密相流化床中介尺度流動結構的流體力學特性研究

牛犁，劉夢溪，王海北

（1 礦冶科技集團有限公司，北京 100160； 2 中國石油大學（北京）化學工程與環境學院，北京 102249）

引 言

氣固流化床反應器是一種在石油化工行業中被廣泛應用的反應器，具有結構簡單、流化顆粒尺寸分布范圍廣、傳質傳熱效率高等優點，但同時也普遍存在相間接觸效率低下、傳遞受限或傳遞與反應不匹配等問題。流化床內氣體與固體顆粒間的流動結構、相間接觸等對流化床反應器的性能及產品的收率具有重要的影響，但目前還鮮有人展開研究，對氣固流化床反應器，尤其是稠密氣固流化床反應器內復雜的介尺度流動結構無法進行科學定量的描述[1]。

氣固兩相流是一種復雜的動態時空多尺度結構，從單顆粒到宏觀流動都表現為非線性、非平衡的特性。如單個催化劑顆粒內部孔道、催化劑表面等的流動，被界定為微尺度的流動，在設備尺度的宏觀流動則被定義為宏尺度[2]。介尺度是介于微觀和宏觀之間的尺度，它的流體力學特性對傳質、傳熱甚至流動等過程都有重要的影響。因此，實現介尺度結構的識別與定量表征，并建立準確的流體力學模型對其進行預測具有重要的意義[3]。典型的介尺度結構包括氣泡、顆粒聚團。前人對于顆粒聚團的研究往往都是在稀相空間、快速床和輸送床等稀疏氣固流中展開[4-9]，介尺度結構表現為含有少量顆粒的稀相氣體和分散的顆粒聚團的共存形式[10-11]。對于像鼓泡床、湍流床這樣的稠密氣固流，則趨向于沿用經典的兩相模型來描述。然而，經典兩相理論[12]由于對氣泡和乳化相的描述存在一定的局限性，因此并不總是能夠準確描述稠密氣固流中的介尺度流動結構[13]。

稠密氣固流是典型的非線性、非平衡系統，為了獲得其內部的瞬態流體力學行為，人們采用了激光多普勒測速儀(LDA)[14]、相位多普勒顆粒分析儀(PDPA)[15]、高速攝影[16]、激光成像[17]、光纖探針[18-21]等方法進行測量。其中光纖探針法具有準確性高、結果可靠、干擾小等優點,是目前研究快速床和提升管中顆粒聚團動態演變規律方面應用最廣泛的一種測量方法[18,22]，通過縮小光纖探針尖端的尺寸，可將其對流場的干擾減小到忽略不計[19-20]。但由于兩相流動的多流域性和非線性特征，氣泡和顆粒聚團的閾值難以確定，大部分情況下只能用來計算各項流體力學性能參數的時均值，目前還難以從高度復雜、高度耦合的光纖信號中獲得稠密氣固流中氣泡、顆粒聚團和乳化相這三個介尺度流動的結構。

因此，本文在冷模實驗裝置中測量多種顆粒的流體力學特性，以確定介尺度結構的閾值，并基于統計矩一致法對復雜脈動光纖信號進行解耦，對Geldart B 類顆粒、B 類與C 類混合顆粒的稠密氣固流中介尺度流動行為進行研究。

1 實驗材料和方法

1.1 實驗裝置及流程

本文所使用的氣固流化床反應器冷模實驗裝置如圖1 所示。流化床尺寸為?300 mm×7 mm，高為2900 mm，裝置的總高為5460 mm。裝置的氣體分布器、底座、底錐、旋風分離器和過濾器部分由碳鋼制造，其他部分由有機玻璃制造。

圖1 實驗裝置流程圖1—羅茨鼓風機;2—緩沖罐;3—氣體分配器;4—轉子流量計;5—氣體分布器;6—流化床;7,8—旋風分離器;9—料腿;10—過濾器Fig.1 The schematic drawing of the experiment process

實驗用空氣作為流化介質，空氣經過霧化噴淋器加濕后由羅茨鼓風機通過緩沖罐、轉子流量計后將分成兩路，其中一路作為流化主風進入氣固流化床實驗裝置中，另一路作為料腿松動風。流化主風由流化床底部的板式分布器均勻分配后進入流化床將固體顆粒流化起來。通過流化床的氣體會將床層中的細顆粒由頂部的稀相空間夾帶出去，而后依次經過升氣管、一級旋風分離器和二級旋風分離器。被夾帶的細顆粒大部分被旋風分離器分離出來，并通過料腿返回到流化床中。經過二級分離后，氣體仍夾帶少量細顆粒進入過濾器，凈化后的空氣排入大氣。過濾器反吹后的細顆粒經過收集后再加到流化床內，以保證床內顆粒粒徑分布的穩定[23]。

