无数值扩散的动态混合过程模拟方法及装置

技术领域

本发明涉及微/毫反应器技术领域，尤其涉及一种无数值扩散的动态混合过程模拟方法及装置。

背景技术

连续流微/毫反应器被广泛用于各种应用，例如：纳米材料合成、传感器、有机合成和智能反应平台等，其具有快速传质和传热、减少浪费、本质安全等优点。尽管反应器的直径很小，但反应器的性能经常受混合效率的限制，因为传质是由层流中的缓慢的分子扩散而不是对流控制的。快速混合对于控制特定反应的选择性和调整纳米材料的尺寸至关重要。相比于浓度梯度驱动的扩散过程较慢的传质速度，对流是指液体微团的宏观运行导致的传质过程，速度更快。

因此，需要开发一种强化对流而不依赖扩散的高效混合器。而混合器的快速开发依赖于快速低成本、准确量化混合效率的实验或者模拟计算技术，以得到混合过程中准确的浓度分布，进而辅助设计相应的高效混合器。

目前，平面激光诱导荧光是实验可视化混合效率的有效方法，但是其成本较高，实验周期长。相比之下，通过商业软件的模拟结果成本低，但受到数值扩散的影响，其模拟浓度分布依赖于欧拉形式的标量传输方程，其流场的离散化带来的截断误差引入的伪扩散系数远大于实际扩散系数，也称为数值扩散，造成模拟结果严重高估了混合效率。

此外，现有技术中还提出了一种基于拉格朗日形式的标量传输方程精确模拟稳态流场中混合效率的方法(Lab on a Chip,2013,13(8):1515-1521)，但该方法不适用于非稳态。而非稳态流场往往呈现出比稳态更高的混合效率，需要开发针对性的模拟方法，以研究非稳态流场的混合器优化问题。

从而，针对上述问题，有必要提出进一步地解决方案。

发明内容

本发明旨在提供一种无数值扩散的动态混合过程模拟方法及装置，以克服现有技术中存在的不足。

为解决上述技术问题，本发明的技术方案是：

一种无数值扩散的动态混合过程模拟方法，其包括如下步骤：

S1、建立基于混合器的非稳态流场模型；

S2、根据所述非稳态流场模型，截取该流场模型中与流动方向相垂直的若干个截面，在每个截面中n

S3、基于示踪粒子的初始浓度以及其沿相应运动轨迹的扩散速度，通过拉格朗日方程模拟生成扩散贡献的浓度分布的视频数据。

作为本发明无数值扩散的动态混合过程模拟方法的改进，基于所述混合器，输入相应的建模条件，通过计算流体力学软件建立混合器的非稳态流场模型，并存储计算出的时间序列的速度场数据，速度场时间间隔为ΔT。

作为本发明无数值扩散的动态混合过程模拟方法的改进，所基于的混合器具有至少两个进口，还具有一个出口，所述至少两个进口位于所述混合器的一端，所述出口位于所述混合器的另一端；

其中至少一个进口为溶剂进口，至少一个进口为稀释的溶质进口，所述出口为溶剂与溶质形成的混合液的出口。

作为本发明无数值扩散的动态混合过程模拟方法的改进，所述若干截面为随着动态混合的进行，在时间上间隔△τ设置的示踪粒子阵列截面，以进行反向粒子追踪。

作为本发明无数值扩散的动态混合过程模拟方法的改进，所述示踪粒子为苏丹红6G示踪剂。

作为本发明无数值扩散的动态混合过程模拟方法的改进，所述示踪粒子直径为管道尺寸的0.1％至5％。

作为本发明无数值扩散的动态混合过程模拟方法的改进，在各截面上设置阵列排布的示踪粒子，针对阵列排布的各示踪粒子分别进行反向追踪。

作为本发明无数值扩散的动态混合过程模拟方法的改进，根据示踪粒子的运动轨迹，对设置的示踪粒子进行反向追踪包括：

以所要计算浓度分布的截面位置的示踪粒子为起点，混合器进口为终点，将示踪粒子由起点运动至终点的时间段划分为若干运动周期ΔT；

对于其中第n个周期，假定速度场为稳态，并将流场速度取反方向，流场速度不变，为得到示踪粒子的速度和位置，通过计算示踪粒子受到的曳力，来计算其加速度及轨迹，其在ΔT时长，即该周期迭代结束时的位置和速度，由对迭代过程中最接近ΔT时刻的两个点的速度和位置进行线性插值计算得到；

