文献信息：Balsam Swaidan, Ahmad S. Darwish, Tarek Lemaoui, et al. AI‑guided design of 3D-printable gyroid spacers for scale‑resistant membrane distillation in sustainable water treatment [J]. Water Research, 2026, 125878.（点击文末阅读全文可直达）

1.研究背景

膜蒸馏（MD）因高溶质截留率和低能耗潜力成为可持续水处理的重要技术，但无机结垢（如石膏沉积）严重限制其大规模应用。传统抗结垢方法（如阻垢剂、pH调节）成本高且未解决水动力学根源问题。进料隔网可通过优化几何结构增强传质和抑制滞流区，但现有设计依赖经验或单一参数优化，难以平衡通量、压降和抗结垢性能。螺旋型三重周期极小曲面（TPMS）隔网虽具潜力，但几何参数与结垢的关联机制未明确，且缺乏高效设计工具。因此，需开发AI驱动的多目标优化框架，实现隔网精准设计以提升MD抗结垢能力。

2.创新点

本文提出一种人工智能驱动的计算框架，用于设计基于螺旋型TPMS的抗结垢进料隔网，以提升直接接触膜蒸馏（DCMD）在可持续水处理中的性能。该框架整合计算流体动力学（CFD）、结晶种群平衡模型、实验设计（DoE）和机器学习（ML），通过支持向量回归（SVR）构建高精度代理模型，优化隔网几何参数，实现抗结垢、高通量与低能耗的平衡。优化后的隔网与传统设计相比，显著降低结垢并提高长期通量，为MD技术的规模化应用提供新思路。

3.实验设计

本研究以螺旋TPMS隔网为研究对象，选取X/Y/Z向拉伸比（Xs/Ys/Zs）、Z轴旋转角（θz）4个几何参数，采用中心复合设计（CCD）生成25组样本。建立耦合传热传质、流体动力学与石膏结晶的三维瞬态CFD模型，输出通量（J）、压降（ΔP）、最低/最高壁面剪应力（τmin/τmax）4项指标。对比8种机器学习算法（MLR、kNN、DT、RF、GBM、ANN、SVR 等），优选SVR构建代理模型。结合SHAP分析变量贡献度，采用L-BFGS-B算法开展单/双/三/四目标优化，以τmin为耐结垢核心指标，最终通过 CFD 验证最优结构，并与商用隔网对标。

4.实验结果

4.1 AI驱动的建模、可解释性分析与多准则设计

单因素敏感性分析表明，流向拉伸比（Xs）主要调控压降，横向拉伸比（Ys）影响较弱，而Z向拉伸（Zs）与Z轴旋转角（θz）对壁面剪应力、通量和混合效果起主导作用，这为后续参数优化提供了基础。基于25组DoE样本训练8种机器学习算法后发现，SVR模型预测精度最高，嵌套十折交叉验证R2分别为通量0.985、压降0.974、最低壁面剪应力0.962、最高壁面剪应力0.982，全数据拟合R2达0.994-0.997（表1），一致性图显示预测值与CFD结果高度吻合（图1a-d）。SHAP分析明确各参数贡献顺序（图1e-h）：对通量为 θz > Zs > Ys > Xs；对压降为 Xs > θz > Zs > Ys；对壁面剪应力为 Zs > θz > Xs > Ys，揭示了高抗结垢性能与低压降之间的固有矛盾。响应面图进一步呈现了参数交互影响规律（图2），高Zs与中等θz可显著提升τmin，而高Xs与低θz有利于降低压降。

表1 用于TPMS隔网设计的8种机器学习算法的对比性能指标（R2）与优化超参数

基于SVR模型开展多目标优化，获得面向不同优先级的最优结构（表2，图3），其中以τmin最大化为核心的耐结垢方案为Xs=0.80、Ys=0.80、Zs=1.25、θz=47.8°，帕累托前沿验证该方案处于非支配区域（图4），兼顾高剪应力、高通量与可接受压降。有效消除了传统隔网易结垢的低剪切区域，为后续抗结垢性能提升奠定了动力学基础。

表2 针对不同性能优先级定制化的螺旋型TPMS隔网的机器学习预测多目标优化结果

4.2 机器学习优化隔网的水动力学、结垢行为与对标验证

优化后的螺旋隔网流场均匀，高速射流持续吹扫膜面，几乎完全消除低速死区，最低壁面剪应力提升7.1倍，温度与浓度边界层显著减薄，热极化与浓差极化得到有效抑制（图5）。

与基准螺旋隔网相比（图6），优化隔网使明显的通量下降开始时间延迟了约100分钟，垢体质量密度降低68%，运行16 h后终端通量提升38.5%。与商用格栅隔网对标，优化隔网结垢质量密度降低99%，终端通量提升167%，成核延迟约280 min，尽管压降有所上升，但在膜蒸馏系统中泵耗占比不足0.1%，能耗代价可忽略。长期运行结果显示，优化隔网通量衰减更平缓，稳定运行时间显著延长，膜面结垢分布更均匀，无局部厚垢区。研究进一步将SVR模型与优化算法封装为开源Python库与Excel计算器，用户无需专业仿真知识即可快速完成隔网设计与优化，为工程化落地提供便捷工具。

5.总结与启发

本研究构建的DoE-CFD-ML一体化智能框架，实现了3D打印螺旋隔网的高精度预测、可解释分析与多目标抗结垢优化，明确Z向拉伸与Z轴旋转是调控壁面剪应力、抑制结垢的核心几何参数。最优隔网结构在水动力学、传热传质与抗结垢性能上实现协同突破，性能显著优于商用隔网，且配套开源工具大幅提升工程实用性。该框架可进一步拓展至其他结垢体系、有机污染体系及多种TPMS拓扑结构，为膜组件隔网的绿色化、智能化设计提供通用范式。未来可结合高精度3D打印实验验证优化隔网的结垢和长期运行性能，并将膜面积利用率、打印成本等纳入多目标优化，进一步提升模型的实用性与预测精度。

导师点评：其实没太理解这篇文章的创新点，是先设计隔网结构，然后CFD模拟出效果，再以CFD模拟结果为数据，用机器学习优化参数，最后再用CFD模拟验证？整个过程就没有实验验证？如果是这样，审稿人还挺宽容的。当然，CFD+AI一定是未来膜组件设计与优化的发展趋势。

以上内容为个人阅读文献总结和学术见解，不代表本公众号和原文作者观点，如有错误，欢迎在留言区指出。