[论文解读] Effect of Reynolds number on triboelectric particle charging in turbulent channel flow

Christoph Wilms, Holger Grosshans|arXiv (Cornell University)|Feb 11, 2026

Aerosol Filtration and Electrostatic Precipitation被引用 0

一句话总结

该论文介绍了 triboFoam，这是一个基于 OpenFOAM 的用于湍流粒子载荷流动中摩擦生电充电的求解器，并展示了瑞利数的增加会增强壁-壁粒子浓度与充电速率，同时给出一个经验相关性。

ABSTRACT

Triboelectric charging in particle-laden flows is a complex interplay of fluid and particle dynamics, collision mechanics, and electrostatics. In this study, we introduce triboFoam, an open-source solver built on the OpenFOAM framework, designed to simulate triboelectric charging in particle-laden turbulent flows. We validate triboFoam using Direct Numerical Simulations (DNS) of a fully developed turbulent channel flow at a friction Reynolds number of $Re_τ= 180$. The results demonstrate good agreement with DNS data for particle concentration profiles and charge distributions. Then, we investigate the influence of Reynolds number on particle distribution and charging behaviour using Large-Eddy Simulations (LES) at varying friction Reynolds numbers up to $Re_τ= 550$. Our findings reveal that higher Reynolds numbers lead to increased near-wall particle concentrations and enhanced charging rates, attributed to intensified turbulent fluctuations and elevated impact velocities. Finally, an empirical correlation is proposed to predict the average particle charging rate as a function of Reynolds number and particle diameter. With this work, we provide a tool for simulating triboelectric charging in complex geometries and turbulent flows, advancing the understanding of electrostatic phenomena in particle-laden systems. The empirical correlation offers practical insights for predicting charging behaviour in industrial applications and thus can contribute to improved safety and efficiency in processes involving particulate matter.

研究动机与目标

• 研究瑞利数如何影响湍流通道流中粒子分布与摩擦生电充电。
• 在 DNS 验证的基础上对 triboFoam 开源求解器进行验证并扩展至更高瑞利数的 LES。
• 评估颗粒尺寸在湍动条件下对充电行为的影响。
• 建立一个经验相关式以预测平均充电速率与瑞利数及颗粒直径的关系。

提出的方法

• 在 OpenFOAM 框架上开发 triboFoam，模拟粒子载荷湍流中的摩擦生电充电。
• DNS 验证：在 Re_tau = 180 的 fully developed 湍流通道流中与未带电和带电颗粒的 DNS 数据进行比对。
• 进行 LES，研究到 Re_tau = 550 以考察瑞利数对粒子分布和充电的影响。
• 采用欧拉-拉格朗日方法并使用 WALE SGS 模型进行 LES，且分辨粘性底层。
• 实现充电模型（Condenser 模型和 Stochastic Scaling Model）以及用于静电学的混合高斯库仑法。
• 考虑流体与粒子的一、二、四方耦合，并通过 Hertzian 理论和墙面碰撞来处理粒子碰撞。

实验结果

研究问题

• RQ1 增加摩擦雷诺数 Re_tau 如何影响近壁粒子浓度和碰撞统计？
• RQ2 瑞利数如何影响不同直径粒子的充电速率？
• RQ3 在实现的模型（Condenser 与 SSM）下，不同瑞利数下会出现哪些充电模式？
• RQ4 是否能建立一个经验相关式，以 Re_tau 和 d_p 预测平均充电速率？

主要发现

Re_tau	d_p/µm	d_p^+	u_c/(m/s)	St	ω
180	25	0.22	2.50	0.28	0.82
180	50	0.45	2.50	1.14	6.54
180	100	0.90	2.50	4.56	52.36
180	25	0.22	2.38	0.27	0.82
180	50	0.45	2.38	1.08	6.54
180	100	0.90	2.38	4.34	52.36
300	25	0.37	4.39	0.50	0.82
300	50	0.75	4.37	1.99	6.54
300	100	1.50	4.36	7.95	52.36
395	25	0.49	5.91	0.67	0.82
395	50	0.99	5.92	2.70	6.54
395	100	1.97	5.94	10.83	52.36
550	25	0.69	8.38	0.95	0.82
550	50	1.37	8.38	3.82	6.54
550	100	2.75	8.41	15.33	52.36

• TribooFoam 相对 DNS 的验证在 Re_tau = 180 处显示了粒子浓度分布和电荷分布的良好一致性。
• 提高瑞利数会导致近壁粒子浓度增大并提升充电速率，这归因于更强的湍动波动和更高的冲击速度。
• 更高的 Re_tau 增强了壁法向粒子速度和碰撞过程中的有效接触面积，从而促进充电。
• 研究提供了一个经验相关式，用于在瑞利数和粒径的函数下预测平均粒子充电速率。
• LES 并将粘性底层完全分辨的情况下，Re_tau up to 550 显示出超出 DNS 友好范围的充电行为的瑞利数依赖性。
• 粒子尺寸影响 Stokes 数，从而改变耦合强度，进而在不同瑞利数下改变充电统计。