具有生物质与空气分离及杂质分选功能的集成流化系统的工业应用:一种新的CFD-DEM与PIV协同方法

《Computers and Electronics in Agriculture》:Industrial applications of integrated fluidized systems with biomass-air separation and impurity sorting: a novel CFD-DEM and PIV synergistic approach

【字体: 大 中 小 】 时间:2026年08月09日 来源:Computers and Electronics in Agriculture 10.3

编辑推荐:

  •一种双功能流化系统可实现杂质去除与颗粒-空气分离的一体化处理。•CFD-DEM和PIV技术揭示了气流分叉以及涡流对颗粒输送的调控机制。•混合颗粒会分为两条涡流路径:一条是向下沉降以积累能量,另一条则是因升力而上升。•弯曲挡板设计可使工业颗粒-空气分离系统的分离效率达到98%。•

  •一种双功能流化系统可实现杂质去除与颗粒-空气分离的一体化处理。•CFD-DEM和PIV技术揭示了气流分叉以及涡流对颗粒输送的调控机制。•混合颗粒会分为两条涡流路径:一条是向下沉降以积累能量,另一条则是因升力而上升。•弯曲挡板设计可使工业颗粒-空气分离系统的分离效率达到98%。•图像实验显示,清洁颗粒的损失率为10%,这一数值略高于未采用黏附模型时的模拟结果。

引言
实验研究采用了粒子图像测速技术来分析流体流动特性,并通过图像处理方法更深入地理解流化床的行为(Patil等人,2015年)。数值模拟也被用于建模生物质流化床系统(Su等人,2023年),以及这些系统中反应颗粒的动力学行为(Liao等人,2025年)。将数值模拟与实验中的PIV成像相结合,对于了解反应器几何结构如何影响流速、涡度分布以及颗粒循环模式至关重要(Julián等人,2012年)。我们之前的研究指出,在大规模工业应用中,流化床在颗粒-空气分离以及球形颗粒的杂质分类方面存在效率不足的问题(Zhou等人,2022年)。在本研究中,我们设计了一种一体化的工业应用流化系统,并通过数值模拟和PIV成像技术研究了长形颗粒的流化行为以及高浓度混合球形颗粒的工业分离应用。

近年来,由于流化床技术在众多工业领域的广泛应用,相关研究受到了极大关注,研究重点包括颗粒分离机制、生物质热解(Khodabandehlou等人,2025年)以及CFD-DEM研究(Wang,2025年)。流化床反应器的几何结构,尤其是流化柱的尺寸参数以及气体分布板上的孔口布置,会对固相混合效果产生重要影响(Wang等人,2025年)。实验研究优化了间歇式鼓泡流化床的气化参数(Njuguna等人,2023年),而建模工作则着眼于连续流化床喷雾系统中的颗粒尺寸分布问题(Otto等人,2021年)。此外,对流化床中二元混合物分离的研究也为CO2捕集技术的进步做出了贡献(Turrado等人,2019年)。最后,人们还利用CFD模拟和优化技术研究了喷动流化床中结构参数对混合行为的影响(Cocco和Chew,2024年;Wu等人,2019年)。这些研究结果都凸显了在各类工业应用中优化流化床工艺的重要性。

粒子图像测速技术结合高速成像,已成为研究流化床中多相流动力学的重要手段(Koshy等人,2024年)。该方法能够详细展示并量化颗粒的运动情况以及流体的行为,对于优化流化床反应器具有至关重要的意义。Ehsan等人(Zhalehrajabi等人,2022年)利用PIV技术分析了流体的水动力行为,而Mayank等人(Kashyap等人,2011年)则用PIV技术测量了循环流化床中的湍流情况。Abhijeet等人(Thaker等人,2019年)验证了湍流中的颗粒分辨CFD模拟结果,Ajita(Neogi等人,2024年)则利用PIV技术研究了颗粒形状对流化床性能的影响,为密集床层上方的自由空间中的Geldart A型颗粒提供了详细的速度矢量可视化结果。高速摄像机的不断发展进一步提升了这些技术的应用水平,使得在工业环境中能够进行更为精细的分析并提高运行效率(Rohacs等人,2023年)。

计算流体动力学和离散元方法已成为研究流化床中多相流流体动力学的一种替代实验方法(Wang等人,2019年)。Li等人(Li等人,2019年;Wang等人,2024年)通过将CFD-DEM模拟与近似图像处理方法相结合,对鼓泡流化床甲烷化反应器进行了研究。他们的研究结果表明,尽管CFD-DEM和两流体模型得出的总体趋势相似,但两流体模型 tend to低估气泡的大小。Su等人(Su等人,2015年)利用CFD模拟研究了燃煤CLC双循环流化床系统的水动力学特性及化学反应过程。Jayarathna等人(Jayarathna等人,2019年)探讨了流化床固体分类技术的改进方法,并将实验测量结果与CFD模拟预测结果进行了对比。Li等人(Li等人,2020年;Fu等人,2024年)提出了一种混合脉冲流化床方案,并通过CFD-DEM数值模拟评估了其性能。Yurata等人(Yurata等人,2020年)则利用CFD-DEM模拟研究了接触力建模参数对喷动床反应器水动力学特性的影响。