1.2 實驗介質及操作條件

本文實驗中的固體顆粒為黃沙顆粒、黃沙與硅微粉按不同比例混合顆粒，其中黃沙顆粒為B 類顆粒,硅微粉為C 類顆粒。它們的物性參數見表1,混合顆粒物性參數見表2，粒度分布見圖2。實驗中的氣體介質為常溫空氣。操作氣速的變化區間為0.1～0.5 m/s，包括鼓泡床和湍動床兩個流域。流化床內靜床層高度為800 mm。

圖2 實驗介質粒徑分布Fig.2 Distribution of particle size of materials

表1 顆粒物理性質Table 1 Physical properties of particles

表2 混合顆粒性質Table 2 Physical properties of mixed particles

1.3 分析測試儀器

流化床內局部顆粒濃度和速度的測量使用的是中科院過程工程研究所研發的PV-6D 型顆粒濃度、速度測量儀。目前常用的光纖探針中兩束光纖的間距很小，往往不足1 mm，由于氣泡與周圍乳化相之間并沒有清晰的界面，這樣小的間距無法準確分辨出氣泡。因此本實驗中將光纖束的間距適當增大，以利于氣泡和聚團的識別。光纖探針的尖端分為兩束光纖，其直徑僅為1.6 mm(含不銹鋼管)，兩束光纖探出探針主體的長度為44.1 mm，因此在測量區域僅有兩根距離較遠且直徑僅為1.6 mm 的光纖，這樣就大大縮短了光纖探針對流場的干擾。實驗所用的是間距為3.88 mm、采樣頻率為20 kHz、采樣時間為6.556 s 的光纖探針。在用光纖探針測量顆粒濃度前，需要對其進行標定，確定光強信號對應的電壓值與顆粒濃度之間的關系，標定曲線公式如下：

在用光纖測量流化床反應器內部的局部固含率時，在反應器內部沿軸向共設置了4個測量截面，各個截面距流化床反應器底部的氣體分布器的距離依次為h=112,312,512,712 mm。此外，每個軸向截面沿徑向均設置5 個測量點，每個測量點的無量綱半徑r/R依次為0，0.25，0.5，0.75，0.98。

2 復雜光纖信號解耦方法的建立

稠密氣固流中的介尺度結構可以通過三結構模型來表述：含有顆粒的氣泡、處于起始流化狀態的乳化相和顆粒聚團。其中的乳化相代表的是除去氣泡和顆粒聚團外的懸浮顆粒。顆粒聚團的內部處于未流化狀態，但作為一個聚團和乳化相一同被流化。ε<εthreshold的部分為氣泡相，εthreshold<ε<εs,mf為乳化相，ε>εs,mf為聚團相。

2.1 閾值的確定

對于一個包含N個數據的固含率時間序列，可直接統計計算出脈動信號的1～4階統計矩，分別為：平均固含率、標準偏差σ、偏斜度S、峰度K，其計算方法如下：

Bi 等[24-25]通過理論推導提出，對于稀密兩相完全分離的兩相流系統，脈動信號的這四個統計矩可通過如下方法計算：

式(9)～式(12)中包括密相（乳化相和顆粒聚團）體積分數fd、氣泡相平均固含率εsb和密相平均固含率εsd共3 個未知數。根據統計矩陣一致性原理，可以計算得到上述3 個未知數，且得到的3 個未知數不包含任何假設條件以及經驗值，因此是準確的，能夠作為閾值選擇的依據。由于計算時有3個未知量和4 個方程[式(9)～式(12)]，需通過試算正確選擇方程組進行計算。

采用式(9)～式(11)整理得到包含偏斜度的式(13)～式(15)，稱之為偏斜度法：

同樣地，根據式(9)、式(10)、式(12)，可以整理得到包括峰度的式(16)～式(18)，現稱之為峰度法：

Zhu 等[26]提出當|S|< 1.5 或K<4.5 時，平均固含率εˉs，標準偏差σ，偏斜度S的統計矩組合會得到最優結果。

對某一個固含率序列，通過求解式(9)～式(12)可以得到密相固含率εsd，稀相固含率εsb和密相體積分數fd。同時，若選定一個閾值，也可以從概率密度分布(PDD)曲線統計得到三個關鍵參數(ε′sd,ε′sb,f′d)。當閾值選擇準確時，這兩種方法得到的固含率結果是相等的，因此，可以通過遍歷法試算求得該閾值。具體方法為：首先預設一個較小的閾值（本文設置為0.1），從固含率時間序列中直接計算出密相固含率ε′sd、稀相固含率ε′sb和密相體積分數f′d3個參數，將計算結果與基于統計矩方法[式(16)～式(18)]計算結果對比，如果統計結果滿足式(19)，則認為得到了閾值的準確值，否則將預設的閾值增加0.01，重復此過程直到滿足式(19)。

