.
    填补了复杂多物理场纳米流体模拟与数据驱动建模的交叉空白:首次针对Gr-GO-Ag/钠藻酸盐这一特定三元体系,在同时包含非牛顿流变(卡森模型)、磁流体力学(MHD)、热辐射及均相化学反应的挤压流配置下,建立了高保真的数据驱动代理模型。这为深入理解此类高度耦合的复杂传输现象提供了新工具。
  2. 2.
    证明了ANN在复杂流体系统建模中的强大能力:研究表明,即使对于物理内涵极其丰富的强非线性、多参数耦合系统,经过适当训练的紧凑ANN也能够高精度地学习其内在规律,并保持物理一致性。这为替代计算昂贵的传统CFD(计算流体力学)模拟,用于快速参数扫描、敏感性分析和初步设计优化开辟了道路。
  3. 3.
    量化了关键参数的影响并揭示了主导因素:通过ANN模型高效的参数扫描,不仅定性地复现了已知物理规律,还定量地评估了参数变化的影响幅度(如Ec、Sc变化的百分比影响)。敏感性分析进一步指出纳米颗粒组分和流变参数是系统行为的主要驱动力,这对实际应用中的配方设计与过程控制具有直接指导意义。
  4. 4.
    为工业应用提供了高效的“数字孪生”工具原型:该ANN代理模型可作为相关工业过程(如高性能电子冷却、聚合物加工、润滑系统、化学反应器设计)的快速评估工具。工程师可以利用此模型,在几秒钟内探索成千上万种设计参数组合(纳米颗粒配比、磁场强度、板间距变化速率等)对系统热质传递性能的影响,从而加速高性能纳米流体工质的开发与相关设备的设计优化进程,具有显著的经济与技术应用潜力。
总之,这项研究通过巧妙融合第一性原理物理建模、高保真数值仿真与前沿数据驱动技术,为解决复杂流体传输系统的快速预测与优化难题提供了一个创新且高效的范例,推动了智能流体工程的发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号