王兆熙，延会波，张 玮

（太原理工大学 化学化工学院，山西 太原030024）

旋风分离器是一种利用离心力实现气固分离的设备。由于其具有耐高温高压、耐腐蚀和操作弹性大等优势，在催化裂化、天然气净化和反应器预分离等化工领域中得到了广泛使用[1,2]。旋风分离器的性能评估对其选型和设计有重要的指导意义。压降为旋风分离器性能的关键指标之一，因此快速准确地建立一个压降与结构尺寸之间的数学模型非常必要。

根据研究方法可以将旋风分离器的压降模型分为三种：理论与半经验模型、统计模型和人工智能模型。Barth[3]、Leith等[4]、Dietz[5]和Boysan等[6]提出了理论与半经验模型，这种模型需要以旋风分离器内流场为基础，并忽略气体分子间的相互作用力，因此会造成某些预测结果与实验结果间的巨大差异。随着学科交叉的深入，统计建模方法受到科研人员关注，并被应用于旋风分离器压降建模当中，其中代表性研究包括Casal等[7]和Dirgo[8]提出的统计模型。统计建模是基于大量实验数据进行多元回归分析建立的，与理论与半经验模型不同，统计回归建模不需要做出与实际情况不符的假设，但统计回归建模对样本数量要求过高，回归过程中容易导致过拟合，且不易确定最优拟合函数。随着计算机技术的进步，人工智能算法逐渐应用于旋风分离器压降建模当中。与理论和半经验模型相比，该方法不需要过多了解旋风分离器机理并且不需要做出相关假设，与实际情况相符；……