生物质预处理过程中堆积密度演变的预测模型：离散元模拟、回归分析与中试验证

这篇研究通过校准的粘结球离散元法(DEM)模拟，建立了柳枝稷(Alamo和Cave-in-Rock品种)松散和振实堆积密度的预测回归模型。创新性地采用DEM关联湿度、粒径分布参数与密度，克服了纯实验数据在连续粒径范围分析的局限性。与爱达荷国家实验室中试数据的对比验证表明，DEM模型在减小预测因子多重共线性、扩展参数覆盖范围方面具有优势，为生物质预处理提供了可靠的模拟预测工具。

　　

Highlight亮点

本研究通过粘结球离散元法(DEM)开发了柳枝稷湿松散/振实堆积密度的预测模型，创新性地将DEM模拟与实验数据结合，突破了传统方法在连续粒径分析上的限制。

Section snippets章节选要

Switchgrass characterization experiments柳枝稷表征实验

实验样本来自美国中西部和南部优势品种Alamo与Cave-in-Rock，测定其粒径分布（PSD）、湿度(ω)及堆积密度（典型松散密度67.5 kg/m³）。图像分析数据为DEM粒子模板设计提供依据。

Bonded-sphere DEM model formulation粘结球DEM模型构建

采用多球粘结法模拟柳枝稷纤维的不规则形状，通过虚拟键连接基础球体，计算接触力(F)和力矩(M)，引入杨氏模量(E)和剪切模量(G)等参数表征颗粒弹性。

DEM bulk density simulations堆积密度DEM模拟

使用LIGGGHTS-INL软件模拟不同湿度(ω)和粒径参数(D₅₀、D₉₀/D₁₀)条件下的堆积行为，模型参数通过中试数据校准，显著提升对细小颗粒（二次粉碎后）的预测精度。

Summary总结

DEM模型成功关联湿度(ω)与关键粒径参数(D₅₀、D₉₀/D₁₀)，验证了模拟方法在生物质预处理优化中的工程应用价值，为低密度纤维物料（如柳枝稷）的输送、储存成本控制提供新思路。