一种基于机器学习的旋流器的结构优化方法

本发明涉及旋流器的设计与制造的技术领域，提供一种基于机器学习的旋流器的结构优化方法，优化方法包括：对旋流器内颗粒运动状态进行CFD模拟；构建标准化数据集；通过皮尔逊相关性分析参数和颗粒自转速度之间的相关性，剔除弱相关参数；基于多个模型设计集成预测模型架构，将保留的参数作为输入对其进行训练以及测试，筛选出性能最优的模型；将筛选出性能最好的模型嵌入PYQT5框架中开发预测软件；将不同应用场景下所需旋流器的角速度作为旋流器颗粒自转速度预测软件的输入，通过对预测软件的外推运算，解析出在满足颗粒脱水要求的情况下，旋流器的最佳结构参数和操作参数组合。为旋流器性能优化提供了高效、直观的应用工具。