化工釜残非牛顿流体流变特性的输入凸神经网络建模

张东宽; 褚志强; 田红; Jeffrey S.CROSS; 姬国钊

西安交通大学学报 ›› 2025, Vol. 59 ›› Issue (12) : 80 -91.

张东宽, 褚志强, 田红, Jeffrey S.CROSS, 姬国钊

作者信息 +

Author information +

文章历史 +

摘要

针对化工釜残非牛顿流体流变特性建模精度低、异常数据敏感性强的问题，提出了一种输入凸神经网络建模方法，以提升复杂非牛顿流体的黏度预测稳定性与物理一致性。首先，构建具有凸性约束的3层神经网络结构，引入权重非负限制，以确保模型输出的物理合理性；其次，设计指数映射正则项，增强对高黏度区间及异常点的鲁棒性；最后，基于5种典型釜残样本，在0～2 500 s^-1剪切速率范围内采集黏度响应数据，对输入凸神经网络与幂律模型、Carreau模型、线性回归、支持向量回归、决策树、随机森林和前馈神经网络进行拟合性能评估。研究结果表明：输入凸神经网络在多模型对比中展现出更优的拟合效果与预测能力，均方误差低至2.06×10～3,拟合优度可达0.987,整体性能在准确性与稳健性之间取得良好平衡；输入凸神经网络的预测曲线更为平滑，能够避免传统模型出现的震荡与失真。该方法为化工釜残等复杂非牛顿流体的流变建模提供了有效技术路径，对输送控制与处理工艺优化具有重要工程参考价值。