在各种回收技术中,流化床中的杂质分离起着至关重要的作用,它能够有效降低铝屑、铅膏等材料中的杂质含量。流化床沉浮技术已被证明可用于从废弃热固性复合材料中回收玻璃纤维(Pickering等人,2000年)。液压流化床分离技术则是一种快速且省力的废旧铅酸电池回收方法(Wu等人,2019年)。此外,Datta等人(Datta等人,2021年)还运用了包括人工神经网络和遗传算法在内的机器学习技术,以提高流化床中铬的去除效率,展现了工艺优化的潜力。总体而言,流化床杂质分离技术为回收可用原材料提供了一种高效有效的手段。

颗粒-空气分离流化床在众多工业领域都备受关注。在干法分离流化床中,较重或较大的颗粒会倾向于沉降到床底,从而实现颗粒的分离(Zhou等人,2023年)。人们还研究了利用流化床浮选技术进行粗颗粒分离的方法(Kromah等人,2022年)。有研究针对气密介质流化床中的颗粒动力学行为及分离效率进行了探讨,其中包括关于干煤选矿和细煤分离过程中的混合、分离以及密度分布等方面的研究(Yang和Keairns,1982年,xxxx)。通过对二元颗粒系统表观粘度的研究,我们进一步了解了气固分离的原理,包括确定了气密介质流化床中二元混合物的最小流化速度。动态分析也表明,颗粒速度对分离效率有着显著的影响(Zhang等人,2021年;Ming等人,2011年)。

总之,虽然现有文献显示出人们越来越重视将实验方法与数值方法相结合用于流化床研究,但在开发能够同时解决气固系统中长形颗粒的分离效率问题以及工业应用中球形颗粒杂质分类问题的集成系统方面,仍然存在较大差距。本研究构建了一个涵盖“机制建模-应用研究”的全方位研究框架,通过逻辑严密、多尺度的研究方法来填补这一空白。

该研究首先从基本机制层面入手,通过建立比例模型并进行PIV实验以及高速成像,揭示了复杂通道几何结构中长形颗粒流化时以涡流为主导的分流流动特征。这些实验结果为后续的数值建模提供了物理基础和验证依据。在掌握了这些实验数据的基础上,研究进入建模与优化阶段,通过CFD-DEM模拟不断优化系统结构,包括对通道尺寸和流动路径配置进行针对性调整。随后,通过在不同的颗粒系统及不同规模条件下进行系统性验证,来评估优化后设计的实际效果,这些验证范围涵盖了实验室研究到接近工业实际条件的场景。尽管这种集成方法计算量大且需要大量资源,但它能够全面评估系统在处理长形颗粒和球形颗粒时的性能。通过将基本的流动机制与实际应用场景有机结合,这项工作不仅提供了一种优化后的设计方案,还给出了一种用于开发多功能流化床系统的通用方法,为推动可持续生物质加工及相关领域的工业发展带来了巨大潜力。

章节摘录
气体运动方程
气相行为遵循经过修正的纳维-斯托克斯方程,这些方程考虑了颗粒与流体之间的相互作用。为体现生物质颗粒与气流之间巨大的动量交换,守恒方程被表述为(Su等人,2026年):
??tαgρg+?·αgρgu→g=0
??tαgρgu→g+?·αgρgu→g·u→g=-αg?p+?·αgτ→-SP+αgρgg→
其中αg表示气相体积分数,ug为流体速度矢量;ρg代表气体密度,p则为热力学参数。

大规模流化床模型
最初提出的大规模流化床结构如图2a所示。图2b展示了颗粒-空气分离通道,该通道通过先进的离心力分离机制从气流中去除颗粒。图2c则呈现了杂质分离通道,其设计目的是根据颗粒的尺寸、形状和密度对其进行分类。该通道的几何结构必须经过精心设计,才能在最大程度提升分离效率的同时,最小化能源消耗和运营成本。

结果与讨论
本研究采用CFD-DEM方法来分析颗粒相和气相的流动行为,关键结果则通过PIV测量以及颗粒流化成像实验得到验证。首先,评估了初步模型的网格独立性,并确定了比例流化床的流动特性。随后,提出了长形颗粒流化的最佳设计方案,并对其有效性进行了检验。最后,将优化后的设计应用于实际场景中。

结论
本研究提出了一种集成型流化床系统,该系统配备了专门的通道用于杂质去除和颗粒-空气分离。通过多次设计迭代,最终形成了适用于农业生物质加工过程中以涡流为主导的分流现象的优化设计。起初,通过粒子图像测速实验研究了非球形长形颗粒的流化行为并对其进行了验证。之后,又研究了涉及球形颗粒的工业级应用场景。

致谢
作者声明自己不存在任何可能影响本文研究成果的已知财务利益或个人关系。

acknowledgments
本研究衷心感谢中国国家自然科学基金(52375038,52505054)、湖南省自然科学基金项目(2024JJ6044)的资助。同时也得到了先进装备机械传动国家重点实验室开放基金(SKLMT-MSKFKT-202501)、湖南省教育厅科学研究经费(24A0238)的支持。

Jie Su|Zhiyu Wang|Bo Hu|Lairong Yin|Haihang Wang|Weiwei Ming
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号