基于线性插值计算得到的速度和位置，导入上一个周期的流场，并将速度取反向，且速度值不变，计算示踪粒子受到的曳力，以继续对上一个周期的示踪粒子进行反向追踪。

作为本发明无数值扩散的动态混合过程模拟方法的改进，将相关条件输入编程软件控制全部计算过程，并通过计算流体力学软件计算并输出每个粒子的运动轨迹。

作为本发明无数值扩散的动态混合过程模拟方法的改进，所述扩散速度通过截面上的扩散速度进行估算。

为解决上述技术问题，本发明的技术方案是：

一种无数值扩散的动态混合过程模拟装置，其包括：处理器、存储器以及程序；所述程序存储在所述存储器中，所述处理器调用存储器存储的程序，以执行如上所述的无数值扩散的动态混合过程模拟方法。

与现有技术相比，本发明的有益效果是：本发明通过建立基于混合器的非稳态流场模型，通过反向追踪的方式计算对流贡献的浓度分布。且进一步通过拉格朗日方程计算扩散贡献的浓度分布。从而，可在没有数值扩散的情况下，准确模拟非稳态下混合器中的浓度分布，进而有利于根据计算得到的浓度分布对混合器进行优化设计。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明无数值扩散的动态混合过程模拟方法一实施例的方法流程示意图，其中，其中n

图2为本发明无数值扩散的动态混合过程模拟方法一实施例中T型混合器的结构示意图；

图3为本发明无数值扩散的动态混合过程模拟方法一实施例中示踪粒子在截面上均匀布置的示例；

图4为为本发明无数值扩散的动态混合过程模拟方法一实施例中截面上对流贡献的浓度分布图；

图5为本发明无数值扩散的动态混合过程模拟方法一实施例中截面上模拟出的浓度分布与实验值及商业软件模拟值的比较；其中，图a表示依据现有技术中的扩散方法得到的实验结果，依据该试验结果某一时刻的扩散情况作为模拟对象；图b表示基于图a的模拟对象，通过本发明的方法模拟的实验结果；图c表示基于图a的模拟对象，通过传统方法模拟的实验结果。条件：两进口雷诺数均237。

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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明一实施例提供一种无数值扩散的动态混合过程模拟方法，其能够在没有数值扩散的情况下，准确模拟非稳态下T型混合器中的浓度分布，得到的浓度分布数据可作为T型混合器优化设计的参考依据。

如图1所示，本实施例的无数值扩散的动态混合过程模拟方法包括如下步骤：

S1、建立基于混合器的非稳态流场模型。

其中，混合器用于溶剂及溶质的混合，其具有至少两个进口，还具有一个出口，至少两个进口位于混合器的一端，出口位于混合器的另一端。其中至少一个进口为溶剂进口，至少一个进口为稀释的溶质进口，出口为溶剂与溶质形成的混合液的出口。

一个实施方式中，混合器可以为T型混合器10。如图2所示，该T型混合器10包括两个垂直连接的通道11、12，其中一个通道11的一端111为示踪剂进口，另一端112为清水进口，另一个通道12的一端为混合液出口121。如此，流入的示踪剂和清水在通道12中逐渐混合。

该T型混合器10的通道11长度为80mm，示踪剂进口和清水进口的宽度为10mm，通道12的长度大致为200mm，其混合液出口的高度为10mm，宽度为20mm。

为了建立基于T型混合器的非稳态流场模型，可根据上述实施方式中的T型混合器，输入相应的建模条件，通过网格划分软件和计算流体力学软件建立T型混合器的非稳态流场模型。其中，建模条件包括：水的密度、进口宽度、进口平均流速、粘度、压力等。存储一系列的计算出的流场文件，相临两个文件的时间间隔为△T。由于非稳态流场模型的建立属于现有技术，因此不对其进行详细介绍。

