CN116227387A - 一种煤气化炉管道冲蚀预测及调控方法 - Google Patents
一种煤气化炉管道冲蚀预测及调控方法 Download PDFInfo
- Publication number
- CN116227387A CN116227387A CN202310269302.8A CN202310269302A CN116227387A CN 116227387 A CN116227387 A CN 116227387A CN 202310269302 A CN202310269302 A CN 202310269302A CN 116227387 A CN116227387 A CN 116227387A
- Authority
- CN
- China
- Prior art keywords
- erosion
- particles
- particle
- pipeline
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003628 erosive effect Effects 0.000 title claims abstract description 94
- 239000003245 coal Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 8
- 239000007787 solid Substances 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 239000002245 particle Substances 0.000 claims description 153
- 239000012071 phase Substances 0.000 claims description 39
- 239000012530 fluid Substances 0.000 claims description 13
- 238000005452 bending Methods 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 238000002309 gasification Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000000523 sample Substances 0.000 claims description 6
- 230000005514 two-phase flow Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008033 biological extinction Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000008187 granular material Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000010349 pulsation Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 2
- 239000012535 impurity Substances 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 abstract description 2
- 230000001681 protective effect Effects 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 15
- 239000002956 ash Substances 0.000 description 5
- 238000005054 agglomeration Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000003818 cinder Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fluid Mechanics (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种煤气化炉管道冲蚀预测及调控方法，属于工业管道安全输送技术领域，分为四层，其中，第一层为感知层；第二层为监视层；第三层为数字孪生计算层，第四层为决策层；实现实时显示管道的冲蚀形态、预测管道的冲蚀位置，将管道内固体杂质对管壁碰撞数据进行实时采集、传输、分析并进行反馈，从而提前发现输气管道壁面冲蚀位置，及早采取防护措施。本发明的核心是连接CFD数值模拟与数字孪生系统，利用智能求解器生成智能算法，复杂的物理行为可以随着真实的过程进展而被监控，以此来响应实时输入数据的变化，既满足计算实时数据的需求，同时可以提高数字孪生体的仿真精度，使构建的数字孪生体能快速应用到管道的冲蚀预测。
