❖ 第一作者: Cihat Emre Üstün, University of Hertfordshire, United Kingdom
❖ 通讯作者: Cihat Emre Üstün, University of Hertfordshire, United Kingdom
❖ 作者邮箱: c.e.ustun@herts.ac.uk
摘要
由于当前脱碳的趋势,氨在内燃机中的利用引起了广泛的兴趣,因为氨是一种零碳燃料,具有与碳氢化合物不同的燃烧特性。层流燃烧速度(LBV)是燃料的基本属性,对燃烧过程有重大影响,在各种燃料混合物、压力和流量条件下精确计算和测量LBV是一个耗时且复杂的过程。当前研究的主要目标是使用基于训练数据集的混合机器学习(ML)方法来预测氨/氢/空气混合物的LBV,该训练数据集包括实验LBV值和从数值模拟获得的附加数据,并详细说明动力学模型。初始ML模型训练数据是从文献中现有的氨/氢/空气混合物实验LBV中收集的。然后,使用一维(1D)模拟生成合成数据,以减少数据不均匀性并提高ML模型的准确性。总共测试了24种不同的ML算法,以找到实验数据集和混合数据集的最佳模型。结果表明,高斯过程回归(GPR)和神经网络(NN)均可用于以合理的精度预测氨/氢/空气混合物的LBV。混合ML模型的决定系数为R^2=0.998。最后,优化混合ML模型超参数以实现R^2=0.999的决定系数。研究还发现,与具有简化机制的一维模拟相比,ML可以将LBV计算速度提高9500倍至27000倍。
详情可点击下方“阅读原文”