利用机器学习加速化学反应技术，研究了钝体湍流H?/N?火焰中的稳定机制及火焰结构

《International Journal of Hydrogen Energy》：Investigation of stabilization regimes and flame structure in bluff-body turbulent H 2/N 2 flames with machine-learning accelerated chemistry

氢氮混合火焰稳定性机制研究：DNN加速大涡模拟揭示涡旋结构演变与自燃指数关联性。

　　本研究探讨了使用深度神经网络（DNN）增强模型进行大涡模拟（LES）对钝体湍流氢/氮火焰复杂动态的影响。这项工作旨在揭示在不同燃料喷射速度下火焰稳定性的机制，并探索如何通过改进钝体设计来推动零碳燃烧技术的发展。研究结果表明，涡旋在火焰稳定性中起着关键作用，特别是在燃料喷射速度增加时，火焰稳定区域的位置和结构发生变化。此外，自动点火指数（AI）的分析揭示了点火与火焰稳定区域之间的关联性，这为理解燃烧过程中的非稳态现象提供了新的视角。

随着全球对零碳燃烧技术的关注日益增加，氢气（H?）和氨气（NH?）作为碳中性燃料的重要性不断提升。氢气作为一种清洁能源，具有高能量密度和清洁燃烧的特点，但其应用仍面临诸多挑战，如储存、运输、燃烧不稳定性和回火风险。相比之下，氨气具有更高的体积能量密度，更简单的储存方案以及成熟的运输基础设施，这使其成为替代氢气的潜在载体燃料。然而，氨气在燃烧过程中也存在一些问题，包括较低的反应活性和需要较高的点火能量。因此，如何有效利用氨气和氢气的特性，提高其在燃烧系统中的稳定性和效率，成为当前研究的重要方向。

钝体燃烧器因其在工业应用中的广泛使用，如燃气轮机、冲压发动机和炉子等，而受到高度重视。钝体燃烧器通过其卓越的湍流混合特性和对燃烧过程的精确控制，能够显著提高燃烧稳定性与效率。其核心原理在于通过钝体的形状和位置，形成回流区，从而延长稳定燃烧的极限。研究者们发现，钝体的形状和角度对回流区的大小以及湍流动能的分布具有重要影响。因此，钝体设计的优化对于提升燃烧效率和稳定性至关重要。

在零碳燃烧技术的发展背景下，钝体燃烧器的设计得到了创新性的改进。通过将钝体回流区作为集成的氨裂解机制，可以生成促进自持燃烧的自由基。这一策略不仅提高了燃烧效率，还为氢气和氨气的燃烧应用提供了新的思路。例如，一些实验研究表明，通过非预混钝体燃烧器可以更深入地了解氨/氢/氮混合物的燃烧特性，以及氢/氮-空气火焰的燃烧行为。然而，这些实验现象背后的机制仍需进一步研究，主要是由于湍流与化学反应之间的复杂相互作用，以及实验数据获取的难度。

为了全面分析这些机制，高保真度的数值模拟成为不可或缺的工具。然而，高保真度模拟在湍流火焰中的应用仍然面临巨大的计算挑战，尤其是由于化学动力学中刚性常微分方程（ODEs）的实时积分需要大量的计算资源。为了克服这一瓶颈，研究者们尝试采用多种方法来降低化学计算的计算负担，例如利用预生成的数据库进行反应源项的查找，以及采用各种表格化方法。近年来，人工智能（AI）技术，特别是机器学习（ML）的发展，为加速详细化学反应提供了新的解决方案。

本研究提出了一种基于深度神经网络的模型，该模型结合了二维轮廓扩散火焰的解决方案，并引入了随机扰动以提高模型的泛化能力。通过这种方式，模型能够在保持较高精度的同时，显著提高化学计算的速度。与传统的CVODE求解器相比，该模型的计算效率提升了十倍，这使得火焰解析模拟成为可能，从而能够更准确地预测氢气的扩散行为，而无需额外的扩散模型或湍流-化学相互作用模型。此外，研究还关注了燃料喷射速度对燃烧特性的影响，通过分析不同喷射速度下的流场、混合特性、火焰结构及其相互作用，揭示了火焰稳定性的变化规律。

在实验和模拟的基础上，研究还探讨了燃料混合比例对燃烧过程的影响。实验中使用的燃料混合物由氢气和氮气按3:1的摩尔比组成，用于代表完全裂解的氨气。通过对比不同燃料喷射速度下的燃烧特性，研究发现随着喷射速度的增加，火焰稳定区域的分布发生了显著变化。具体而言，当喷射速度从26.5 m/s增加到105.9 m/s时，火焰稳定区域从燃料喷射与回流区之间的剪切层向空气侧的剪切层转移。这一变化与剪切层内的湍流混合强度的增加密切相关，表明在高喷射速度下，空气侧的剪切层对火焰稳定性起到了更大的作用。

同时，研究还通过自动点火指数（AI）的分析，揭示了点火与火焰稳定区域之间的关系。当AI值大于0.5时，火焰稳定区域与观察到的点火现象相吻合，表明点火过程在火焰稳定性中扮演了重要角色。随着燃料喷射速度的增加，火焰传播对热释放速率的影响也相应增强，这进一步说明了燃烧过程中动态变化的重要性。

在模型验证方面，研究者通过将DNN模型的计算结果与传统CVODE求解器的结果进行对比，验证了该模型的有效性。结果表明，DNN模型在保持高精度的同时，显著提高了计算效率，为后续的详细燃烧研究奠定了基础。此外，研究还引入了动态负载平衡（DLB）算法，以提高模拟的整体效率。DLB算法通过优化计算资源的分配，使得在大规模并行计算中能够更有效地利用硬件资源，从而进一步缩短了模拟时间。

在应用方面，本研究的成果不仅适用于氢气和氮气混合物的燃烧模拟，还为其他碳中性燃料的燃烧研究提供了参考。通过DNN模型的引入，研究人员能够在更短的时间内获得更精确的燃烧特性数据，这对于开发新型燃烧系统和优化现有燃烧设备具有重要意义。此外，本研究还为燃烧过程中的湍流-化学相互作用提供了新的理解，有助于进一步探索燃烧稳定性与火焰传播之间的关系。

综上所述，本研究通过引入DNN模型，结合大涡模拟技术，成功地加速了燃烧过程的计算，并揭示了不同燃料喷射速度下火焰稳定性的变化机制。研究结果表明，涡旋在火焰稳定性中起着关键作用，且随着喷射速度的增加，火焰稳定区域的分布和结构发生了显著变化。这些发现为钝体燃烧器的设计优化提供了理论依据，同时也为零碳燃烧技术的发展提供了重要的技术支持。未来的研究可以进一步探索不同燃料混合比例和钝体形状对燃烧特性的影响，以期在实际应用中实现更高的燃烧效率和稳定性。