DDPM模型在细粒煤脉动气流分选中的数值模拟及其效果

本文主要探讨了"基于Euler-Lagrange方法的细粒煤脉动气流分选数值模拟"这一主题，针对传统欧拉模型和离散相模型在模拟细粒煤气流分选过程中的不足，研究者采用了DDPM(Dense Discrete Phase Model)模型进行改进。DDPM模型引入了相体积分数的概念，并结合软球碰撞模型，构建了一个新的数值模拟框架，着重考虑了离散相体积分数对颗粒间碰撞作用的模拟。 在研究中，作者通过数值模拟与实验室的连续分选实验相结合，深入分析了分选机内部流场的分布情况，以及6~3毫米粒度的细粒煤在脉动气流中的分选效果。研究发现，DDPM模型在模拟过程中能够有效地捕捉到细粒煤气流分选过程中颗粒对流场的扰动效应，这对于理解和优化分选过程具有重要意义。 分选机内部流场受被分选物料的影响显著，速度分布和压降值相较于加入颗粒前有明显变化，而且随着分选机处理量的提高，这种变化趋势更加明显。具体来说，实验结果显示，当处理量增大时，压降的变化幅度也随之增大。此外，DDPM模型在预测各密度级重产物的分配率时，具有较高的精度，均方根误差控制在3%以内。在相同风量下，分选机处理量增加的同时，分选密度也会相应提高，这表明模型在实际应用中有很好的稳定性和有效性。 本文的研究成果对于提升细粒煤分选技术的精确度和效率具有理论指导价值，尤其是在工业生产中优化气流分选设备的设计和操作参数选择上。此外，研究成果还展示了Euler-Lagrange方法在复杂流体动力学问题中的应用潜力，为进一步研究和开发新型煤质分选技术提供了新的思路。文章的作者韦鲁滨、李大虎等人来自中国矿业大学(北京)化学与环境工程学院，他们的工作得到了国家自然科学基金和国家重点基础研究发展计划的支持，显示出该研究具有较高的学术价值和实践意义。