基于人工智能推理的回转窑多物理现象数值仿真方法与流程

本发明属于回转窑多物理现象仿真，具体是基于人工智能推理的回转窑多物理现象数值仿真方法。

背景技术：

1、回转窑是新型干法水泥烧结系统的核心装备，回转窑内火焰温度、火焰长度、供风量、物料液相量对物料运动等都会对熟料的质量有很大影响。由于回转窑内温度极高，最高温度能达到1800℃左右，且气体含尘量大，当前没有很好的实验监测手段能够监测回转窑运行时内部物料运动、熟料煅烧中化学反应、颗粒增大情况；也就是说，工业中回转窑内部对于科研设计人员还是“黑匣子”；

2、为了弄清回转窑内部温度分布、物料运动情况与化学反应，数值模拟是当前科研人员使用最广泛、最经济的方法。

3、公开号为cn117875097a的专利公开了一种利用comsol建立了回转窑铝灰处理仿真模拟方法，该方法建立二维轴对称几何模型。其次根据回转窑的部件体对于几何模型区域进行划分。然后设置材料参数、边界值、初始参数，并进行网格划分。最后计算求解，得到回转窑铝灰处理仿真结果。

4、公开号为cn112380738a的专利公开了一种水泥回转窑燃烧场重构误差补偿与优化方法、存储介质及系统。该方法首先建立水泥回转窑数值仿真模型，提取数值仿真数据并利用神经网络获取燃烧效率与边界条件之间的关系，提取燃烧效率的特征参数，利用提取的特征参数作为误差补偿建模，采用在线优化算法对水泥回转窑现场进行误差补偿重构，实现在线实时优化。

5、公告号为cn106570244b的专利公开了一种建立水泥回转窑内的一维数学模型，该一维数学模型包括传热模型、料床运动模型和熟料矿物化学反应模型。采集现场生产数据用于一维模型边界，计算得到回转窑内烟气温度、物料温度、料床高度、壁面温度、物料化学成分、熟料矿物含量等随回转窑长度的变化情况。

6、目前，现有技术主要集中于单一现象的仿真，无法有效模拟实际操作中回转窑3维多物理场、化学现象的相互作用；基于此，提供一种解决方案。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于人工智能推理的回转窑多物理现象数值仿真方法。

2、基于人工智能推理的回转窑多物理现象数值仿真方法，该方法具体包括如下步骤：

3、步骤一：利用cad软件绘制回转窑3d几何文件，进行网格划分，采集回转窑的窑头温度、窑头压强、窑尾温度、窑尾压强、进煤量、一次风速风温、二次风速风温、窑尾尾气中各成分的含量数据，定义边界条件；

4、步骤二：进行数值仿真模型搭建，数值仿真模型基于欧拉双相流基本模型，其余模型将会在欧拉双相流模型上搭建，欧拉双相流基本模型包括连续性方程、动量方程、能量方程三大基本方程；

5、在数值仿真模型中添加子模型，子模型包括：

6、煤粉燃烧仿真模型，用于仿真煤粉燃烧的全过程；

7、多相流传动与传热仿真模型，用于仿真回转窑内部灼烧料颗粒运动规律与热交换规律；

8、熟料煅烧仿真模型，用于仿真在物料传动、传热、传质行为下灼烧料内部矿物成分的演化情况；

9、颗粒增长仿真模型，用于仿真灼烧料煅烧过程中，颗粒增大，影响灼烧料颗粒运动规律与热交换规律的情况；

10、污染物生成仿真模型，用于分析整个过程中生成的污染物情况；

11、完成回转窑3d数值仿真模型的搭建。

12、与现有技术相比，本发明的有益效果是：

13、本申请基于欧拉多相流方程的基础上，在此添加传热模型、化学动力学反应模型、颗粒增长模型、化学反应模型等，建立能够准确模拟回转窑内气固两相流运动、燃烧、nox生成、熟料煅烧、颗粒增长等多物理化学现象的三维数值模型；并引入长短时记忆神经网络搭建ai模型，使用ai模型预测模型后半段工况，加快仿真速度，实现回转窑长时间仿真。

技术特征：

1.基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，该方法具体包括如下步骤：

2.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，在进行完步骤二之后还需进行下述步骤：

3.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，欧拉双相流模型共三相，具体为：

4.根据权利要求3所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，欧拉-欧拉双相流连续性方程为：

5.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，

6.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，采用步骤二搭建完的数值仿真模型计算回转窑模拟的前500s后，导出回转窑全场速度场、温度场、三相气固组分场数据；

7.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，进行回转窑内流场复杂时序特征的低维表征与特征分析的具体过程为：

8.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，

9.根据权利要求1所述的基于人工智能推理的回转窑多物理现象数值仿真方法，其特征在于，借助长短时记忆神经网络学习长期依赖信息的具体方式为：

技术总结
本发明公开了基于人工智能推理的回转窑多物理现象数值仿真方法，涉及回转窑多物理现象仿真技术领域，本申请基于欧拉多相流方程的基础上，在此添加传热模型、化学动力学反应模型、颗粒增长模型、化学反应模型等，建立能够准确模拟回转窑内气固两相流运动、燃烧、NOx生成、熟料煅烧、颗粒增长等多物理化学现象的三维数值模型；并引入长短时记忆神经网络搭建AI模型，使用AI模型预测模型后半段工况，加快仿真速度，实现回转窑长时间仿真。

技术研发人员：水沛,褚彪,王广,殷腾飞,余正东
受保护的技术使用者：合肥水泥研究设计院有限公司
技术研发日：
技术公布日：2025/3/6