, 唐梓睿, 欧晨希 华南理工大学 机械与汽车工程学院，广东 广州 510641
收稿日期：2021-09-29
基金项目：国家自然科学基金资助项目(21878102)。
作者简介：黄思(1962-)，男，广西南宁人，华南理工大学教授，博士生导师。
摘要：喷砂机内部颗粒撞击壁面是其失效的主要原因.为研究喷砂机内颗粒的运动规律，使用EDEM-Fluent耦合方法计算分析喷砂机模型内部气固两相流动特点.采用粒子图像测速(PIV)法，测量喷砂机内部颗粒运动情况以验证模型的有效性.结果表明：高速气体进入喷砂机后，在内部轴截面上产生一个带动底部颗粒运动、随时间逐渐稳定的主要漩涡，水平面上形成一个位于几何中心的漩涡；颗粒在入口气体的带动下，被吹起的高度逐渐稳定，运动速度是邻近气流速度的8%~10%；模拟结果和实验结果的局部误差和整体误差均小于10%，表明耦合计算方法是切实可行的.
关键词：喷砂机固体颗粒EDEM-Fluent耦合PIV方法
Numerical Simulation and PIV Experimental Validation of Gas-Solid Two-Phase Flow in Sandblasting Machine Model
HUANG Si
, Tang Zi-rui, OU Chen-xi School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou 510641, China
Corresponding author: HUANG Si, E-mail: huangsi@scut.edu.cn.
Abstract: Particle impact inside a sandblaster is the main cause of sandblaster failure. To study the motion of the particles inside sandblasters, the EDEM-Fluent coupling method was used to analyze the characteristics of the gas-solid two-phase flow. The particle image velocimetry(PIV)method was used to obtain the particle motion inside the sandblasting tank to verify the model's validity. The results demonstrated that after the high-speed gas enters the machine, a major vortex drives the motion of the bottom particles and gradually stabilizes in the axial section. Another vortex is generated and located in the geometric center of the horizontal plane. The particles are driven by the high-speed gas and blown up to a gradually stable height and the particle velocity is about 8% and 10% of the neighboring airflow. The local and overall errors of the simulation results and test results are less than 10%, indicating that the coupling calculation method is practical and feasible.
Key words: sandblasting machinesolid particleEDEM-Fluent couplingPIV method
喷砂机作为一种表面加工的常用机械设备，广泛应用于石化、船舶及土木等行业.在喷砂机工作中，沙砾从进料口进入喷砂机加压罐内，由高速气流带动从喷砂机底部喷出，理想状态下，颗粒与气流均匀带动从喷砂罐内喷出.当颗粒随气流在罐内出现疏密不均的脉动流动状态时，颗粒在气体带动下不断冲击壁面，以至于出现罐壁表面材料疲劳磨损，从而形成点蚀、剥落甚至导致喷砂机的磨损失效.因此分析喷砂机内部颗粒的流动情况对改善磨损失效十分有必要.
目前关于喷砂机的研究，主要是针对喷砂机的结构设计、应用及环保改进，关于喷砂机工作状态时内部颗粒和气体流动规律的研究较少.近年来，研究人员开始使用CFD-DEM耦合方法分析各种设备中的气固两相流问题.Tsuji等[1]及Kafui等[2]首先在流化床颗粒的研究中使用CFD-DEM耦合方法同时求解气体流动和颗粒运动，分析观测颗粒运动特性和流化床气流速率压降关系.Sun等[3]使用EDEM-Fluent耦合方法分析垂直螺旋输送机颗粒周向速度的分布以确定最佳螺旋涡流填充率.Frawley等[4]通过CFD商业软件Fluent模拟了弯管受到固体颗粒磨蚀的情况，随后通过试验设计法研究了弯管磨蚀的影响因素，获得相关的侵蚀模型.综上所述，国内外****开展了较多的气固两相流的研究，但对于颗粒磨损的研究主要集中在弯管磨损，对于喷砂机高压和高速的颗粒运动引起磨损的研究尚未见到.文献[5-7]采用了EDEM-Fluent耦合方法对喷砂机内气固两相流及其磨损问题进行了数值模拟，分析了喷砂机不同部位磨损程度和各因素对磨损量的影响.但喷砂机内部颗粒运动和气体流动情况仍需进行实验研究及验证.