Description
技术领域
本发明涉及工业管道安全输送技术领域，涉及一种煤气化炉管道冲蚀预测及调控方法。
背景技术
在壳牌粉煤气化工艺中，粉煤经研磨后，与助燃气体混合通过高压进入气化炉反应室内，加热至1350～1600℃条件下发生反应，生成合成气、煤渣以及飞灰等，煤中的灰分以渣和飞灰两种形式从气化炉出口排出。排出后的煤渣可通过过滤去除，但是灰分在高温条件下具有极高的黏性，通过煤气化炉出口管道时会附在管道内壁处，从气化炉反应生成的合成气携带灰分通过气化炉出口管道弯头时，管内流体的流向发生变化，从而对管道弯头内壁发生碰撞冲击，使管道弯头处发生冲蚀，严重降低煤气化炉出口管道输送的安全性，降低煤化工的生产效率。管道的冲蚀失效是目前工业中经常发生的一种失效形态，是管道安全运行过程中亟待解决的热点问题之一。
目前对在煤气化炉出口合成气输送管道冲蚀失效形态的防治手段还处于“事后被动处理”阶段，不能做到“事前主动预防”，其技术瓶颈在于无法实时获取管道内颗粒的运动轨迹及状态、无法准确获取固体杂质对管道各部分的冲蚀速率，进而无法综合各项数据对管道冲蚀形态进行智能实时监测预警。
发明内容
基于背景技术存在的技术问题，本发明提出了一种煤气化炉管道冲蚀预测及调控方法及数字孪生系统，能够长期实时获取管道内固体杂质的运动轨迹、能够得到管道各部分的冲蚀速率、利用数字孪生技术实时获取管道弯头处的冲蚀形态、智能判断管道健康状态、异常问题自动报警等。
本发明采用的技术方案是：
一种煤气化炉管道冲蚀预测及调控方法，其特征在于，包括以下步骤：
第一步，建立云端数据库以存储输入的数据，对后面模拟的数据以存储、分析、决策；
第二步，颗粒相和气相信号采集：
2.1采用物联网连接的速度计和密度计采集输煤管道煤粒密相的数据，即颗粒的质量流量；
qm＝v*A*c*ρp
ρ＝ρp*c+(1-c)*ρg
式中qm为颗粒的质量流量；v表示颗粒速度；A表示管道截面积；c表示颗粒浓度；ρp表示颗粒密度；ρ表示密度计测量的密度；ρg表示颗粒浓度；
2.2对于从气化炉出口管道处的稀相煤粒，布置光脉动探针，利用光脉动透光信号原理实时测量稀相煤粒的粒径、浓度、速度数据，将采集后的数据输进数字孪生系统；
2.3气相速度近似为固相速度，其中，消光原理是利用平行光束穿越通过颗粒的介质区域，进出测量体积的粒子数量和大小的随机变化导致透射光的波动；将测量区域中颗粒的统计特性和透射光强的脉动相关联，通过传感器对其进行收集、分析，可以获得粒子的平均大小和颗粒数浓度；
第三步，建模、划分网格；根据图纸尺寸用SolidWorks软件建立管道模型，并划分Mesh网格，由于弯头的流动特殊性，需要在弯头处网格加密；
第四步，在已建好的模型上设置多个监测点，以监测和记录该位置处的冲蚀速率；
第五步，设置数值计算模型，调用数据库中所存储的模型参数；根据第二步中所获数据更新边界条件；弯头的侵蚀可以通过颗粒-壁面回弹模型和E/CRC侵蚀模型相结合来模拟：
ER＝C(BH)-0.59FsVpF(θ)
en＝0.993-1.76α+1.56α2-0.49α3
et＝0.998-1.66α+2.11α2-0.67α3
式中，BH表示管道材料的布氏硬度；Fs表示颗粒的形状系数，其中尖锐颗粒为Fs＝1.0；半圆颗粒为Fs＝0.53；全圆颗粒Fs＝0.2；Vp表示颗粒速度；F(θ)表示冲击角的函数；θ为粒子入射角；n和C为经验常数，分别为2.41和2.17×10-7；en和et分别为法向速度分量和切向速度分量的恢复系数；α为粒子入射角；
第六步，以物理传输的数据进行模拟，在模拟仿真过程中，不断进行优化迭代，最终得到可应用的冲蚀模型，对固体颗粒冲蚀的模拟进行流场分析、颗粒追踪以及冲蚀计算；
第七步，将第五步所建模型模拟后的数据上传至终端网络，利用智能求解器连接五步所建模型与数字孪生系统；
第八步，根据冲蚀信息分析管道冲蚀速率的影响因素，总结冲蚀速率的变化曲线；综合研究管道直径、弯径比、管道弯曲角度、管道导向、颗粒直径、颗粒流量和颗粒流速得出弯径比是影响管道最大冲蚀速率的最显著因素，因此为了预测管道冲蚀位置，主要获得不同弯径比下颗粒入口速度与冲蚀速率的关系式；
