平均误差降低25%！天大团队用机器学习优化氢燃烧机制｜FCSE

本文介绍了天津大学团队利用机器学习技术优化氢燃烧机制的研究。研究背景基于简化机理在湍流内燃机数值计算中的应用，研究目的是通过机器学习模型优化H2燃烧机理的动力学参数，以提高其性能。研究采用了径向基函数插值法构建模型，并以点火延迟时间和层流火焰速度实验数据为优化目标。结果显示，优化后的机理在点火延迟时间和层流火焰速度的误差分别减少了24.3%和26.8%，总平均误差降低了25%。此外，优化后的机理在预测点火延迟时间、层流火焰速度和射流搅拌反应器的物质浓度方面与实验结果吻合较好。结论指出，机器学习模型是优化各种燃烧机理的有效工具，具有广泛的应用前景。