利用基于深度学习的多分散图像方法描述气液搅拌槽中流动状态转变的过程

《AIChE Journal?AIChE》：Description of flow regime transitions with deep-learning-based polydisperse image method in a gas–liquid stirred tank

本研究通过基于深度学习的多分散气泡检测系统，揭示了气液搅拌罐流动状态转变的机理，发现大气泡的径向扩散和轴向卷吸是关键因素，显著影响状态转变的动态过程。

　　

摘要

研究气液搅拌罐中流动状态转变的特征对于工艺优化至关重要。然而，传统的研究主要关注稳态流动状态，而忽略了气相多分散性的变化，而这种变化显著影响了流动状态转变的动力学过程。本研究通过引入基于深度学习的多分散粒子检测系统，实现了对气泡尺寸的高效分辨，从而填补了这一研究空白。研究结果表明，流动状态转变是由不同类型气泡之间的流体动力学解耦机制控制的，其中大气泡的动态行为起着关键作用。从“淹没状态”到“负载状态”的转变特征表现为大气泡的径向扩散，其局部出现频率急剧增加，其增长率超过了5倍。当系统进入完全循环状态时，大气泡会在叶轮下方被轴向卷入流动中，导致局部气体持液量增加了3倍以上。本研究建立了一个基于微观气泡现象与宏观流动模式转变之间联系的机制性框架。