CFD-DEM

CFD -DEM-modellen , eller Computational Fluid Dynamics/Discrete Element Method-modellen , är en process som används för att modellera eller simulera system som kombinerar vätskor med fasta ämnen eller partiklar. I CFD-DEM erhålls rörelsen av diskreta fasta ämnen eller partikelfas genom den diskreta elementmetoden (DEM) som tillämpar Newtons rörelselagar på varje partikel, medan flödet av kontinuumvätska beskrivs av de lokala genomsnittliga Navier–Stokes ekvationer som kan lösas med den traditionella CFD-metoden ( Computational Fluid Dynamics) . Interaktionerna mellan den flytande fasen och den fasta fasen modelleras med hjälp av Newtons tredje lag .

Den direkta inkorporeringen av CFD i DEM för att studera gasfluidiseringsprocessen hittills har försökts av Tsuji et al. och senast av Hoomans et al., Deb et al. och Peng et al. En färsk översikt över användningsområden gavs av Kieckhefen et al.

Parallellisering

OpenMP har visat sig vara mer effektivt för att utföra kopplade CFD-DEM-beräkningar i parallella ramar jämfört med MPI av Amritkar et al. Nyligen har en flerskalig parallell strategi utvecklats. Generellt är simuleringsdomänen uppdelad i många underdomäner och varje process beräknar endast en underdomän med hjälp av MPI-passerande gränsinformation; för varje underdomän används CPU:erna för att lösa vätskefasen medan de allmänna GPU:erna används för att lösa partiklars rörelse. I den här beräkningsmetoden fungerar dock CPU:er och GPU:er i serie. Det vill säga, CPU:erna är inaktiva medan GPU:erna beräknar de fasta partiklarna, och GPU:erna är inaktiva när CPU:erna beräknar vätskefasen. För att ytterligare accelerera beräkningen kan CPU- och GPU-beräkningen överlappas med det delade minnet i ett Linux-system. Således kan vätskefasen och partiklarna beräknas samtidigt.

Minska beräkningskostnaderna med hjälp av grovkorniga partiklar

Beräkningskostnaden för CFD-DEM är enorm på grund av ett stort antal partiklar och små tidssteg för att lösa partikel-partikelkollisioner. För att minska beräkningskostnaderna kan många riktiga partiklar klumpas ihop till en grovkornig partikel (CGP). Diametern på CGP beräknas med följande ekvation:

$d_{CGP}=d_{realParticle}\cdot W^{1/3},$

där $W$ är antalet reella partiklar i CGP. Sedan kan rörelsen av CGP:er spåras med hjälp av DEM. I simuleringar med grovkorniga partiklar utsätts de verkliga partiklarna i en CGP för samma dragkraft, samma temperatur och samma artmassfraktioner. Momentum, värme och massöverföringar mellan vätska och partiklar beräknas först med hjälp av diametern på verkliga partiklar och skalas sedan med $W$ gånger. Värdet på $W$ är direkt relaterat till beräkningskostnad och noggrannhet. När $W$ är lika med unity, blir simuleringen DEM-baserad för att uppnå resultat som är av högsta möjliga noggrannhet. När detta förhållande ökar, ökar hastigheten på simuleringen drastiskt men dess noggrannhet försämras. Förutom en ökning av hastigheten är allmänna kriterier för val av värde för denna parameter ännu inte tillgängliga. För system med distinkta mesoskalastrukturer, som bubblor och kluster, bör dock paketstorleken vara tillräckligt liten för att lösa deformation, aggregering och brott av bubblor eller kluster. Processen att klumpa ihop partiklar minskar kollisionsfrekvensen, vilket direkt påverkar energiförlusten. För att ta hänsyn till detta fel föreslogs en effektiv restitutionskoefficient av Lu et al., baserad på kinetisk teori om granulärt flöde, genom att anta att energiförlusten under kollisioner för det ursprungliga systemet och det grovkorniga systemet är identiska.

$e_{CGP}={\sqrt {1+\left(e_{realParticle} ^{2}-1\höger)W^{1/3}}}$