中试规模连续液-液重力分离器中溢流点的实验测定与模型预测研究

本研究针对化工、生物技术及冶金过程中液-液重力分离器因进料条件波动导致的分散相液滴聚结失效和溢流问题，通过构建温控实验装置（20-50°C），结合AI辅助在线测量技术，系统探究了温度、Sauter平均直径d32和相分数对DN200分离器溢流点的影响。研究对比了Henschke模型与零维（0D）模型的预测性能，发现两者均能合理预测溢流点（误差21.5±12.2% vs 24.8±14.8%），为工业分离器操作优化提供了重要理论依据。

　　

在化工、生物技术和冶金等领域，液-液重力分离器是实现两相分离的核心设备，但其性能常因进料条件波动而急剧恶化。温度变化、相分数波动等因素会显著影响分散相液滴的聚结行为，导致密集堆积区（Dense-Packed Zone, DPZ）形成甚至引发溢流（flooding），造成生产中断和经济损失。尽管前人已发现温度对聚结速率存在矛盾影响——如Jeffreys和Davies报道升温促进聚结，而Ye等认为石蜡油-水体系中温度影响不显著——但针对连续分离器中温度依赖性溢流点的预测研究仍属空白。

为解决这一工业痛点，某研究机构团队在《Separation and Purification Technology》发表了创新性研究。他们构建了配备AI在线监测系统的DN200中试分离装置，通过温控实验（20-50°C）和模型验证，首次揭示了1-辛醇-水体系的溢流点动态规律。研究采用YOLOv8n算法实时测量入口液滴尺寸分布（Drop Size Distribution, DSD）和DPZ高度，结合改进的Henschke模型和0D动态模型，实现了仅需进料数据即可预测溢流点的突破。

关键技术方法包括：（1）搭建温控循环实验系统，集成扭矩测量和在线批次沉降单元；（2）基于YOLOv8的端镜图像处理技术（误差<5%）实时获取d₃₂和DPZ高度；（3）采用Henschke批次模型（Hen_b）拟合聚结参数r_v^*；（4）通过稳态模拟对比Henschke连续模型（Hen_c）与0D模型的溢流点预测精度。

研究结果方面：

1. 混合行为分析：发现1-辛醇-水体系的d₃₂主要受相分数φ支配，温度30°C以下时能量耗散率??增加会反常增大液滴尺寸，40°C后此效应消失。
2. 批次分离评估：在线沉降实验显示温度升高至40°C时分离时间延长，r_v^*从23°C的0.12降至50°C的0.08，证实温度对聚结的抑制作用。
3. 溢流点表征：实验测得所有工况下临界DPZ高度为30mm，φ=0.5时的溢流量比φ=0.3平均低37.5%，且d₃₂增大20%可使0D模型预测误差降至18.1%。
4. 模型验证：Hen_c模型预测精度（MAPE 21.5%）略优于0D模型（24.8%），但后者在考虑入口管道聚结效应后表现出更好的修正潜力。

研究结论强调，通过结合批次沉降实验和端镜测量，两种模型均可实现工业分离器溢流点的合理预测（相对标准误差8.2%）。特别是0D模型因其简化结构更易集成至控制系统，为应对进料波动提供了实用工具。该研究不仅首次建立了温度-聚结-溢流的定量关系，其AI辅助测量方法更为工业分离器的智能监控树立了新范式。未来工作将聚焦于DPZ动态行为的建模，以进一步提升预测准确性。