第九步，将第八步所得所得公式输入到数字孪生系统中，连接以第二步获得的实测数据计算冲蚀速率，预测冲蚀位置；
第十步，对预测到的冲蚀位置采取措施防护，当固体颗粒碰撞壁面造成管道冲蚀超过阈值时，开启声场调控，改变颗粒的运动轨迹，缓解固体壁面冲蚀。
进一步地，第五步中所述的设置数值计算模型，调用数据库中所存储的模型参数，具体的包括以下步骤：气固两相流中固体的颗粒体积分数较小，因此选用离散相模型计算；对于气固两相流流场分析，采用Eulerian-Lagrangian方法，在Eulerian坐标系下求解Navier-Stokes方程得到气体连续相流场，在在Lagrangian坐标系下对离散相颗粒进行颗粒轨迹计算；数值模拟采用标准k-ε湍流模型；其中连续相方程设置气相控制方程和湍流方程，颗粒轨迹的求解是通过积分Lagrangian坐标系下颗粒的运动方程得到的；在求解颗粒运动轨迹及冲蚀速率时，假定：I.入射颗粒相互独立，不考虑颗粒之间的碰撞作用以及颗粒的破碎；II.不考虑颗粒碰撞造成的管道变形；
式中
分别表示曳力、浮力、压力梯度力和附加质量力；
式中，
代表流体的速度；
为粒子的速度；ρ表示流体的密度；ρp表示粒子的密度；Re是相对雷诺数,CD是阻力系数；CVM代表一个虚拟质量因素，一个值为0.5；其中边界条件设置，连续相：流体计算采用标准k-ε湍流模型，近壁区域采用标准壁面函数处理；入口采用速度进口边界条件，出口为自由出流边界；管壁为壁面边界，并设定壁面边界为“无滑移壁面”；离散相：DPM模型中进口和出口处采用逃逸条件，壁面采用反弹条件，颗粒的初始速度与流体进口速度相同。
进一步地，第七步中所述的智能求解器的构建方法为：
7.1输入煤样的物理参数：颗粒粒径、入口速度、颗粒密度，采用三因素三水平正交方法；
7.2第五步所建模型模拟出管道冲蚀量与颗粒粒径、入口速度、颗粒密度等因素之间的关系；
7.3根据数值结果，建立二阶多响应面模型，生成智能算法；通过响应面拟合，得到最优模型，并将响应面模型预测响应与五步所建模型模拟结果对比，验证响应面模型的正确性；最后输入至智能求解器中，通过转化为数字模型连接五步所建模型模拟与数字孪生系统。
本发明的优点是：
本发明根据实际工程数据进行CFD模拟，并通过智能求解器生成智能算法，连接数字孪生系统来响应实时数据的变化，通过对实时数据的决策分析完成对管道的冲蚀的预测。目前，CFD数值模拟可以很好的完成对管道冲蚀形态、位置的显示，但模拟所需要的时间太长，无法应对管道实时数据变化的需要；而数字孪生系统可以满足实时数据的变化需求，但对冲蚀的状态模拟的准确性不高，故本发明的核心是连接CFD数值模拟与数字孪生系统，利用智能求解器生成智能算法，复杂的物理行为可以随着真实的过程进展而被监控，以此来响应实时输入数据的变化，既满足计算实时数据的需求，同时可以提高数字孪生体的仿真精度，使构建的数字孪生体能快速应用到管道的冲蚀预测。
附图说明
图1是本发明的系统结构流程图。
图2是本发明实例中CFD模拟管道弯头冲蚀形貌示意图。
图3为弯头的入口气速-冲蚀速率关系图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1。
一种煤气化炉管道冲蚀预测及调控方法，针对煤气化炉出口合成气与含灰分的固体颗粒对管内壁面碰撞而造成管道冲蚀问题，进行预测及防护。利用数字孪生技术对煤气化炉出口管道运行过程的实时数据进行分析和CFD系统对管道模拟仿真，并对管道冲蚀进行监控预测，通过控制固体颗粒流向，减小管道冲蚀，提高煤气化炉出口管道的输送安全性。
本发明的数字孪生系统结构流程图如图1所示，煤气化炉管道冲蚀预测及调方法分为四层。其中，第一层为感知层，为第一步所描述；第二层为监视层，为第二步所描述；第三层为数字孪生计算层，为第三层到第六层所描述，第四层为决策层，为第七步到第十步所描述。
一种煤气化炉管道冲蚀预测及调控方法，包括以下步骤：
第一步，建立云端数据库以存储输入的数据，对后面模拟的数据以存储、分析、决策。云端数据库基本数据结构如下表：
第二步，颗粒相和气相信号采集：
2.1采用物联网连接的速度计和密度计采集输煤管道煤粒密相的数据，即颗粒的质量流量；
qm＝v*A*c*ρp
ρ＝ρp*c+(1-c)*pg
式中qm为颗粒的质量流量；v表示颗粒速度；A表示管道截面积；c表示颗粒浓度；ρp表示颗粒密度；ρ表示密度计测量的密度；ρg表示颗粒浓度；
