El modelo CFD-DEM , o modelo de dinámica de fluidos computacional / método de elementos discretos , es un proceso utilizado para modelar o simular sistemas que combinan fluidos con sólidos o partículas. En CFD-DEM, el movimiento de la fase de partículas o sólidos discretos se obtiene mediante el método de elementos discretos (DEM), que aplica las leyes del movimiento de Newton a cada partícula, mientras que el flujo del fluido continuo se describe mediante las ecuaciones de Navier-Stokes promediadas locales que se puede resolver utilizando el enfoque tradicional de dinámica de fluidos computacional (CFD). Las interacciones entre la fase fluida y la fase sólida se modelan mediante el uso de la tercera ley de Newton .
La incorporación directa de CFD en DEM para estudiar el proceso de fluidización de gas hasta ahora ha sido intentada por Tsuji et al. [1] [2] y más recientemente por Hoomans et al., [3] Deb et al. [4] y Peng et al. [5] Kieckhefen et al. [6]
Paralelización
Se ha demostrado que OpenMP es más eficiente en la realización de cálculos de CFD-DEM acoplados en un marco paralelo en comparación con MPI por Amritkar et al. [7] Recientemente, se ha desarrollado una estrategia paralela de múltiples escalas [8] . Generalmente, el dominio de simulación se divide en muchos subdominios y cada proceso calcula solo un subdominio utilizando la información de límites de paso de MPI; para cada subdominio, las CPU se utilizan para resolver la fase fluida, mientras que las GPU de propósito general se utilizan para resolver el movimiento de partículas. Sin embargo, en este método de cálculo, las CPU y GPU funcionan en serie. Es decir, las CPU están inactivas mientras las GPU calculan las partículas sólidas y las GPU están inactivas cuando las CPU calculan la fase fluida. Para acelerar aún más el cálculo, la CPU y la GPU se pueden superponer utilizando la memoria compartida de un sistema Linux. Por lo tanto, la fase fluida y las partículas se pueden calcular al mismo tiempo.
Reducir el costo de cálculo usando partículas de grano grueso
El costo de cálculo de CFD-DEM es enorme debido a la gran cantidad de partículas y los pequeños pasos de tiempo para resolver las colisiones entre partículas. Para reducir el costo de cálculo, muchas partículas reales se pueden agrupar en una Partícula de grano grueso (CGP). [9] [10] El diámetro del CGP se calcula mediante la siguiente ecuación:
dónde es el número de partículas reales en CGP. Luego, el movimiento de los CGP se puede rastrear usando DEM. En las simulaciones que utilizan partículas de grano grueso, las partículas reales en un CGP se someten a la misma fuerza de arrastre, la misma temperatura y las mismas fracciones de masa de especies. Las transferencias de cantidad de movimiento, calor y masa entre el fluido y las partículas se calculan en primer lugar utilizando el diámetro de las partículas reales y luego se escalan porveces. El valor deestá directamente relacionado con el costo y la precisión de los cálculos. [11] Cuandoes igual a la unidad, la simulación se vuelve basada en DEM logrando resultados que son de la mayor precisión posible. A medida que aumenta esta relación, la velocidad de la simulación aumenta drásticamente, pero su precisión se deteriora. Aparte de un aumento de la velocidad, todavía no se dispone de criterios generales para seleccionar un valor para este parámetro. Sin embargo, para sistemas con estructuras de mesoescala distintas, como burbujas y grupos, el tamaño de la parcela debe ser lo suficientemente pequeño como para resolver la deformación, agregación y rotura de burbujas o grupos. El proceso de agrupar partículas reduce la frecuencia de colisión, lo que influye directamente en la disipación de energía. Para explicar este error, Lu et al. [10] propusieron un coeficiente de restitución efectivo basado en la teoría cinética del flujo granular, asumiendo que la disipación de energía durante las colisiones para el sistema original y el sistema de grano grueso son idénticas.
Software
Software de código abierto y no comercial:
- CFDEMcoupling es una caja de herramientas de código abierto para el acoplamiento CFD-DEM. Desarrollado por DCS Computing GmbH
- MFiX (paquete de simulación de flujo multifásico de código abierto).
Software comercial
- EDEM (DEM Solutions Ltd.)