目前，越来越多的****使用粒子图像测速法(particle image velocimetry, PIV)对流场进行观测，PIV技术可以在不干涉流场的情况下获得瞬态速度场[8].Litvinov等[9]使用立体粒子图像测速(stereoscopic particle image velocimetry, SPIV)技术分析旋流器中的螺旋涡流，得到横截面上的平均及瞬时速度场分布.Patil等[10]利用PIV及红外热成像法研究流化床中的传热现象，得到了不同颗粒大小及气相速度下的温度分布.殷上轶等[11]使用PIV技术测量了不同工况时循环流化床的提升管中气相以及颗粒相的速度分布.
因此，本文对简化的喷砂机模型进行数值模拟，并使用PIV实验方法进行实验观测以对比检验数值模拟的有效性.
1 EDEM-Fluent耦合计算1.1 计算模型及网格划分选取如图 1所示喷砂机简化模型为研究对象.使用SolidWorks建立流动计算域模型，并对该计算域使用ICEM CFD进行非结构化网格的划分，得到如图 2所示的计算网格.为了提高计算效率，在进行了网格无关性检验后，选取网格数量为484 693的方案进行后续计算.
图 1(Fig. 1)
 | 图 1 喷砂机模型示意图(单位：mm)Fig.1 Schematic of the sandblasting machine model (unit: mm) |
1.2 边界条件和计算参数设置将空气视为连续流动的理想气体，将固体颗粒视为离散的球形颗粒相，对喷砂机流动计算域采用EDEM-Fluent耦合计算方法进行数值模拟.在Fluent软件中采用瞬态计算方法，其中t=0代表进气前颗粒的静止状态，气体流动计算的时间步长为Δt=10-3 s，气体的入口流量为qv=400 L/min，选取标准κ-ε模型为湍流模型，壁面函数采用标准壁面函数，边界采用无滑移边界条件；为了准确计算颗粒相的运动和碰撞，在EDEM软件中选取的时间步长为Δt=4×10-6 s[12]，接触模型选择Hertz-Mindlin无滑移模型.在EDEM-Fluent中设置空气的密度ρa为1.225 kg/m3，黏度η为1.78×10-5 kg/(m·s).颗粒半径为0.85 mm，初始堆积高度H为130 mm；颗粒的材料密度ρp为2 200 kg/m3，泊松比μp为0.4，剪切模量Gp为100 MPa.壁面密度ρw为7 800 kg/m3，泊松比μw为0.3，剪切模量Gw为7×104 MPa.颗粒-颗粒和颗粒-壁面的相互作用系数如材料恢复系数e、静摩擦系数ks和滚动摩擦系数kr均使用EDEM默认的相互系数设置，分别为0.5，0.5，0.01.
图 2(Fig. 2)
 | 图 2 流动计算域的网格划分Fig.2 Mesh generation in the fluid computational domain |
1.3 模拟计算结果图 3为喷砂机中心的xz截面上的气体速度矢量图.由图 3可知，气体通过喷砂机的入口进入罐内，入口速度在20.2 m/s左右，一部分气流直接经出口流出，在0.8 s后气体在喷砂机内形成一个比较稳定的逆时针主漩涡.
图 3(Fig. 3)
 | 图 3 喷砂机内气体速度矢量Fig.3 Gas velocity vector in the sandblasting machine (a)—t=0.2 s; (b)—t=0.4 s; (c)—t=0.8 s; (d)—t=1.6 s; (e)—t=1.8 s; (f)—t=2.0 s. |
图 4为不同时刻的喷砂机内部颗粒位置及速度分布.由图 4可以看出，当t =0.2 s时，颗粒在气流作用下开始运动，颗粒被向上吹起，底部出口有颗粒流出，颗粒的速度在1.0~1.5 m/s，最高速度达到1.7 m/s，此时气流速度为9.2 ~17.8 m/s，颗粒平均速度为邻近气体流速的10%左右.t=0.4 s时刻，大部分颗粒随着吹入的气体运动到喷砂机内最高点.t=0.4 ~0.8 s时，颗粒的运动受到重力影响开始做抛物线状运动，位于中心部分的颗粒速度有所下降，为邻近气体速度的7.0%~9.2%.t=1.6 ~2.0 s时，被吹起的颗粒已无法到达喷砂机顶部，颗粒被吹起的高度也随时间推移达到相对稳定，颗粒速度分布在0.92~1.25 m/s，入口的气体速度不变，被吹起的颗粒速度稳定在邻近气体速度的8.3%.
