近日，国际化工领域重要学术期刊《Chemical Engineering Science》在线发表了中心桂夏辉-邢耀文团队在机器学习浮选流体力学研究领域的最新成果。论文题为“A data-driven framework for coarse-mesh CFD error correction and rapid flow-field prediction in a mechanical flotation cell”，矿物加工专业2024级直博生张涵博为论文第一作者，邢耀文教授为通讯作者，中国矿业大学为第一单位。
浮选机是矿物加工领域核心分选装备，浮选流体动力学是决定装备分离效率的核心。随着设备大型化和结构复杂化，浮选流场的高分辨率CFD计算一直是领域内亟待攻克的历史性难题。团队提出了“粗网格CFD物理求解+数据驱动误差补偿”计算框架，以低成本粗网格结果为物理基线，通过机器学习修正欠解析误差快速逼近高保真流场。研究构建了基于100维物理特征的人工神经网络，模型在新工况下仅依赖粗网格CFD结果即可完成流场修正，将单工况计算时间由6555 s降至约778.5 s，实现了约8.4倍计算效率，模型训练完成后推理仅需毫秒量级，为大型复杂浮选装备多工况流场快速重构与结构优化提供了新的技术路径。
融合粗网格CFD与数据驱动误差补偿的流场快速预测框架
本研究得到了国家自然科学基金杰出青年基金（52425407）和江苏省自然科学基金攀登学者项目（BK20240014）资助。
论文链接：https://doi.org/10.1016/j.ces.2026.125177
新闻来源：朱红菊
一审一校：朱红菊
二审二校：吕向前
三审三校：桂夏辉