搅拌槽是一种广泛应用于化工、环境工程及溶剂萃取等工业领域的反应器及混合设备，在生物、食品加工等领域有着很多的实际应用。湍流状态下，流体的运动高度复杂，搅拌槽内介质可以充分混合。而层流状态下，流体运动轨迹的差异性很大，导致搅拌槽内普遍存在着两种不同类型的混合区域：混沌混合区和独立混合区。搅拌槽中的独立混合区存在着分散相颗粒聚集现象，这一问题的研究与搅拌槽在工业上的应用密切相关，也成为提高混合效率的主要障碍。虽然此现象的产生不利于混合过程，但是同时分散相聚集后形成分散相富集区域，将有利于两相分离过程。实验和传统模拟方法在研究独立混合区域时也产生了一定的局限：实验和模拟得到独立混合区域的庞加莱截面法可以描述独立混合区域的外边界，但是不能准确描述中心岛的范围。为了解决上述问题，本文提出了一种新的解决思路，探索通过机器学习的方法，直接从流场数据中获取中心岛的特征信息。相较于实验法和数值模拟法，机器学习具有数据驱动的优势，高质量数据越多，结果越准确；同时相较于数值模拟的方法，机器学习的时间复杂度更低，运算速度更快。然而，目前还没有发现将机器学习算法应用于独立混合区域的研究。因此，本研究选择基于密度可达的聚类算法DBSCAN作为独立混合区域发现算法，并且基于流场中示踪粒子密度不均匀以及流速不均匀的特点进行了算法改进，并在此基础上从格子Boltzmann方法对不同搅拌槽进行直接数值模拟后得到的流场数据中提取示踪点，研究了不同雷诺数、桨叶类型、桨叶高度对独立混合区域的影响。具体工作及结论如下：（1）对直接数值模拟得到的单相流场数据用不同聚类算法进行聚类，通过物理含义和聚类效果，得出了DBSCAN算法最适合应用于独立混合区域的研究，但效果并不理想。DBSCAN算法是一种基于密度来进行区域发现的算法，需要假设区域密度均匀。然而从流场数据中的不同区域产生示踪点的概率与流场中此位置的流速有负相关关系，因此我们对DBSCAN算法进行了基于流场流速的改进，并将结果与实验和传统的庞家莱截面进行对比，发现其结果可以与之对应。说明改进的聚类算法对识别独立混合区域有效。（2）采用改进的聚类算法分别对单相层流搅拌槽不同雷诺数下Rushton桨、不同直径圆盘桨及不同桨叶离底高度Rushton桨的条件下独立混合区域位置、大小及形状进行研究。研究结果表明，在搅拌槽中雷诺数增大，圆盘桨直径增大时，上下独立混合区域长轴长减小、独立混合区域中心位置高度几乎不变并且上长轴方向有顺时针变化趋势，下长轴方向有逆时针变化趋势。Rushton桨桨叶离底高度增大时，上长轴长减小，下长轴长增加，上独立混合区域中心位置高度增加，但距离轴心距离几乎不变，下独立混合区域中心位置高度增加，距离轴心距离先增大后趋于稳定；上长轴方向有顺时针变化趋势，下长轴方向有逆时针变化趋势。（3）对于固液两相搅拌槽，采用改进的聚类算法研究了随着雷诺数增加独立混合区域位置、大小及形状的变化趋势，这些变化趋势与单相搅拌槽中的趋势相同；同时研究了固液两相搅拌槽中的固体颗粒与独立混合区域的位置关系，研究发现有一部分固体颗粒会处在独立混合区域以外，也有一部分固体颗粒会进入独立混合区域内部。随着固液搅拌槽雷诺数的增加，进入独立混合区域内部的固体颗粒轨迹形成的圆环范围增大。