13 марта 2018

Оптимизация качества смешивания статического винтового смесителя

Отрасль: Промышленное оборудование | ПродуктpSeven | Компания: Sulzer

Задача

Статические винтовые смесители широко используются в химической промышленности для смешивания вязких жидкостей. Они представляют собой цилиндрическую трубу, состоящую из последовательности спирально закрученных лопастей, причем направление кручения каждой последующей лопасти противоположно направлению предыдущей. Специфическая геометрия винтового смесителя последовательно разрезает потоки поступающих несмешанных материалов на более тонкие слои, которые затем перемешиваются друг с другом при дальнейшем движении потоков. Таким образом достигается высокоэффективное, экспоненциальное по длине смесителя перемешивание поступающих материалов. Известно, что качество перемешивания зависит от геометрии лопастей и может быть существенно улучшено при правильном выборе их геометрии, а также угла кручения лопастей.

Задачей данного проекта, выполненного для компании Sulzer Mixpac, был поиск геометрии лопастей смесителя с наилучшими смешивающими характеристиками, обеспечивающими при этом наименьший перепад давления при заданной полной длине смесителя.

Был рассмотрен винтовой смеситель фиксированного диаметра, геометрия каждой лопасти которого определяется следующими параметрами:

  • Количество оборотов t
  • Расстояние, пройденное за один полный оборот (шаг) h
  • Толщина лопасти s
  • Угловая ориентация α соседних лопастей является фиксированным параметром задачи

Геометрические параметры статического смесителя

Трудности

Основными трудностями в задаче были:

  • Многокритериальная постановка
  • Существенное влияние эффектов численной диффузии
  • Вычислительно дорогие целевые функции

РешениеВ задаче учитывались три геометрических ограничения и пять глобальных фиксированных параметра.Для определения качества смешивания были применены два различных подхода, дополненные методами численной оптимизации: прямое гидродинамическое моделирование и исследование траекторий фиктивных частиц с адаптивной выборкой их начальных положений, предложенное DATADVANCE.Первый подход (прямое моделирование процесса смешивания двух жидкостей в программном комплексе FlowVision), несмотря на свою техническую простоту (настройка процесса, проведение моделирования и простота обработки результатов), является вычислительно дорогим. Но основной недостаток такого подхода – наличие эффектов численной диффузии, влияние которых столь велико, что они фактически уничтожают данные о течении реальной жидкости в смесителе.Подход, основанный на исследовании траекторий фиктивных частиц, существенно отличен от прямого моделирования течения двух жидкостей. Вместо этого рассматривается гидродинамика течения одной и той же вязкой жидкости в смесителе. После того, как получено полное распределение скоростей жидкости, можно проследить за траекториями отдельных фиктивных частиц, начинающих своё движение на входе в смеситель и сопровождающих поток (построить интегральные кривые скорости течения). Это позволяет детально изучить процесс смешения вообще без эффектов численной диффузии.Схематически, исследование траекторий частиц включает следующие этапы:

  • Гидродинамическое моделирование (получение картины течения с помощью инструментов CFD).
  • Построение интегральных кривых скоростей потока для их различных начальных положений.
  • Построение матрицы переноса, описывающей соответствие начальных и конечных положений фиктивных частиц.
  • Оценка смешивания (расчет критериев качества смешивания).

Данный подход также обладает некоторыми техническими сложностями, такими, как необходимость отслеживать большое количество траекторий частиц, отсутствие физической диффузии и необходимость постпроцессинга построенных траекторий. Предложенный DATADVANCE адаптивный способ выбора начальных положений частиц позволил существенно уменьшить общее число отслеживаемых траекторий без потери точности результирующей матрицы переноса. Благодаря этому удалось эффективно решить основную проблему данного подхода, которая заключается в том, что вычисление полной матрицы переноса обычно требует построения огромного числа траекторий. Адаптивная стратегия позволяет устанавливать именно те матричные элементы, которые наиболее плохо известны и не тратить усилия на уточнение величин, уже известных с высокой точностью.

Иллюстрация подхода, основанного на исследовании траекторий фиктивных частиц

Поскольку предложенный метод требует сложного пре- и постпроцессинга, для решения задачи применялся пакет ANSYS Fluent для численного моделирования потока однокомпонентной жидкости и построения интегральных траекторий (DPM модуль). Построение сетки выполнялось в ANSYS ICEM CFD.

Построение интегральных траекторий в ANSYS Fluent

Затем была решена задача двухкритериальной оптимизации с вычислительно дорогими целевыми функциями. Для решения применялся метод Многокритериальной Оптимизации на Основе Метамоделей (Multi-Objective Surrogate-Based Optimization, MOSBO) в pSeven. Этот алгоритм был выбран автоматически с помощью техники SmartSelection.

Расчетная схема оптимизации в pSeven

Результаты

Был предложен подход, основанный на исследовании траекторий фиктивных частиц, с адаптивной стратегией выбора начальных положений частиц. Автоматически выбранный наиболее подходящий метод оптимизации в pSeven – MOSBO – позволил успешно решить задачу многокритериальной оптимизации винтового смесителя всего за 70 обращений к вычислительно дорогой гидродинамической модели. Был найден Парето фронт (качество перемешивания в сравнении с перепадом давления), анализ которого позволил выбрать оптимальный вариант геометрии.Оптимальные параметры были подтверждены в ходе сравнения результатов прямого гидродинамического моделирования и результатов, полученных предложенным DATADVANCE методом. Два различных подхода и различные постановки задачи в итоге привели к фактически одинаковым геометриям смесителя.

Результаты двух различных подходов дали одинаковую геометрию 

Антон Саратов, Инженер-расчетчик, DATADVANCE

LinkedIn
VK

Заинтересовало решение?

Нажмите, чтобы запросить бесплатную 30-дневную демоверсию.

Запросить демо