[論文レビュー] Extremely fast simulations of heat transfer in fluidized beds

T. Lichtenegger, Stefan Priker|arXiv (Cornell University)|Jun 2, 2017

Granular flow and fluidized beds参考文献 8被引用数 4

ひとこと要約

本稿では、再帰プロットを用いて特定された繰り返しの流動パターンを活用することで、流動化床内の熱伝達を極めて高速にシミュレートできる再帰CFD（rCFD）を提案する。この手法により、通常のCFD-DEMシミュレーションと比較して約100倍の高速化を達成しつつ、冷却空気中での粒子の温度変化を高い精度で予測できる。

ABSTRACT

Besides their huge technological importance, fluidized beds have attracted a large amount of research because they are perfect playgrounds to investigate highly dynamic particulate flows. Their over-all behavior is determined by short-lasting particle collisions and the interaction between solid and gas phase. Modern simulation techniques that combine computational fluid dynamics (CFD) and discrete element methods (DEM) are capable of describing their evolution and provide detailed information on what is happening on the particle scale. However, these approaches are limited by small time steps and large numerical costs, which inhibits the investigation of slower long-term processes like heat transfer or chemical conversion. In a recent study (Lichtenegger and Pirker, 2016), we have introduced recurrence CFD (rCFD) as a way to decouple fast from slow degrees of freedom in systems with recurring patterns: A conventional simulation is carried out to capture such coherent structures. Their re-appearance is characterized with recurrence plots that allow us to extrapolate their evolution far beyond the simulated time. On top of these predicted flow fields, any passive or weakly coupled process can then be investigated at fractions of the original computational costs. Here, we present the application of rCFD to heat transfer in a lab-scale fluidized bed. Initially hot particles are fluidized with cool air and their temperature evolution is recorded. In comparison to conventional CFD-DEM, we observe speed-up factors of about two orders of magnitude at very good accuracy with regard to recent measurements.

研究の動機と目的

• 流動化床内の熱伝達のような遅いプロセスをシミュレートする際の、従来のCFD-DEMシミュレーションにおける計算のボトルネックを克服すること。
• 従来のCFD-DEMでは小さな時間刻みと高い数値的コストのため、実行が困難な長期的な熱伝達シミュレーションを可能にすること。
• 再帰解析を用いて、速い粒子運動と遅い熱的プロセスを分離する手法を開発すること。
• rCFD手法の妥当性を、最近の実験的測定データ（ラボスケール流動化床における温度変化）と照合して検証すること。
• 一貫した流れ構造が特定された後は、熱伝達のような受動的プロセスを、計算コストの大幅な削減でシミュレート可能であることを示すこと。

提案手法

• 流動化床内の遷移的ダイナミクスを捉え、繰り返しの流れのパターンを特定するために、従来のCFD-DEMシミュレーションを実行する。
• 再帰プロットを構築し、時間経過に伴う一貫した粒子構造の再出現を検出し、特徴づける。
• 再帰構造を用いて、元のシミュレーション期間をはるかに超えた範囲での流れ場を外挿し、長期的な流れの挙動を効果的に予測する。
• 外挿された流れ場の上に、計算コストを著しく削減した受動スカラー法を用いて熱伝達をシミュレートする。
• この手法は、主要な流れ構造が周期的に繰り返されることを仮定しており、完全なダイナミクスの再シミュレーションなしに予測を可能にする。
• ラボスケール流動化床からの実験データと照合することで、予測された粒子の温度変化履歴の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 流動化床における流れ場の再帰的外挿は、長期的な熱伝達プロセスの正確かつ効率的なシミュレーションを可能にするか？
• RQ2 rCFDは、粒子の温度変化履歴を予測する際の精度を保ちつつ、計算コストをどの程度削減できるか？
• RQ3 rCFD手法は、ラボスケール流動化床における熱伝達の実験的測定値をどの程度正確に再現できるか？
• RQ4 繰り返しの流れのパターンは、速い運動と遅い熱的プロセスの分離を可能にする役割を果たすか？
• RQ5 rCFDフレームワークは、流動化床内の熱伝達を超えた他の弱い結合プロセスにも適用可能か？

主な発見

• rCFD手法は、流動化床内の熱伝達に対して、従来のCFD-DEMシミュレーションと比較して約2桁のスピードアップ（すなわち、約100倍）を達成した。
• 冷却空気中で流動化される当初の高温の粒子の温度変化履歴は、最近の実験的測定結果と非常に良好に一致した。
• 本手法は、全プロセスを再シミュレートする必要なしに、粒子の長期的熱的緩和挙動を正確に捉えることに成功した。
• 再帰プロットの使用により、一貫した流れ構造の正確な同定と外挿が可能となり、効率的な熱的プロセスシミュレーションの基盤が構築された。
• 流れのダイナミクスが事前に特徴づけられた後は、熱伝達のような受動的プロセスのシミュレーションにおいて、高い忠実性が示された。
• 結果から、rCFDは複雑な粒子系における遅いマルチスケールプロセスをシミュレートするための実用的で効率的な代替手法であることが確認された。