S2、根据所述非稳态流场模型，截取该流场模型中与流动方向相垂直的若干个截面，在每个截面中n

其中，步骤S2采用反向追踪的方式研究示踪粒子的扩散情况，其原理为：假定速度场在某个△T周期内为稳态，将速度方向取反向，大小不变，根据追踪目标示踪粒子在上一时间周期的位置，据此位置再继续计算示踪粒子所受的曳力向量，根据曳力向量中关联分量的方向以追踪目标示踪粒子在在上一时间周期的位置。以此类推，直到追踪到示踪粒子的初始位置，并得到其对应的初始浓度，进而得到相应截面上对流贡献的浓度分布。

具体地，所述若干个截面为随着动态混合的进行，在时间上间隔△τ设置的示踪粒子阵列截面，以进行反向粒子追踪。进而，各示踪粒子的浓度可代表截面的浓度分布，模拟n

可在截面中设置至少8*4个示踪粒子，以计算该截面对流贡献的浓度分布。一个实施方式中，如图3所示，可在各截面上设置阵列排布的示踪粒子。优选地，示踪粒子的直径为管道尺寸的0.1％-5％。此时，针对阵列排布的各示踪粒子分别进行反向追踪。其具体包括：

以示踪粒子所要计算浓度分布的截面位置为起点，进口位置为终点，将示踪粒子由起点运动至终点的时间段划分为若干运动周期ΔT；

对于其中第n个周期，导入该周期对应的流场，假定速度场在某个△T周期内为稳态，将速度方向取反向，大小不变，为得到示踪粒子的速度和位置，通过计算示踪粒子受到的曳力向量，根据曳力向量中关联分量的方向计算其加速度并计算其轨迹，其在ΔT时刻(该周期迭代结束时)的位置和速度由对迭代过程中最接近ΔT时刻的两个点(图2中T

基于插值计算得到的速度和位置，导入前一个流场，并将速度取反向，大小不变，继续对示踪粒子前一个周期的运行轨迹进行追踪。

其中，示踪粒子的运动轨迹可通过软件计算得到。一个实施方式中，将相关条件输入编程软件，并通过计算流体力学软件输出每个粒子的运动轨迹。每个粒子运行的总时间为

S3、基于示踪粒子的初始浓度以及其沿相应运动轨迹的扩散速度，通过拉格朗日方程模拟生成扩散贡献的浓度分布的视频数据。

其中，由于浓度场未知，运动轨迹上的扩散速度无法计算，无法按照欧拉形式的标量传输方程(方程1)直接积分计算，因此扩散速度通过截面上的扩散速度用拉格朗日形式的标量传输方程(方程2)进行估算。然后，在截面上的扩散速度按照方程3进行离散化，故每个示踪粒子的浓度与周围四个示踪粒子的浓度相关联(参见图3)。在示踪粒子阵列边上的C

C

C

其中,dl是图3中两个示踪粒子之间的间距，D是扩散系数，控制了扩散速度，C

由图5可知，相比通过商业软件的模拟结果，其模拟浓度分布依赖于欧拉形式的标量传输方程，其流场的离散化带来的截断误差引入的伪扩散系数远大于实际扩散系数，也称为数值扩散，造成模拟结果严重高估了混合效率。而通过本实施例模拟方法得到的结果是基于拉格朗日标量传质方程的，没有数值扩散问题。

综上所述，本发明通过建立基于T型混合器的非稳态流场模型，通过反向追踪的方式计算对流贡献的浓度分布。且进一步通过拉格朗日方程计算扩散贡献的浓度分布。从而，如图5所示，可在没有数值扩散的情况下，准确模拟非稳态下T型混合器中的浓度分布，进而有利于根据计算得到的浓度分布对混合器进行优化设计。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。