Машинное обучение и CFD для построения карт характеристик и оптимизации эжекторов CO₂

В исследовании представлен новый алгоритм на основе моделирования для проектирования эжекторов CO₂ и оценки их характеристик. Алгоритм основан на автоматизированном рабочем процессе вычислительной гидродинамики (CFD), учитывающем различные геометрии эжектора и режимы работы. Данные CFD используются для обучения модели машинного обучения на основе гауссовской процессной регрессии (GPR), предназначенной для прогнозирования показателей работы эжектора: эффективности, массовых расходов, равномерности выходного потока и генерации энтропии. С помощью этой методики исследованы три варианта применения: (1) построение карты характеристик заданного эжектора при нерасчётных режимах работы; (2) построение зависимости характеристик эжектора от пяти геометрических переменных; и (3) прогнозирование структуры течения для различных геометрий смесительной камеры эжектора. Результаты показывают, что этот алгоритм позволяет эффективно исследовать конструкции эжекторов; средняя абсолютная ошибка для коэффициента эжекции составляет 0,07–0,1 [–]. Кроме того, метод позволяет находить оптимальные геометрии с использованием методов градиентного спуска и строить карты характеристик эжектора. Метод также способен прогнозировать локальные структуры распределения скорости и давления внутри эжекторов с различной геометрией. Базы данных и реализация метода GPR, разработанные в рамках данной работы, размещены в открытом доступе для дальнейшего развития и исследований.