2.2对于从气化炉出口管道处的稀相煤粒，布置光脉动探针，利用光脉动透光信号原理实时测量稀相煤粒的粒径、浓度、速度数据，将采集后的数据输进数字孪生系统；
2.3气相速度近似为固相速度，其中，消光原理是利用平行光束穿越通过颗粒的介质区域，进出测量体积的粒子数量和大小的随机变化导致透射光的波动；将测量区域中颗粒的统计特性和透射光强的脉动相关联，通过传感器对其进行收集、分析，可以获得粒子的平均大小和颗粒数浓度；
第三步，建模、划分网格；根据图纸尺寸用SolidWorks软件建立管道模型，并划分Mesh网格，由于弯头的流动特殊性，需要在弯头处网格加密；
第四步，在已建好的模型上设置多个监测点，以监测和记录该位置处的冲蚀速率；
第五步，设置数值计算模型，调用数据库中所存储的模型参数；根据第二步中所获数据更新边界条件；弯头的侵蚀可以通过颗粒-壁面回弹模型和E/CRC侵蚀模型相结合来模拟：
ER＝C(BH)-0.59FsVpF(θ)
en＝0.993-1.76α+1.56α2-0.49α3
et＝0.998-1.66α+2.11α2-0.67α3
式中，BH表示管道材料的布氏硬度；Fs表示颗粒的形状系数，其中尖锐颗粒为Fs＝1.0；半圆颗粒为Fs＝0.53；全圆颗粒Fs＝0.2；Vp表示颗粒速度；F(θ)表示冲击角的函数；θ为粒子入射角；n和C为经验常数，分别为2.41和2.17×10-7；en和et分别为法向速度分量和切向速度分量的恢复系数；α为粒子入射角；
具体的：气固两相流中固体的颗粒体积分数较小，因此选用离散相模型(DPM)计算；对于气固两相流流场分析，采用Eulerian-Lagrangian方法，在Eulerian坐标系下求解Navier-Stokes方程得到气体连续相流场，在在Lagrangian坐标系下对离散相颗粒进行颗粒轨迹计算；数值模拟采用标准k-ε湍流模型；其中连续相方程设置气相控制方程和湍流方程，颗粒轨迹的求解是通过积分Lagrangian坐标系下颗粒的运动方程得到的；在求解颗粒运动轨迹及冲蚀速率时，假定：I.入射颗粒相互独立，不考虑颗粒之间的碰撞作用以及颗粒的破碎；II.不考虑颗粒碰撞造成的管道变形；
式中
分别表示曳力、浮力、压力梯度力和附加质量力；
式中，
代表流体的速度；
为粒子的速度；ρ表示流体的密度；ρp表示粒子的密度；Re是相对雷诺数,CD是阻力系数；CVM代表一个虚拟质量因素，一个值为0.5；其中边界条件设置，连续相：流体计算采用标准k-ε湍流模型，近壁区域采用标准壁面函数处理；入口采用速度进口边界条件，出口为自由出流边界；管壁为壁面边界，并设定壁面边界为“无滑移壁面”；离散相：DPM模型中进口和出口处采用逃逸(Escape)条件，壁面采用反弹(Reflect)条件，颗粒的初始速度与流体进口速度相同。
第六步，以物理传输的数据进行模拟，在模拟仿真过程中，不断进行优化迭代，最终得到可应用的冲蚀模型，对固体颗粒冲蚀的模拟进行流场分析、颗粒追踪以及冲蚀计算；
第七步，将第五步所建模型模拟后的数据上传至终端网络，利用智能求解器连接五步所建模型与数字孪生系统；
本发明的核心是结合五步所建模型与数字孪生系统，通过五步所建模型准确显示管道冲蚀信息，连接数字孪生系统快速显示管道冲蚀实时状态。如图3为五步所建模型90°与135°管道弯头的冲蚀形态；
其中，智能求解器的构建方法为：
7.1输入煤样的物理参数：颗粒粒径、入口速度、颗粒密度，采用三因素三水平正交方法；
7.2第五步所建模型模拟出管道冲蚀量与颗粒粒径、入口速度、颗粒密度等因素之间的关系；
7.3根据数值结果，建立二阶多响应面模型，生成智能算法；通过响应面拟合，得到最优模型，并将响应面模型预测响应与五步所建模型模拟结果对比，验证响应面模型的正确性；最后输入至智能求解器中，通过转化为数字模型连接五步所建模型模拟与数字孪生系统。
第八步，根据冲蚀信息分析管道冲蚀速率的影响因素，总结冲蚀速率的变化曲线；综合研究管道直径、弯径比、管道弯曲角度、管道导向、颗粒直径、颗粒流量和颗粒流速得出弯径比是影响管道最大冲蚀速率的最显著因素，因此为了预测管道冲蚀位置，主要获得不同弯径比下颗粒入口速度与冲蚀速率的关系式；
第九步，将第八步所得所得公式输入到数字孪生系统中，连接以第二步获得的实测数据计算冲蚀速率，预测冲蚀位置；
第十步，对预测到的冲蚀位置采取措施防护，当固体颗粒碰撞壁面造成管道冲蚀超过阈值时，开启声场调控，改变颗粒的运动轨迹，缓解固体壁面冲蚀。