图 4(Fig. 4)
 | 图 4 喷砂机内颗粒位置及速度分布Fig.4 Particle position and velocity distribution in the sandblasting machine (a)—t=0.2 s; (b)—t=0.4 s; (c)—t=0.8 s; (d)—t=1.6 s; (e)—t=1.8 s; (f)—t=2.0 s. |
2 PIV实验装置及测试流程2.1 实验装置实验的PIV系统如图 5所示，包括喷砂罐模型、片光源系统和图像处理系统等.片光源系统激光器采用Newwave公司生产的Mini-YAG双脉冲激光器，图像采集采用Dantec公司生产的FlowSense 4M MkII型高速摄像机，图像处理采用Dynamic Studio软件.此外，还使用了同步器来控制激光器和高速摄像机进行同步操作.
图 5(Fig. 5)
 | 图 5 实验设备示意图Fig.5 Schematic of the test equipment ①—实验喷砂机；②—高速摄像机；③—激光器；④—光发射面；⑤—图像处理单元；⑥—同步器；⑦—计算机. |
2.2 测试流程使用空气压缩机将气体从喷砂机底部输送进喷砂机内部.将激光器的光打在采集横截面上，安装在喷砂机顶部的高速摄像机对喷砂机内部颗粒运动进行拍摄.通过Dynamic Studio软件进行处理分析得到观测面上一个方形区域(200 mm×200 mm)的运动颗粒分布情况.
3 模拟计算与实测结果的对比分析图 6a为观测截面方形区的颗粒速度矢量.图中xy方向定义见图 2，图中矢量方向代表颗粒运动方向，颜色代表颗粒x方向速度vx大小.图 6b为数值模拟中观测截面上所有颗粒x方向速度vx大小云图.从图中可以看出，最高颗粒速度出现在中心右侧位置，截面轴线右侧颗粒速度矢量为正，左侧存在一些区域速度矢量为负，且右侧整体速度明显高于左侧，有明显的速度脉动，与实验的观测截面结果一致.将模拟和实验中观测截面上所有的颗粒速度求平均值，得到结果分别为0.115和0.106 m/s，误差为8.5%. 图 7为观测面方形区中心线上的颗粒速度的对比(y=100 mm).由图可见，实验和模拟得到的颗粒速度变化趋势一致.由图 7a可见，x方向的颗粒速度vx在观测截面中心附近出现了两个方向相反、大小相近的极值，两侧的速度值逐渐减小.由图 7b可见，截面中心处颗粒y方向的速度vy达到最大值，且观测截面上y方向速度分布基本相同，在观测截面两侧的速度也逐渐趋近于0.模拟和实验的x方向平均速度分别为0.014 1和0.015 6 m/s，误差为9.6%；y方向平均速度分别为0.202和0.193 m/s，误差为4.7%.
图 6(Fig. 6)
 | 图 6 观测截面上颗粒速度分布(t=2.0 s)Fig.6 Particle velocity distribution at the observed cross section(t=2.0 s) (a)—实验结果；(b)—模拟结果. |
图 7(Fig. 7)
 | 图 7 观测截面沿y=100 mm的颗粒速度对比(t=2.0 s)Fig.7 Comparison of particle velocity along y=100 mm at the observed cross section (a)—x方向速度；(b)—y方向速度. |
通过上述对比，可以发现在观测截面上实验和模拟的颗粒速度分布大致相同，并且中心线上速度的变化趋势比较吻合.在截面以及中心线上各个速度的平均值误差均在10%以内.
4 结论1) 高速气体进入喷砂机后，在喷砂机内产生一个位于轴截面上的、带动底部颗粒运动的主要漩涡.气流旋涡的大小、颗粒流的运动高度随着时间推移逐渐稳定.因气体入口在几何中心上，因此在水平面也产生了一个位于几何中心的漩涡.