- Rocky DEM: software de modelado de elementos discretos y simulación de partículas que simula de forma rápida y precisa el comportamiento del flujo
- Flow 3D: el módulo adicional DEM también modela eficazmente los problemas de CFD-DEM
- Ansys Fluent
- Cuna; https://www.mscsoftware.com/product/cradle-cfd
- Simcenter STAR-CCM +
Referencias
- ^ Tsuji, Y .; Kawaguchi, T .; Tanaka, T. (1993). "Simulación de partículas discretas de lecho fluidizado bidimensional". Tecnología de polvo . Elsevier BV. 77 (1): 79–87. doi : 10.1016 / 0032-5910 (93) 85010-7 . ISSN 0032-5910 .
- ^ Tsuji, Y .; Tanaka, T .; Ishida, T. (1992). "Simulación numérica lagrangiana de flujo pistón de partículas sin cohesión en una tubería horizontal". Tecnología de polvo . Elsevier BV. 71 (3): 239–250. doi : 10.1016 / 0032-5910 (92) 88030-l . ISSN 0032-5910 .
- ^ Hoomans, BPB; Kuipers, JAM; Briels, WJ; van Swaaij, WPM (1996). "Simulación de partículas discretas de la formación de burbujas y babosas en un lecho fluidizado de gas bidimensional: un enfoque de esfera dura" . Ciencias de la Ingeniería Química . Elsevier BV. 51 (1): 99-118. doi : 10.1016 / 0009-2509 (95) 00271-5 . ISSN 0009-2509 .
- ^ Deb, Surya; Tafti, Danesh (2014). "Investigación de lecho con pico de fondo plano con múltiples chorros utilizando el marco DEM-CFD". Tecnología de polvo . Elsevier BV. 254 : 387–402. doi : 10.1016 / j.powtec.2014.01.045 . ISSN 0032-5910 .
- ^ Peng, Z .; Doroodchi, E .; Luo, C .; Moghtaderi, B. (2014). "Influencia del cálculo de la fracción de huecos en la fidelidad de la simulación CFD-DEM de lechos fluidizados de burbujeo de gas-sólido". AIChE J . 60 (6): 2000. doi : 10.1002 / aic.14421 .
- ^ Kieckhefen, P .; Pietsch, S .; Dosta, M .; Heinrich, S. (2020). "Posibilidades y límites de la dinámica de fluidos computacional - Simulaciones del método de elementos discretos en la ingeniería de procesos: una revisión de los avances recientes y las tendencias futuras". Revista anual de ingeniería química y biomolecular . 11 . doi : 10.1146 / annurev-chembioeng-110519-075414 .
- ^ Amritkar, Amit; Deb, Surya; Tafti, Danesh (2014). "Simulaciones CFD-DEM paralelas eficientes utilizando OpenMP". Revista de Física Computacional . 256 : 501. Código bibliográfico : 2014JCoPh.256..501A . doi : 10.1016 / j.jcp.2013.09.007 .
- ^ Lu, L .; Xu, J .; Ge, W .; Gao, G .; Jiang, Y .; Zhao, M .; Liu, X .; Li, J. (2016). "Experimento virtual de computadora en lechos fluidizados utilizando un método de partículas discretas de grano grueso — EMMS-DPM". Ciencias de la Ingeniería Química . 155 : 314–337. doi : 10.1016 / j.ces.2016.08.013 .
- ^ Lu, L .; Yoo, K .; Benyahia, S. (2016). "Método de partículas de grano grueso para la simulación de flujos de reacción líquido-sólidos". Investigación en Química Industrial e Ingeniería . 55 (39): 10477–10491. doi : 10.1021 / acs.iecr.6b02688 . OSTI 1477859 .
- ^ a b Lu, L .; Xu, J .; Ge, W .; Yue, Y. (2014). "Método de partículas discretas basado en EMMS (EMMS-DPM) para la simulación de flujos de gas-sólido". Ciencias de la Ingeniería Química . 120 : 67–87. doi : 10.1016 / j.ces.2014.08.004 .
- ^ Lu, L .; Konan, A .; Benyahia, S. (2017). "Influencia de la resolución de la cuadrícula, el tamaño de la parcela y los modelos de arrastre en la simulación de lecho fluidizado burbujeante". Revista de Ingeniería Química . 326 : 627–639. doi : 10.1016 / j.cej.2017.06.002 . OSTI 1404697 .