复合推进剂中铝团聚与燃烧的耦合建模

《Combustion and Flame》：Coupled modeling of aluminum agglomeration and combustion in composite propellants

　　•一种统一的MPM–LBM-NN框架将固体回归过程与气相燃烧过程相结合。•通过神经网络反应器整合详细的反应动力学。•微CT和全息技术用于验证模拟得到的燃烧速率及团聚现象。•敏感性分析揭示了配方和压力对燃烧过程的影响。

引言
固体推进剂燃烧涉及复杂的多物理场和多尺度过程，包括固相分解、多相流动、化学反应以及气固相互作用。由于铝等金属添加剂具有高能量密度，且能显著提升比冲、燃烧速率以及整体推进效率，因此被广泛用于复合推进剂中[1]。然而，多组分推进剂的燃烧过程实际上受多种强耦合现象的共同影响，包括粘结剂热解、氧化剂分解、金属颗粒的点燃与团聚，以及气相中的湍流反应，这些因素共同决定了火箭发动机中的火焰结构、热量反馈以及压力敏感度。在过去的几十年里，人们为研究各种单独的物理过程付出了大量努力，比如铝颗粒的团聚现象[2]、[3]，或是氧化剂/粘结剂的分解动力学[4]、[5]。尽管这些研究提升了我们对局部机制的理解，但大多数仍依赖于经验性关联或简化的参数定律，通过拟合公式而非第一性原理动力学来描述铝颗粒的聚合或表面回归过程。因此，它们往往忽略了固相回归、粘结剂流动、熔融金属传输以及气相反应流之间的耦合关系。例如，基于团簇的团聚模型[6]、[7]、[8]通常忽略粘结剂的液化效应和毛细作用，而针对氧化剂燃烧的详细动力学模拟则很少考虑真实的颗粒级相互作用或不断变化的表面形态。

最近的实验观察[10]、[11]表明，熔融粘结剂的流动以及固体铝颗粒在燃烧表面的积累，随后在热量反馈作用下发生熔化并形成液滴，再加上非均匀反应和热传递，都在塑造燃烧前沿、决定燃烧速率和稳定性方面起着关键作用。这些发现凸显出需要一种综合建模框架，能够同时捕捉：（i）固相中的多相流动；（ii）具有详细动力学的气固化学反应；（iii）颗粒级的聚集与燃烧动力学。这样的框架有望实现对不同推进剂配方和操作条件下的燃烧速率、团聚行为以及压力敏感度的预测性模拟。

在本研究中，我们开发了一种综合建模框架，通过直接解析相关物理规律来克服上述局限。与基于经验或团簇的方法[3]、[4]不同，我们的方法能够同时考虑：（i）粘结剂的热解与液化过程；（ii）氧化剂的分解过程；（iii）在粘结剂收缩驱动下固体铝颗粒的传输、接触堆积，以及随后的表面熔化和聚合过程；（iv）具有详细化学动力学的气相反应流。该模型将铝颗粒的迁移和团聚视为热态和界面环境演变的自然结果，而非通过经验规则强行规定，从而能够在不同的配方和操作条件下实现燃烧动力学的预测性模拟。

为应对复杂化学反应带来的计算难题，本研究采用了基于神经网络的化学动力学求解器，以高效计算局部温度和物种分布的变化情况。这种完全耦合的MPM–LBM–NN框架能够高保真地模拟不同配方和操作条件下的燃烧表面回归现象、团聚体尺寸分布以及火焰结构。模型预测结果通过数字全息技术和微CT实验进行了系统验证，确保了团聚体尺寸统计数据和燃烧速率趋势方面的定量一致性。

方法部分
在本节中，我们将详细介绍所采用的数值模型和计算方法。我们的方法包括多个子模型，比如用于模拟固体推进剂成分和液态铝流动特性的材料点法[12]，用于快速计算化学反应及气固耦合过程中热量和质量传递速率的神经网络解决方案。整体流程图如图1所示。

验证部分
为评估所提出的多物理场框架的准确性，我们在受控加热条件下分析了三组分AP/HTPB/Al推进剂的热分解和表面演变过程，结果如图4所示。模拟中所使用的微观结构为直径200μm的AP颗粒和直径29μm的铝颗粒，温度以30 K/s的速率上升，以此重现实验中的准稳态加热环境。图4对比了……

结果与讨论部分
本研究系统地分析了四元复合推进剂中铝颗粒团聚特性对颗粒尺寸分布的敏感性，进一步拓展了已验证的材料点法-神经网络（MPM-NN）框架。研究改变了高氯酸铵（AP）氧化剂的形态参数——具体而言，是在固定粗细颗粒比例的情况下使用含有10–70μm细粒子的双峰分布，同时还改变了铝颗粒的尺寸参数（单分散的15–50μm以及经过设计的双峰分布）……

结论
所提出的耦合MPM–LBM-NN框架能够在不同的微观结构下再现铝基推进剂燃烧过程中的关键现象和尺度规律。在受控加热条件下，当温度达到232°C时粘结剂开始软化，进而产生毛细牵引力，促使熔融铝颗粒聚合，最终形成类似珊瑚状的表面，之后便会发生自持燃烧。在与实验相匹配的燃烧模拟中，铝颗粒会向火焰前沿移动，并在超过3000 K的高温反应区中形成团聚体；同时，各种物种的分布也会随之发生变化……

作者贡献声明
徐庚：撰写原始稿件、进行正式分析。江彦锋：负责方法设计、数据整理工作。吕杰耀：提供资源支持。金炳宁：负责软件应用及相关研究工作。刘佩锦：承担项目管理工作。敖文：负责文章审阅与编辑工作、提供资源支持。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了中国国家自然科学基金（U2241250）的支持。

徐庚|江彦锋|吕杰耀|金炳宁|刘佩锦|敖文