论文总字数：20534字

摘 要

流化床技术在化工及能源等行业被广泛应用，并多涉及相间的受力、传热、传质及反应等。数值模拟作为为研究这类气固两相流动的重要工具，如CFD-DEM模型已经能够较为准确地揭示流化床内气固相互作用的规律。但其存在计算量大、耗时长的局限性，是此类模型在实际应用中的瓶颈。为此，本文建立了基于Markov链的流化床颗粒运动随机模型。模型将流化床按照空间划分网格，以CFD-DEM模拟结果为样本计算转移概率矩阵，进行颗粒运动的Markov过程数值模拟。结果表明随机模型的计算速度是CFD-DEM的70倍左右，随机模型可描述流化床内颗粒位置的概率分布、颗粒的瞬时位置、颗粒的径向混合规律以及快速床内颗粒停留时间分布等。与CFD-DEM模拟的结果对比表明，随机模型能够较好表现颗粒在流化床内运动的宏观特性，但在描述颗粒运动瞬时性规律方面存在缺陷。为此，模型的后续发展应进一步考虑针对气泡、絮团等对颗粒运动带来瞬时性扰动的特征流型进行建模。

关键词：流化床；随机模型；Markov链；CFD-DEM

Abstract

Fluidized bed technology is widely applied in the chemical and energy industry, which commonly involve interaction, heat transfer, mass transfer and reactions between two phases. Numerical simulation is an important method to study such gas-solid two phase flows, which can provide detailed information to understand the particle dynamics, such as CFD-DEM. But many existing numerical methods cost lots of computational resources and long computing time, which are the bottlenecks of this kind of method for practical application. In this paper, a Markov chain based stochastic model for particle motion in fluidized beds is established. The fluidized beds are divided into states according to the spatial meshing grid, and the transition probability matrixes are calculated based on the CFD-DEM simulated results, which impel the Markov process of particles. Results show that the Markov Chain based stochastic model can approximately reduce the computing time by 70 times compared with CFD-DEM, and it can also keep the macroscopic characteristic of particles movement well from CFD-DEM, such as the probability distribution of particle positions, particle mixing and particle RTD in CFB risers. Anyway, the stochastic model always shows a time-averaged result, and it cannot present the instantaneous disturbance of particle motion. The future development of this stochastic model should aim at the modeling of bubbles and clusters which are the typical plows patterns that have instantaneous disturbance on the particle movement in fluidized beds.

KEY WORDS: Fluidized bed; Stochastic model; Markov chain; CFD-DEM

目 录

摘 要 Ⅰ

Abstract Ⅱ

第一章 绪论 1

1.1课题研究背景及意义 1

1.1.1流化床技术简介 1

1.1.2流化床数值模拟的发展 1

1.2国内外研究的现状 2

1.2.1常见的数值模拟方法 2

1.2.2 Markov链模型 2

1.2.3基于Markov链模型的流化床数值模拟 3

1.3本文研究的内容 4

第二章 基于Markov链的流化床颗粒运动随机模型 5

2.1 Markov过程 5

2.2模型简介 6

2.3本章小结 7

第三章 颗粒在流化床内位置的概率分布及混合情况 8

3.1颗粒位置的概率分布 8

3.1.1鼓泡床 8

3.1.2快速床提升管 10

3.2颗粒在流化床内的混合 15

3.2.1 鼓泡床 15

3.2.2 快速床提升管 16

3.3本章小结 17

第四章 颗粒的混合规律和停留时间 19

4.1颗粒的径向混合规律 19

4.1.1鼓泡床 19

4.1.2快速床提升管 21

4.2快速床提升管内颗粒停留时间分布对比 23

4.3本章小结 25

第五章 总结与展望 26

5.1总结 26

5.2展望 26

致 谢 27

参考文献 28

第一章 绪论

1.1课题研究背景及意义

1.1.1流化床技术简介

自然界中的物质有固态、液态和气态三种物态。在物质迁移的过程中，根据其所包含的物态种类，可以分为单相流动和多相流动。在自然界和工业设备操作中，所进行的多为多相流动，如泥石流、沙尘暴等自然现象，火力发电厂所使用的循环流化床燃烧装置中的煤粉的燃烧过程，制药行业所使用的流化床制粒技术等^[1]。鉴于多相流动在各个行业广泛应用，对其进行深入研究也就成为了许多行业的重要课题。

多相流动包括气固、气液、液固两相流以及气液固三相流，其中应用最广泛的一个分支是气固两相流。关于气固两相流的研究历史并不长，从上个世纪中段才开始。但其在工业领域却扮演了一个重要的角色，以火力发电为例，煤粉的制备、运输，以及其在炉内的燃烧等过程均是典型的气固两相流。对气固两相流进行深入研究有助于改进系统内各部分的性能并提高系统的整体效率。流化床是气固两相流在工业上的重要应用。流化床是当将固体颗粒物质（通常存在于保持容器中）置于适当条件下以使固体/流体混合物表现为流体时发生的物理现象。这通常通过引入加压流体通过颗粒介质来实现。其具有结构简单、传热传质效率高、物料混合均匀、密封性能好、能耗低等优点，在制药、化工、能源等行业有着广泛的应用。