其中，声场调控是一种有效减小管道冲蚀的手段，利用声场可以使固体颗粒完成团聚效应，易于去除。其原理是在声场的作用下，气体介质的速度迅速增加，从而导致颗粒直接相对运动速度增加，形成团聚效应。但如果声压级过高，团聚体容易发生分离，因此需要控制在一个平衡团聚和分离的最佳声压级。而通过实验得出，对于10μm左右的固体颗粒，低频(500-3000Hz)效果更优。
综上所述，本发明公开了一种煤气化炉管道冲蚀预测及调控方法，通过完成CFD数值模拟与数字孪生系统的结合，该系统能够实现输送管道全生命周期运行状态的数据实时呈现，对煤气化炉出口管道本身和运行过程的数据进行分析和模拟仿真并对管道冲蚀进行监测防护，提高煤气化炉出口输送管道的安全性。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种煤气化炉管道冲蚀预测及调控方法，其特征在于，包括以下步骤：
第一步，建立云端数据库以存储输入的数据，对后面模拟的数据以存储、分析、决策；
第二步，颗粒相和气相信号采集：
2.1采用物联网连接的速度计和密度计采集输煤管道煤粒密相的数据，即颗粒的质量流量；
qm＝v*A*c*ρp
ρ＝ρp*c+(1-c)*ρg
式中qm为颗粒的质量流量；v表示颗粒速度；A表示管道截面积；c表示颗粒浓度；ρp表示颗粒密度；ρ表示密度计测量的密度；ρg表示颗粒浓度；
2.2对于从气化炉出口管道处的稀相煤粒，布置光脉动探针，利用光脉动透光信号原理实时测量稀相煤粒的粒径、浓度、速度数据，将采集后的数据输进数字孪生系统；
2.3气相速度近似为固相速度，其中，消光原理是利用平行光束穿越通过颗粒的介质区域，进出测量体积的粒子数量和大小的随机变化导致透射光的波动；将测量区域中颗粒的统计特性和透射光强的脉动相关联，通过传感器对其进行收集、分析，可以获得粒子的平均大小和颗粒数浓度；
第三步，建模、划分网格；根据图纸尺寸用SolidWorks软件建立管道模型，并划分Mesh网格，由于弯头的流动特殊性，需要在弯头处网格加密；
第四步，在已建好的模型上设置多个监测点，以监测和记录该位置处的冲蚀速率；
第五步，设置数值计算模型，调用数据库中所存储的模型参数；根据第二步中所获数据更新边界条件；弯头的侵蚀可以通过颗粒-壁面回弹模型和E/CRC侵蚀模型相结合来模拟：
ER＝C(BH)-0.59FsVpF(θ)
en＝0.993-1.76α+1.56α2-0.49α3
et＝0，998-1.66α+2.11α2-0.67α3
式中，BH表示管道材料的布氏硬度；Fs表示颗粒的形状系数，其中尖锐颗粒为Fs＝1.0；半圆颗粒为Fs＝0.53；全圆颗粒Fs＝0.2；Vp表示颗粒速度；F(θ)表示冲击角的函数；θ为粒子入射角；n和C为经验常数，分别为2.41和2.17×10-7；en和et分别为法向速度分量和切向速度分量的恢复系数；α为粒子入射角；
第六步，以物理传输的数据进行模拟，在模拟仿真过程中，不断进行优化迭代，最终得到可应用的冲蚀模型，对固体颗粒冲蚀的模拟进行流场分析、颗粒追踪以及冲蚀计算；
第七步，将第五步所建模型模拟后的数据上传至终端网络，利用智能求解器连接五步所建模型与数字孪生系统；
第八步，根据冲蚀信息分析管道冲蚀速率的影响因素，总结冲蚀速率的变化曲线；综合研究管道直径、弯径比、管道弯曲角度、管道导向、颗粒直径、颗粒流量和颗粒流速得出弯径比是影响管道最大冲蚀速率的最显著因素，因此为了预测管道冲蚀位置，主要获得不同弯径比下颗粒入口速度与冲蚀速率的关系式；
第九步，将第八步所得所得公式输入到数字孪生系统中，连接以第二步获得的实测数据计算冲蚀速率，预测冲蚀位置；
第十步，对预测到的冲蚀位置采取措施防护，当固体颗粒碰撞壁面造成管道冲蚀超过阈值时，开启声场调控，改变颗粒的运动轨迹，缓解固体壁面冲蚀。
2.根据权利要求1所述的一种煤气化炉管道冲蚀预测及调控方法，其特征在于，第五步中所述的设置数值计算模型，调用数据库中所存储的模型参数，具体的包括以下步骤：气固两相流中固体的颗粒体积分数较小，因此选用离散相模型计算；对于气固两相流流场分析，采用Eulerian-Lagrangian方法，在Eulerian坐标系下求解Navier-Stokes方程得到气体连续相流场，在在Lagrangian坐标系下对离散相颗粒进行颗粒轨迹计算；数值模拟采用标准k-ε湍流模型；其中连续相方程设置气相控制方程和湍流方程，颗粒轨迹的求解是通过积分Lagrangian坐标系下颗粒的运动方程得到的；在求解颗粒运动轨迹及冲蚀速率时，假定：I.入射颗粒相互独立，不考虑颗粒之间的碰撞作用以及颗粒的破碎；II.不考虑颗粒碰撞造成的管道变形；
式中
分别表示曳力、浮力、压力梯度力和附加质量力；
