用于L形脉冲筛板塔中平均液滴尺寸和分散相保留率的机器学习与响应面分析

用更智能的混合清理核材料

将铀矿石转化为可用的核燃料需要在复杂混合物中精细分离有价金属。关键步骤之一使用特殊的塔器，两个不互溶的液相相对流动，液滴在两相之间搬运金属。该研究考察了这种塔器的一种新型L形布置，并采用现代数据工具预测液滴在其中的行为。理解并控制这些微小液滴，能够使核燃料净化更安全、更高效且更易放大。

分离塔的横向转折

传统溶剂萃取塔器直立放置，依靠重力帮助分离不混溶的两相，例如水相酸液和有机溶剂。而水平塔则更易于在屏蔽建筑内安装与维护，但会失去部分重力分离的助力。L形脉冲筛板塔结合了这两种思路：一段水平段与一段垂直段相连。塔内的穿孔筛板和节律性压力脉动将一种液体打散为在另一种液体中上升的液滴。这种混合布局可以缩短整体高度并提高处理能力，使其在用于黄饼（铀）净化的放射性混合物处理中颇具吸引力。

为什么液滴尺寸和拥挤程度重要

在这些塔器内部，性能取决于液滴的两个相关特性。第一个是它们的平均尺寸，用索特（Sauter）平均直径来表征，该量同时考虑了液滴的体积和表面积。较小的液滴提供更大的接触面积，从而加快金属从一相向另一相的传质速率。第二个特性是分散相占据塔器体积的比例，称为分散相保留率（holdup）。高保留率意味着大量液滴和更多接触，但过高则可能阻塞流动并导致泛液。在L形塔中，液滴尺寸和保留率在水平段与垂直段之间会发生变化，并受脉冲强度、各相流速及流体性质（如密度、粘度和界面张力）等因素的影响。

在与核相关的混合物中探测液滴

研究人员考察了四对液体，以模仿真实黄饼净化条件：一种简单的煤油—水体系和三种含不同TBP（常用铀萃取剂）含量的硝酸/煤油混合物。首先他们测量了每一体系的关键性质，如密度、粘度和两相之间的界面相互作用。随后在一系列流速和脉动强度下运行L形塔，严格保持工况低于塔泛液的临界点。通过在水平与垂直段若干位置进行高分辨率摄影，他们在每次试验中测量了1500多个液滴，包括略为压扁的椭球形，以计算平均液滴直径。为确定分散相所占的体积分数，他们采用界面追踪方法并结合塔器截面几何。结合这些实验，建立起一个将操作条件与流体性质关联到液滴尺寸和保留率的丰富数据集。

教模型去预测复杂行为

由于这些关系高度纠结且非线性，团队比较了两种现代建模方法。响应面方法通过精心设计的实验拟合平滑的多项式方程，将输入与输出联系起来。人工神经网络受类脑节点网络启发，能够直接从数据中学习更复杂的模式。此处用五个输入——各相流率、脉动强度、界面张力和TBP含量——去预测四个输出：水平段与垂直段的液滴尺寸与保留率。在测试了多种神经网络结构后，作者发现一个包含两层隐藏层的紧凑网络能给出极为准确的预测，相关系数接近1。统计响应面模型也表现良好，但总体精度较低，尤其在描述液滴拥挤程度（保留率）时更为明显。

从数据模式到实用规则

作者除了黑箱式预测外，还希望得到工程师可用于设计计算的公式。他们使用量纲分析将最重要的物理量组合成无量纲群，然后拟合出用于水平段和垂直段的半经验方程来描述液滴尺寸与保留率。这些简明表达式与实验结果的平均吻合误差约为7–9%，明显优于为其他塔型开发的旧有公式。他们捕捉到的趋势也直观：更强的脉动倾向于将液滴打碎为更小的颗粒并降低保留率；更高的界面张力使液滴变大且保留率上升；增加分散相的流速既会增大液滴又会使塔内液滴更多。

对实际清理工作的意义

对非专业读者来说，结论是作者为一种有前景的新型萃取装置建立了从操作条件到液滴行为的可靠“地图”。他们的实验展示了如何调节脉动强度、流量和溶剂配方，以在许多小液滴（利于萃取）与可控的保留率（利于安全、稳定运行）之间取得平衡。神经网络模型可作为高精度的分析预测工具，而更简洁的方程则可指导日常工程决策以及从实验室规模向半工业或工业单元的放大。简言之，这项工作帮助将一个复杂的、脉动的双相系统转化为可以有把握地设计与优化的对象。

引用: 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

关键词: 液-液萃取, 脉冲筛板塔, 液滴尺寸, 人工神经网络, 黄饼净化