| 结合深度神经网络的大气压脉冲放电转化CO2研究 |
| |
| 引用本文： | 王绪成,张远涛.结合深度神经网络的大气压脉冲放电转化CO2研究[J].石油学报(石油加工),2023(5):1013-1024. |
| |
| 作者姓名： | 王绪成 张远涛 |
| |
| 作者单位： | 山东大学电气工程学院 |
| |
| 基金项目： | 国家自然科学基金项目(11975142)资助； |
| |
| 摘 要： | 为了提高等离子数值模拟在放电等离子体转化利用CO2研究中的计算效率，提出了采用具有多个隐藏层的深度神经网络(DNN)来研究大气压脉冲放电转化CO2的放电特性与等离子体化学性质，经过训练的DNN能够极大地提高计算效率。DNN预测结果表明：当外加电压幅值不变时，增加脉冲上升率可以提高放电电流密度和击穿电压，同时增强鞘层区域的电场；脉冲坪区宽度的增加会提高介质板表面电荷密度，增强反向感应电场的强度，进而提高脉冲下降阶段的放电电流密度。此外，提高脉冲上升率和坪区宽度都会提高CO、O2等产物的密度，导致CO2转化率的增加。基于有限的训练集，DNN能快捷、准确地给出海量的数据以揭示CO2放电的演化特性与转化规律，这为研究放电等离子体技术转化CO2提供了新的计算工具。
|
| 关 键 词： | 等离子体 深度神经网络 CO2转化 脉冲放电 流体模拟 脉冲上升率 坪区宽度 |
|
|
