Estimation of gas hold-up in bubble columns using wall pressure fluctuations and machine learning

In Zusammenarbeit mit der Universität Limerick und dem Helmholtz-Zentrum Dresden Rossendorf haben wir eine neuartige Methode zur Abschätzung des Gasrückhalts in Blasensäulen anhand von Wanddruckschwankungen entwickelt. Dieser auf maschinellem Lernen basierende Ansatz nutzt ein künstliches neuronales Netzwerk (ANN), um den Gasrückhalt bei unterschiedlichen Betriebsbedingungen, Kolonnenkonfigurationen und physikalischen Eigenschaften genau vorherzusagen. Die Studie demonstriert die Zuverlässigkeit dieser Methode auch bei unbekannten experimentellen Daten und stellt einen bedeutenden Fortschritt bei der nicht-invasiven Charakterisierung von Mehrphasenströmungssystemen dar.

Estimation of gas hold-up in bubble columns using wall pressure fluctuations and machine learning