基于人工神经网络的非均匀固相应力模型

最小多尺度理论EMMS已经被引入多相质点网格法MP-PIC中,建立了非均匀EMMS固相应力模型.但现有的非均匀固相应力模型计算中,中间步骤繁琐且花费时间长.采用人工拟合的方式能获得非均匀固相应力表达式,但需要人为确定拟合变量和拟合函数,且针对于非均匀固相应力这种高度非线性函数所得到的拟合精度不高、用于MP-PIC模拟的结果相比原EMMS固相应力模型结果存在偏差.针对上述问题,本文提出通过机器学习的方法,规避对固相体积分数的局部分布情况的表征,并提出和建立能考虑颗粒浓度详细分布的人工神经网络ANN固相应力模型.首先,基于局部颗粒浓度和颗粒非均匀分布指数建立了双变量的ANN固相应力模型;进一步将当前网格及其周边网格颗粒浓度组成的序列来详细表征颗粒浓度分布,并建立相应的ANN固相应力模型.然后,将两种模型与EMMS固相应力模型进行了对比并测试了网格分辨率和粗化率对模型的影响.研究表明:基于ANN固相应力模型的模拟结果对EMMS固相应力模型结果有较高的还原度,同时具有一定的网格分辨率无关性和粗化率无关性.

快速流化床颗粒团絮特征的MP-PIC数值模拟

为了研究快速流化床颗粒的团絮特征,建立了基于多相质点网格法的快速流化床气固多相流三维数理模型,气相场采用大涡湍流模型,通过求解牛顿运动方程得到颗粒相运动信息,气固间相互作用力采用Gidaspow曳力模型,固体间作用力通过计算颗粒应力梯度得到。基于该模型,对三维快速流化床上升管(H=3 m、d=0.1 m)气固流动开展了数值模拟,并与实验进行了校正,研究了在气速工况Ug=5.28 m?s-1下的颗粒(ρp=2650 kg?m-3、dp=250μm)团絮性质,实现了对上升管内颗粒团絮的基本类型(条形团絮、马鞍形团絮、U形团絮)的成功预测,并揭示了不同类型团絮在上升管内形成、发展、聚并直至破碎的演化规律。结果表明,上升管径向颗粒团絮的平均颗粒浓度分布呈现中间低两边高的环核结构,颗粒团絮速度的分布与其相反;随着轴向高度的增加,颗粒团絮的颗粒浓度逐渐降低而速度逐渐增加,但达到一定高度后变化减缓。

液固流化床内二元颗粒流动特性数值模拟研究

本研究采用液固两相欧拉-多流体模型和多相质点网格法(MP-PIC),结合不同曳力模型对液固流化床内不同密度的二元颗粒流动特性进行数值模拟研究。模拟结果表明,欧拉-欧拉双流体模型(TFM)和多相质点网格法(MP-PIC)都能预测液固流化床内二元颗粒流动过程,但多相质量网格法(MP-PIC)的预测结果能够再现液固流化床内二元颗粒的分离特性。相比于Gidaspow、Wen-Yu曳力模型,BVK曳力模型考虑了多组分的流动,对二元颗粒系统具有更好的适用性。动态分离指数被用于定量分析液固流化床内二元颗粒的分离特性,随着颗粒的流动,颗粒的分离指数先急剧增加然后缓慢减小,最终趋于稳定达到动态分离。通过对颗粒弥散系数和颗粒拟温度的分析,发现双组分颗粒的相互作用存在明显差异,多相质量网格法(MP-PIC)能更好预测粒子之间的局部相互作用。