式中，
代表流体的速度；
为粒子的速度；ρ表示流体的密度；ρp表示粒子的密度；Re是相对雷诺数，CD是阻力系数；CVM代表一个虚拟质量因素，一个值为0.5；其中边界条件设置，连续相：流体计算采用标准k-ε湍流模型，近壁区域采用标准壁面函数处理；入口采用速度进口边界条件，出口为自由出流边界；管壁为壁面边界，并设定壁面边界为“无滑移壁面”；离散相：DPM模型中进口和出口处采用逃逸条件，壁面采用反弹条件，颗粒的初始速度与流体进口速度相同。
3.根据权利要求1所述的一种煤气化炉管道冲蚀预测及调控方法，其特征在于，第七步中所述的智能求解器的构建方法为：
7.1输入煤样的物理参数：颗粒粒径、入口速度、颗粒密度，采用三因素三水平正交方法；
7.2第五步所建模型模拟出管道冲蚀量与颗粒粒径、入口速度、颗粒密度等因素之间的关系；
7.3根据数值结果，建立二阶多响应面模型，生成智能算法；通过响应面拟合，得到最优模型，并将响应面模型预测响应与五步所建模型模拟结果对比，验证响应面模型的正确性；最后输入至智能求解器中，通过转化为数字模型连接五步所建模型模拟与数字孪生系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310269302.8A CN116227387A (zh) | 2023-03-16 | 2023-03-16 | 一种煤气化炉管道冲蚀预测及调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310269302.8A CN116227387A (zh) | 2023-03-16 | 2023-03-16 | 一种煤气化炉管道冲蚀预测及调控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116227387A true CN116227387A (zh) | 2023-06-06 |
Family
ID=86576834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310269302.8A Pending CN116227387A (zh) | 2023-03-16 | 2023-03-16 | 一种煤气化炉管道冲蚀预测及调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116227387A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571739A (zh) * | 2024-01-16 | 2024-02-20 | 中国人民解放军陆军装甲兵学院 | 基于智能算法的管壁烧蚀磨损程度评估方法 |
-
2023
- 2023-03-16 CN CN202310269302.8A patent/CN116227387A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571739A (zh) * | 2024-01-16 | 2024-02-20 | 中国人民解放军陆军装甲兵学院 | 基于智能算法的管壁烧蚀磨损程度评估方法 |
| CN117571739B (zh) * | 2024-01-16 | 2024-03-12 | 中国人民解放军陆军装甲兵学院 | 基于智能算法的管壁烧蚀磨损程度评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Simulation of ligament mode breakup of molten slag by spinning disk in the dry granulation process | |
| Santo et al. | Experimental study on the particle velocity development profile and acceleration length in horizontal dilute phase pneumatic conveying systems | |
| Eker et al. | Physics-based prognostic modelling of filter clogging phenomena | |
| CN116227387A (zh) | 一种煤气化炉管道冲蚀预测及调控方法 | |
