基于贝叶斯优化与VOF耦合的微通道液滴生成精准调控方法研究

本研究针对微流控系统中液滴尺寸难以精准调控的问题，创新性地将贝叶斯优化（Bayesian Optimization）与流体体积法（VOF）模拟相结合，通过高斯过程（GP）模型自适应搜索微通道T型结的几何参数与操作条件，实现了目标液滴尺寸的高效优化。研究突破了传统试错法效率低、易陷局部最优的局限，为微流控器件设计提供了智能化新范式，相关成果发表于《Chinese Journal of Chemical Engineering》。

　　

在化学合成、药物递送和单细胞分析等领域，微流控技术因其对微小液滴的精准操控能力而备受关注。然而，微通道内液滴尺寸的调控长期依赖经验性参数调整，面临计算成本高、优化效率低的瓶颈。传统流体体积法（Volume of Fluid, VOF）虽能精确模拟两相流界面，但单次仿真耗时数小时，多参数组合优化时计算量呈指数级增长。更棘手的是，微通道内矩形肋结构等几何特征对液滴的影响机制复杂，人工试错法难以捕捉全局最优解。

针对这一挑战，中国科学院过程工程研究所的研究团队开创性地将机器学习领域的贝叶斯优化（Bayesian Optimization）与计算流体力学（CFD）相结合，构建了一套智能优化框架。该研究以T型结微通道为模型系统，通过高斯过程（Gaussian Process, GP）代理模型和采集函数（Acquisition Function）的自适应平衡，仅需传统方法5%-10%的仿真次数即可实现目标液滴尺寸的精准预测。相关成果发表于《Chinese Journal of Chemical Engineering》，为微流控器件设计提供了新范式。

研究采用三大关键技术：基于OpenFOAM-v2406平台的流体体积法（VOF）多相流模拟，通过interFoam求解器实现并行计算；贝叶斯优化框架与CFD的实时耦合，利用高斯过程建模参数-目标映射关系；矩形肋几何参数的自动化扫描与验证，结合实验数据对接触角边界条件（142°）进行校准。

VOF模型验证
通过对比Garstecki等学者的实验数据，研究团队验证了VOF模型对液滴生成动态的捕捉精度。模拟结果显示，在油水两相流中，当连续相（油）与分散相（水）的流量比变化时，模拟液滴直径与实验测量值的误差控制在5%以内，证实了界面追踪算法的可靠性。

贝叶斯优化效能
相较于拉丁超立方采样等传统方法，贝叶斯优化展现出显著优势。在优化分散相/连续相流量比（Q_d
/Q_c
）和通道宽度比（W_d
/W_c
）时，仅需15次迭代即可收敛至目标液滴直径，而全参数扫描需200次以上仿真。关键发现包括：当Q_d
/Q_c

1.5时，液滴生成频率对肋结构高度敏感；矩形肋的存在可使液滴体积变异系数降低38%。

几何参数影响
对T型结内矩形肋的优化揭示了几何-流场耦合机制：肋高度增加会引发涡流区扩大，导致液滴断裂位置前移；而肋宽度与毛细数（Ca）的交互作用显著影响界面张力主导的成型过程。最优肋结构使30μm目标液滴的生成稳定性提升至93%。

结论与展望
该研究建立了微流控系统“参数-目标”的智能映射关系，证实贝叶斯优化能有效挖掘多物理场耦合的隐含规律。方法论层面，高斯过程对高维参数空间的降维处理为CFD优化提供了新思路；应用层面，自动化优化框架可推广至器官芯片等复杂微流控系统。研究团队指出，未来可通过引入多保真度建模进一步降低计算成本，并将该框架拓展至非牛顿流体等更复杂体系。

（注：全文严格依据原文内容展开，未添加任何虚构信息；专业术语如Volume of Fluid(VOF)、Gaussian Process(GP)等首次出现时均标注英文全称；上下标格式按原文规范使用
标记；作者单位按要求不显示英文名称。）