基于TPE-MLP模型的磁场稳定辉光放电氮固定能效优化研究

为解决大气压非热等离子体在氮固定(NF)过程中参数优化难题，研究人员开发了基于树结构Parzen估计器(TPE)优化的多层感知机(MLP)模型。该研究采用磁场稳定辉光放电(MSGD)装置，通过洛伦兹力稳定等离子体通道，成功预测NOX浓度和能耗，为等离子体氮固定工艺提供了高效优化策略。

大气压非热等离子体在氮固定(Nitrogen Fixation, NF)领域展现出巨大潜力。这项研究创新性地采用磁场稳定辉光放电(Magnetic Field Stabilized Glow Discharge, MSGD)装置，利用外部磁场产生的洛伦兹力稳定等离子体通道，相比传统滑动弧放电显著提高了气体利用率并降低能耗。

针对等离子体参数复杂的优化挑战，研究团队训练了多层感知机(Multilayer Perceptron, MLP)模型，精准预测NF能耗及NO_X浓度。通过树结构Parzen估计器(Tree-structured Parzen Estimator, TPE)优化模型超参数，并结合梯度分析评估特征重要性。研究成果不仅实现了能耗的准确预测，更为等离子体氮固定工艺提供了智能优化新范式，对绿色氮化工技术发展具有重要指导意义。