| CN102175345B (zh) | 多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法 | |
| Ding et al. | A modified Euler-Lagrange-Euler approach for modelling homogeneous and heterogeneous condensing droplets and films in supersonic flows | |
| CN112989694B (zh) | 受热面灰污区段化监测系统及方法 | |
| CN110795799A (zh) | 一种气力输送系统中阀门的磨损预测和优化方法 | |
| CN103308106B (zh) | 高压惰性气体灭火剂质量流量计 | |
| CN113283079A (zh) | 一种高炉风口回旋区边界的计算及实时监测方法 | |
| CN108197070A (zh) | 天然气不完全堵塞管道数值模拟方法 | |
| Li et al. | Multi-objective optimization of axial-flow-type gas-particle cyclone separator using response surface methodology and computational fluid dynamics | |
| CN114117954A (zh) | 一种反应器内部三维反应场动态实时可视化方法 | |
| Liang et al. | Optimization on the performance of fibrous filter through computational fluid dynamic simulation coupled with response surface methodology | |
| CN117390988A (zh) | 一种管道冲蚀数字孪生系统孪生数据的处理方法 | |
| CN117291293B (zh) | 隧道火场灾情感知和态势发展预测方法 | |
| Li et al. | Pressure prediction for air cyclone centrifugal classifier based on CNN-LSTM enhanced by attention mechanism | |
| Finn et al. | Analyzing the potential for erosion in a supercritical CO2 turbine nozzle with large eddy simulation | |
| Huang et al. | Numerical simulation and experimental verification of the front air intake system of heavy trucks based on fluid-solid coupling and discrete phase models | |
| Hou et al. | Numerical simulation of gas flow in an electrostatic precipitator | |
| Kostoglou et al. | Particulate deposit shape evolution on cylinders in cross-flow at high Stokes numbers | |
| Liu et al. | Numerical simulation and mathematical models of ash deposition behavior considering particle properties and operating conditions | |
| CN115577592A (zh) | 一种基于数字孪生的高压水射流喷嘴内部磨损监测方法 | |
| Li et al. | An ELM data-driven model for predicting erosion rate of string in underground compressed air storage | |
| CN110873635A (zh) | 跨音速气固两相喷嘴射流实验装置和实验方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |