基于代理模型的含盐废水多级纳滤系统的过程优化设计

基于道南细孔-介电DSPM-DE模型,开展了工业含盐废水多级纳滤分离系统的代理模型构建与优化研究。首先,利用高维模型表征的数学建模方法,构建与原有纳滤理论模型有高拟合度的高精度代理模型。基于此代理模型,进一步构建膜法分盐工艺中的多级纳滤分离的数学优化模型,并以分离单位质量NaCl的比能耗为优化目标,讨论在给定设计参数的条件下进料液中[Cl^-]/[\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-}]的变化对不同级数纳滤系统的分盐性能及最优操作条件的影响。优化结果显示,进料[Cl^-]/[\mathrm{S}{\mathrm{O}}_{\mathrm{4}}^{\mathrm{2}-}]的增加有利于提高NaCl总回收率和降低分盐比能耗。在相同的纳滤膜投资成本下,双级系统在降低能耗方面更胜一筹,与单级系统相比最高可节能5.84%。     

基于物理信息神经网络的传热过程物理场代理模型的构建

物理信息的神经网络（PINN）通过构建结构化的深度神经网络体系,可以有效地耦合基于物理定律的非线性偏微分方程组（如Navier-Stokes方程）,能够在较少量的边界数据条件下解决监督学习问题。但是,PINN训练效果与边界条件的设置方式密切相关。本工作以具有内热源的二维稳态导热方程和平板间二维稳态对流传热方程为案例,基于软边界和硬边界两种设定方法构建PINN。将训练所得到的代理模型预测温度场输出,并将其与软件模拟结果进行验证分析,结果表明硬边界PINN代理模型预测能力较优。