渦流空氣分級機顆粒分離過程數(shù)學(xué)模擬及雙層撒料盤設(shè)計.pdf

1、機械破碎或粉磨獲得的粉體因其粒度分布范圍較寬而不能滿足日益增長的需求，因此往往需要對粉體進行分級。渦流空氣分級機因其具有分級效率高、處理量大等優(yōu)點迅速在動態(tài)分級機中占據(jù)了主導(dǎo)地位。隨著微細粉體在各行各業(yè)的應(yīng)用越來越廣泛，提高渦流空氣分級機的分級性能成為亟待解決的問題。本文通過分析分級機內(nèi)顆粒的運動，結(jié)合Fluent數(shù)值模擬，設(shè)計了雙層撒料盤，以改善粉體顆粒在渦流空氣分級機內(nèi)分散性，旨在提高分級機分級性能;通過對環(huán)形區(qū)的顆粒進行受力分析，

2、建立了顆粒分級的隨機過程模型并進行Monte Carlo模擬，以期進一步揭示分級機內(nèi)氣固分離機理;基于實驗數(shù)據(jù)，建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，以對分級性能指標進行預(yù)測，用于指導(dǎo)生產(chǎn)實踐。主要研究內(nèi)容包括:
　　通過對渦流空氣分級機的結(jié)構(gòu)特點進行分析，將分級機模型簡化為四部分分別進行網(wǎng)格劃分，進行網(wǎng)格獨立性檢驗確定網(wǎng)格數(shù)量;分析了不同的湍流模型、離散格式及壓力速度耦合方式，最終確定RNGk-ε模型、一階迎風(fēng)格式和SIMPLEC壓力速度

3、耦合方式來對渦流空氣分級機內(nèi)部流場進行氣相模擬;分析了顆粒在氣相中的受力情況，結(jié)合渦流空氣分級機的操作工況，計算了分級機內(nèi)顆粒質(zhì)量加載率、體積加載率，確定了氣固雙向耦合DPM離散相模型。
　　對單層徑向撒料盤上顆粒的運動進行分析，并對顆粒離開撒料盤后的料帶分布進行了理論計算;據(jù)此設(shè)計了一種上層撒料面具有均布扇形開口且均布凸棱的雙層徑向撒料盤;通過數(shù)值模擬、物料模擬實驗及物料分級實驗對改進效果進行了驗證。數(shù)值模擬結(jié)果表明:單、雙層撒

4、料盤結(jié)構(gòu)下分級機流場分布基本一樣，兩種結(jié)構(gòu)對流場分布的影響較小，但離散相結(jié)果表明同一粒徑的顆粒經(jīng)雙層撒料盤上、下撒料面分散后的旅行時間不同，可減小顆粒團聚、碰撞的概率;雙層撒料盤結(jié)構(gòu)下，分級機分級粒徑減小、分級精度提高。物料模擬實驗結(jié)果表明:相比單層撒料盤，顆粒經(jīng)雙層撒料盤分散后具有更寬的料帶，承料面上單位面積物料量最大相對減少量為29.2％，因此雙層撒料盤結(jié)構(gòu)能夠改善物料分散性。物料分級實驗結(jié)果表明:不同工況下，相比單層撒料盤，雙層撒

5、料盤結(jié)構(gòu)下分級粒徑更小，分級精度更高，分級粒徑最大減小了25.24％、分級精度最大提高了52.47％。
　　為描述渦流空氣分級機內(nèi)顆粒的分級過程，考慮顆粒隨粒徑大小被分離的必然性的同時，還應(yīng)考慮顆粒運動的隨機性。根據(jù)渦流空氣分級機的特點，構(gòu)建了三角馬爾可夫鏈，建立了渦流空氣分級機內(nèi)顆粒分級的隨機數(shù)學(xué)模型，并利用Monte Carlo方法對隨機模型進行了求解。與物料實驗的對比結(jié)果表明，Monte Carlo模擬部分分級效率曲線更接近

6、于理想分級部分分級效率曲線，分級粒徑的變化趨勢與實驗一致，有助于探求渦流空氣分級機分級機理。但由于所建立的隨機數(shù)學(xué)模型并未考慮顆粒間相互作用以及分級機內(nèi)流場湍流特性的影響，因此該分級模型有待進一步完善。
　　利用MATLAB建立了分級機分級精度與分級粒徑三層神經(jīng)網(wǎng)絡(luò)，構(gòu)建了渦流空氣分級機分級精度和分級粒徑的神經(jīng)網(wǎng)絡(luò)模型，并應(yīng)用由實驗數(shù)據(jù)組成的訓(xùn)練樣本對構(gòu)建的網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，得到3-3-2型神經(jīng)網(wǎng)絡(luò)分級精度和分級粒徑預(yù)測模型并通過

7、測試樣本對預(yù)測模型進行驗證。驗證結(jié)果表明:預(yù)測與實驗分級精度之間的平均相對偏差為17.59％;預(yù)測分級粒徑與實驗分級粒徑之間的平均相對偏差為7.13％，而理論計算公式與實驗分級粒徑之間的平均相對偏差為50.44％，無論是分級精度還是分級粒徑，BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型都具有較高的預(yù)測精度。此外，隨機過程理論的Monte Carlo模擬是在分析分級機內(nèi)顆粒運動的基礎(chǔ)上，對分級機的部分分級效率進行預(yù)測，而BP神經(jīng)網(wǎng)絡(luò)模型的建立基于分級實驗數(shù)據(jù)，故