2) 固体颗粒在喷砂机入口气体的带动下开始运动，随着时间推移颗粒被吹起的高度逐渐稳定.在当前颗粒条件下，颗粒运动的速度约为邻近气流速度的8%~10%.
3) 观测截面上，模拟结果与实验的颗粒速度分布相近.观测截面中心线上的颗粒速度有着同样的变化趋势，且平均值误差均小于10%，说明本文所验证的EDEM-Fluent耦合计算方法是切实可行的.
参考文献
| [1] | Tsuji Y, Kawaguchi T, Tanaka T. Discrete particle simulation of two-dimensional fluidized bed[J]. Powder Technology, 1993, 77(1): 79-87. DOI:10.1016/0032-5910(93)85010-7 |
| [2] | Kafui K D, Thornton C, Adams M J. Discrete particle-continuum fluid modelling of gas-solid fluidised beds[J]. Chemical Engineering Science, 2002, 57(13): 2395-2410. DOI:10.1016/S0009-2509(02)00140-9 |
| [3] | Sun X, Meng W, Yuan Y. Design method of a vertical screw conveyor based on Taylor-Couette-Poiseuille stable helical vortex[J]. Advances in Mechanical Engineering, 2017, 9(7): 1-11. |
| [4] | Frawley P, Corish J, Niven A, et al. Combination of CFD and DOE to analyse solid particle erosion in elbows[J]. International Journal of Computational Fluid Dynamics, 2009, 23(5): 411-426. DOI:10.1080/10618560902919279 |
| [5] | 惠志全, 黄思, 黄家兴, 等. 基于EDEM-Fluent耦合计算的喷砂机磨损特性的影响因素研究[J]. 重庆理工大学学报(自然科学版), 2020, 33(12): 111-118. (Hui Zhi-quan, Huang Si, Huang Jia-xing, et al. Study on influencing factors of wear properties in a sandblasting machine based on EDEM-Fluent coupling[J]. Journal of Chongqing University of Technology(Natural Sciences), 2020, 33(12): 111-118.) |
| [6] | 惠志全, 黄思, 黄家兴, 等. 基于EDEM-Fluent耦合的喷砂机磨损计算[J]. 武汉大学学报(工学版), 2020, 53(9): 825-830. (Hui Zhi-quan, Huang Si, Huang Jia-xing, et al. Wear calculation of sandblasting machine based on EDEM-Fluent coupling[J]. Journal of Wuhan University(Engineering Edition), 2020, 53(9): 825-830.) |
| [7] | Huang S, Su X, Qiu G. Transient numerical simulation for solid-liquid flow in a centrifugal pump by DEM-CFD coupling[J]. Engineering Applications of Computational Fluid Mechanics, 2015, 9(1): 411-418. DOI:10.1080/19942060.2015.1048619 |
| [8] | Moon H, Choi S, Park Y K, et al. Thermal-fluid characteristics on near wall of gas-solid fluidized bed reactor[J]. International Journal of Heat and Mass Transfer, 2017, 114: 852-865. DOI:10.1016/j.ijheatmasstransfer.2017.06.125 |
| [9] | Litvinov I V, Sharaborin D K, Shtork S I. Reconstructing the structural parameters of a precessing vortex by SPIV and acoustic sensors[J]. Experiments in Fluids, 2019, 60(9): 1-18. |
| [10] | Patil A V, Peters E, Sutkar V S, et al. A study of heat transfer in fluidized beds using an integrated DIA/PIV/IR technique[J]. Chemical Engineering Journal, 2015, 259: 90-106. DOI:10.1016/j.cej.2014.07.107 |
| [11] | 殷上轶, 钟文琪, 卢平, 等. 基于图像处理的循环流化床团聚物体积分数及其容积份额[J]. 燃烧科学与技术, 2018, 24(6): 506-512. (Yin Shang-yi, Zhong Wen-qi, Lu Ping, et al. Cluster density and fraction in a circulating fluidized bed based on image processing[J]. Combustion Science and Technology, 2018, 24(6): 506-512.) |
| [12] | Solutions D. EDEM v2.3 user guide[M]. Edinburgh: DEM Solutions Ltd, 2010. |