随着经济的快速发展，因能源利用引起的环境污染日益严重。我国的煤炭利用效率仅为30%，然而燃煤释放的SO2占全国总排放的85%，NOx占60%，粉尘占70%。燃煤造成的污染物排放已成为酸雨、雾霾等恶劣天气的主要原因，不但对交通、电力、工农业等方面造成严重的影响，还给人类健康带来极大危害。因此，发展高效、低污染的洁净燃烧技术已成为当今社会持续发展的必要要求。流化床技术是目前国际上公认的商业化程度最好的洁净燃烧技术。与常规的煤粉锅炉相比，流化床锅炉具有燃料适应性好、燃烧效率高、污染物排放低和操作温度易控制等优势。流化床锅炉可以燃烧劣质煤种，甚至可以将农作物秸秆和生活垃圾等作为燃料变废为宝。流化床锅炉燃烧效率可以达到95%~99%，而且NOx的生成量较低，其他污染物如CO、HCl、HF的排放量也低于煤粉炉。流化床技术是今后发展的一个重要方向。

1.1.2流化床数值模拟的发展

工业领域的需求极大推动了气固两相流研究的发展，人们对气固两相流中复杂的流动过程以及机理的研究已达到很高的水准。但由于气固两相流流动的复杂性，单靠理论研究和实验研究已经不能很好的应对实际应用中各种复杂的情况。随着近些年以来计算机技术的飞速发展，用计算机进行数值模拟已发展成为研究气固两相流动的重要工具。流化床具有非常高的传热传质效率，对流化床进行计算机数值模拟有助于系统的优化设计，能够大幅度降低试验成本。传统的经验半经验模型（如平推流模型和鼓泡两相模型）计算效率高，模型响应速度快，但此类模型无法提供详细的颗粒和气泡运动规律，计算精度很低。目前流行的基于计算流体力学和颗粒动力学的数值模拟方法，因其基于求解基本的物理学公式，能够较为准确的计算出颗粒的运动规律，以及浓度分布等，特别是欧拉—拉格朗日方法考虑了气相和颗粒相的相互作用。其中离散颗粒模型（DEM）还考虑了颗粒间的相互作用，已能够较为准确的揭示气固相互作用规律^[2-4]。但这类模型也有其局限性，那就是难以突破计算负荷和计算速度的瓶颈，这也是其难以完全取代经验及半经验模型的重要原因。为此，一些学者尝试建立随机过程模型。随机模型是能够快速而准确模拟颗粒系统的一种潜在的方法，尤其是基于CFD-DEM计算结果的Markov链随机模型具有模型简单、样本信息丰富、计算速度快的特点，已在滚筒混合器这类纯颗粒系统中有了初步应用^[5-6]。流化床气固两相之间的相互作用非常强烈，更存在气泡的出现对于颗粒运动带来的影响，当使用和应用于纯颗粒系统相同的方法将Markov链随机模型应用于流化床系统时，只得到非常宏观的颗粒运动规律，无法模拟出床内复杂的气固两相流模型。寻找合适的方法将流化床中气泡对颗粒的影响与颗粒的Markov过程相耦合成为进一步发展流化床随机模型的关键。

1.2国内外研究的现状

1.2.1常见的数值模拟方法

目前对流体-颗粒两相流的数值模拟不外乎两种方法，即Euler方法和Lagrange方法^[7]。第一类方法把颗粒作为拟流体，认为颗粒与流体是共同存在且相互渗透的连续介质，两相同在Euler坐标系下处理，即连续流体模型^[8]，这类模型经历了无滑移模型、小滑移双流体模型、有滑移-扩散的双流体模型各阶段及近年来发展起来的以颗粒碰撞理论为基础的颗粒动力学双流体模型^[9]。对密相流-固两相流，这类模型能通过固体粘度和固体压力来表示颗粒间相互作用。第二类方法把流体（液体或气体）当作连续介质，而将颗粒视为离散体系，在Euler坐标系下考察流体相的运动，在Lagrange坐标系下研究颗粒群的运动，即颗粒群轨道模型^[7]。这类模型用完全弾性碰撞模型或颗粒离散单元法处理密相流—固两相流中颗粒间相互作用^[10]。

1.2.2 Markov链模型

Markov链模型是用于物理系统的一种随机过程的方法, 它能有效地应用于复杂体系特定概率问题的研究^[11]。Markov链模型主要有以下几方面假设^[12]:

剩余内容已隐藏，请支付后下载全文，论文总字数：20534字