RPB反应器示意图见图1,RPB具有超重力环境和复杂的高速旋转的填料结构,使得旋转床内的流体具有丰富的流动形态和特征。流体在填料孔隙中流动,流动形态和特征不断变化,液体的表面不断更新,为气液接触(吸收、脱附等)创造了良好的条件。
图1 RPB反应器示意图
图1为RPB反应器示意图,其中:1.气体进口;2.气体出口;3.液体进口;4.液体出口;5.液封;6.填料;7.转轴;8.外壳;9.液体分布器)
利用高清摄像头,Burns(1996)等人发现液体的主要存在方式为三种,如图2:
1 存在于填料空隙的孔流形态;
2 附着于填料表面离散液滴形态;
3 存在于填料表面的膜流动形态。
图2 RPB内三种液体的存在形态
由于拍摄实验通常具有一定局限性(比如大量液滴的存在,给精确读取数据造成难度,反应器内部流场难以拍摄等),在RPB反应器开发研究中CFD模拟具有以下特点:
1 容易获得直观的可视化结果;
2 可以获得实验手段不易获得的更详细、稳定的计算结果;
3 不需要进行重复实验。
因此,在RPB反应器开发研究中,CFD成为一种研究气液两相流动的重要手段。
工业反应器一般尺寸很大,而液滴尺寸在0.5-5mm范围内。
Fluent软件模拟计算中想要捕捉到液滴的气液边界,整个模拟过程所需要的网格数将会是非常庞大的,因此在这里采用了动态自适应网格,也就是在瞬态求解计算时,按照一定方法动态的加密某一区域,以实现对该区域物理变量的高精度捕捉。
通过动态自适应网格方法,在足够捕捉液滴颗粒的前提下,可大幅降低整个模型的网格数量,缩短计算收敛时间。
1
具体操作
利用VOF计算液相时,进入反应器的连续流体会不断经过丝网切割形成细小的液滴,网格自适应实现了网格随液滴的大小和位置的时时变化,动态的捕捉液滴的位置,并相应的加密此处网格,更精确的捕捉液滴的形状。
具体操作设置如下:
图3 操作界面
Step1:Adaption中选择Gradient Adaption, 打来设置页面;
Step2:Method 选择Gradient(梯度)自适应, 由于本例是瞬态网格自适应计算,Normalization选择了normalize方法。勾选Dynamic按钮,激活瞬态网格自适应。勾选Refine和Coarsen,Refine Threshold(细化阀值)和Coarsen threshold(粗化阀值)都选择0.2,即液体体积分数大于0.2的网格将会被标记细化,体积分数小于0.2的网格将会被标记粗化,还原成原来的网格。
图4 操作界面
Step3 :细化和粗化水平,打开Controls选型进入Mesh Adaption Controls页面,该例Max level of Refine设置为4,这个数值越大表示网格细化的越厉害。
对比加密前后的网格:
图5 网格加密前后的图片对比
2
计算结果
图6 RPB内的液相体积分布图(2s)
从图6计算结果可以看出,气液边界清晰可见,能观测到完整的液相颗粒形态,模拟很好地描述RPB内的气液流动。
图7 液相在RPB内的存在形式
图7为液相在RPB内的存在形式,可以清晰观测到液体的三种存在形式:孔流、液膜流动和液滴,这与Burns(1996)等人的实验观测相符合。
对于你遇到的气液两相流模拟问题,动态自适应网格方法到底能多大幅度降低整个模型的网格数量?赶快试一试吧!
Burns(1996)等人的实验观测可参见文献:
Burns J R, Ramshaw C. Process intensification: Visual study ofliquid maldistribution in rotating packed beds[J]. Chem. Eng. Sci., 1996,51(8): 1347-1352