Машинное обучение и анализ отклика поверхности среднего размера капель и заполнения дисперсной фазы в L-образной пульсирующей колонне с решётчатыми тарелками

Очистка ядерных материалов с помощью более умного смешивания

Преобразование урановой руды в пригодное для использования ядерное топливо требует тщательного разделения ценных металлов от смеси прочих химических веществ. Один из ключевых этапов использует специальные колонны, где две жидкости протекают одна мимо другой, а капли переносят металл из одной фазы в другую. В этом исследовании рассматривается новая L‑образная версия таких колонн с применением современных методов анализа данных для предсказания поведения капель внутри. Понимание и контроль этих крошечных капель может сделать очистку ядерного топлива безопаснее, эффективнее и легче для масштабирования.

Поворот под углом для разделительных колонн

Традиционные колонны экстракции обычно расположены вертикально и используют силу тяжести для помощи в разделении несмешивающихся жидкостей, например водного кислого раствора и органического растворителя. Горизонтальные колонны, напротив, легче устанавливать в экранированных помещениях и проще обслуживать, но при этом теряется часть помощи от гравитации. L‑образная пульсирующая колонна с решётчатыми тарелками сочетает оба подхода: горизонтальная секция соединена с вертикальной. Внутри перфорированные тарелки и ритмические перепады давления дробят одну жидкость на капли, которые поднимаются через другую. Такая гибридная компоновка может сократить общую высоту и одновременно повысить пропускную способность, что делает её привлекательной для работы с радиоактивными смесями, используемыми при очистке уранового концентрата.

Почему важны размер капель и их насыщенность

Внутри таких колонн эффективность определяется двумя взаимосвязанными характеристиками капель. Первая — их средний размер, выражаемый через диаметр Саутера, который учитывает как объём, так и площадь поверхности капель. Меньшие капли дают большую контактную площадь между жидкостями, ускоряя перенос металлов из одной фазы в другую. Вторая характеристика — доля объёма колонны, занимаемая дисперсной фазой, называемая холдапом дисперсной фазы. Высокий холдап означает много капель и больше контакта, но при избытке это может заглушить поток и привести к затоплению. В L‑образной колонне и размер капель, и холдап отличаются в горизонтальной и вертикальной секциях и зависят от интенсивности пульсации, скоростей течения каждой жидкости и свойств жидкостей — плотности, вязкости и межфазного натяжения между ними.

Изучение капель в смеси, релевантной для ядерной отрасли

Исследователи изучали четыре парные комбинации жидкостей, подобранные так, чтобы имитировать реальные условия очистки уранового концентрата: простую систему керосин–вода и три смеси азотной кислоты с керосином, содержащие разные количества растворителя TBP, стандартного экстрагента для урана. Сначала они измерили ключевые свойства каждой системы — плотность, вязкость и межфазное натяжение. Затем колонну работали в диапазоне скоростей течения и интенсивностей пульсации, строго удерживая режимы ниже порога затопления. С помощью высокоразрешающей фотографии в нескольких точках как горизонтальной, так и вертикальной секций были измерены более 1500 капель на испытание, включая слегка сплющенные эллипсоидальные формы, чтобы вычислить средний диаметр капель. Для определения доли объёма, занятой дисперсной фазой, использовались методы отслеживания интерфейса и геометрия поперечного сечения колонны. В совокупности эти эксперименты дали богатый набор данных, связывающий режимы работы и свойства жидкостей с размерами капель и холдапом.

Обучение моделей предсказывать сложное поведение

Поскольку эти зависимости сильно запутаны и нелинейны, команда сравнила два современных подхода моделирования. Методология отклика поверхности использует тщательно спланированные эксперименты для подбора гладких полиномиальных уравнений, связывающих входы и выходы. Искусственные нейронные сети, вдохновлённые нейронными сетями мозга, способны выявлять более сложные закономерности непосредственно из данных. Здесь пять входных параметров — скорости течения каждой жидкости, сила пульсаций, межфазное натяжение и содержание TBP — использовались для предсказания четырёх выходных величин: размера капель и холдапа в горизонтальной и вертикальной секциях. После тестирования множества архитектур нейронных сетей авторы обнаружили, что компактная сеть с двумя скрытыми слоями даёт чрезвычайно точные прогнозы, с коэффициентами корреляции, очень близкими к единице. Статистические модели отклика поверхности также показали хорошую работу, но в целом были менее точными, особенно при описании уровня насыщенности каплями.

От шаблонов данных к практическим правилам

Помимо «чёрного ящика» для предсказаний, авторы стремились получить формулы, которые инженеры могли бы напрямую использовать в расчётах. Они применили размерный анализ, объединив важнейшие физические величины в безразмерные группы, и затем подобрали новые полуэмпирические уравнения для размера капель и холдапа в горизонтальной и вертикальной частях. Эти простые выражения в среднем соответствовали экспериментам примерно с погрешностью 7–9%, что заметно лучше старых формул, разработанных для других геометрий колонн. Захваченные тенденции интуитивно понятны: более интенсивная пульсация дробит капли на более мелкие и снижает холдап; большее межфазное натяжение увеличивает размер капель и холдап; а увеличение расхода дисперсной жидкости как увеличивает размеры капель, так и повышает их насыщенность в колонне.

Что это значит для реальной очистки

Для неспециалистов основная мысль такова: авторы создали надёжную «карту» от режимов работы к поведению капель в перспективном устройстве для экстракции при переработке ядерного топлива. Их эксперименты показывают, как регулировать силу пульсации, расход и состав растворителя, чтобы найти баланс между множеством мелких капель (хорошо для экстракции) и управляемым холдапом (хорошо для безопасной и стабильной работы). Модель на основе нейронной сети служит высокоточечным предсказателем для детального анализа, а более простые уравнения могут направлять повседневные инженерные решения и масштабирование от лабораторных колонн к полупромышленным или промышленным установкам. Короче говоря, эта работа помогает превратить сложную, пульсирующую двухфазную систему в объект, который можно с уверенностью проектировать и оптимизировать.

Цитирование: Ardestani, F., Bahmanzadegan, F. & Ghaemi, A. Machine learning and response surface analysis of mean drop size and dispersed phase holdup in an L-shaped pulsed sieve plate column. Sci Rep 16, 14555 (2026). https://doi.org/10.1038/s41598-026-40081-w

Ключевые слова: жидк-жидк экстракция, пульсирующая колонна с решётчатыми тарелками, размер капель, искусственные нейронные сети, очистка уранового концентрата