此過程通過編寫MATLAB 程序來完成，光纖信號解耦步驟如圖3所示。本文所采用的方法避免了對閾值的任意選取，并且給出了更準確和可靠的兩相劃分方法。

圖3 光纖信號解耦步驟Fig.3 Steps of optical fiber signal decoupling

圖4給出了黃沙顆粒和混合顆粒流化床中氣泡閾值沿徑向的分布。由于黃沙顆粒密度較大，難以流化，在低氣速時以及在流化床邊壁處固含率概率密度呈現單峰分布，此時不存在氣泡相閾值。此外，隨操作氣速增大，氣泡相閾值減小，且氣泡相閾值沿徑向呈增大的趨勢。從圖4(a)可以看出，純黃沙顆粒流化床中氣泡閾值均大于0.4，加入硅微粉后，如圖4(b)、(c)所示，氣泡閾值明顯下降。

圖4 不同操作氣速下氣泡閾值沿徑向分布（h=512 nm）Fig.4 Radial distribution of the threshold of the bubble phase in various superficial gas velocities

2.2 氣泡的識別與統計

在確定閾值后，需要將氣泡相對應的信號從原始信號中提取出來。如圖5 所示，沿時間軸從光纖脈動信號里尋找氣泡峰，當脈動信號值小于閾值時認為該點A是氣泡峰的開始，然后從該點向后尋找，找到第一個等于閾值的點B，若該點后面連續20 個點均大于閾值，則認為點B是氣泡峰的終點，記錄該氣泡峰的序號x、起止時間Tx1和Tx2。利用該方法從通道1 和通道2 的光纖信號中找出所有的氣泡峰并記錄下來。

圖5 氣泡的識別Fig.5 Bubble identification

找到通道1 和通道2 中第x個氣泡峰的最小值位置Tx1min，Tx2min。統計通道1中氣泡峰最低點和氣泡起始點間數據點個數n1和氣泡峰最低點與氣泡峰結束點間數據點個數n2，在通道2 中氣泡峰最低點兩側分別取n1和n2個數據點。將兩個通道得到的氣泡峰進行比較。當氣泡沿兩光纖探針束的方向通過光纖時，會分別產生兩路反射信號X(t)、Y(t)，它們的形狀相似，但在時間上有一定的延遲，它們的相關系數可以表示為：

如果一對氣泡峰形狀相似，即相關系數ρXY大于0.9，則認為這兩個氣泡峰是同一個氣泡穿過探針尖端產生的。可以計算得到氣泡速度(ub)：

式中，l為探針尖端的間距，為3.88 mm。

氣泡頻率(Frb)計算公式為：

式中，T為采樣時間；nb為采樣時間內的氣泡總數。

氣泡持續時間(τb)計算公式為：

氣泡弦長(lb)計算公式為：

2.3 聚團的識別與統計

Cocco 等[27-28]使用高速攝像機和內窺鏡進行拍攝，為密相流化床中聚團的存在提供了直接證據，他們還提出，靜電力、毛細管力、范德華力等黏附力在顆粒團聚過程中起著重要作用。Liu 等[29]發現流化床中乳化相固含率介于0.5～0.75之間。它表明密相由兩部分組成，即固含率大于εs,mf較密的部分和固含率介于εthreshold～εs,mf之間的較稀的部分，如圖6 所示。較稀的部分包括分散和懸浮的顆粒，氣泡頂部和尾渦；較密的部分為顆粒聚團。

圖6 顆粒聚團識別示意圖Fig.6 Schematic diagram of the identification of the agglomerate

因此，根據Soong 等[30-31]提出的稀相床中顆粒聚團的判斷準則，本文提出了密相流化床中顆粒聚團的判斷準則：

（1）聚團的固含率大于流化顆粒的起始流化固含率；

（2）密相的固含率脈動幅值大于背景顆粒的隨機脈動幅值；

（3）在采集空間內固含率有明顯增加。

基于上述準則，將顆粒聚團的信號進行解耦，顆粒聚團的識別和判定方法與氣泡類似。如圖7所示，從通道1 和通道2 的脈動信號尋找代表顆粒聚團的峰，當脈動信號值大于起始流化固含率時認為該點A是聚團的開始，然后從該點向后尋找，找到第一個等于閾值的點B，若該點后面連續20 個點均小于起始流化固含率，則認為點B是聚團的終點，記錄通道1的聚團序號y、起止時間Ty1和Ty2。

圖7 顆粒聚團的識別Fig.7 Particle clustering identification

找到通道1 和通道2 中第y個聚團峰的最大值位置Ty1max，Ty2max。統計通道1 中聚團峰最高點和聚團峰起始點間數據點個數m1和聚團峰最高點與聚團峰結束點間數據點個數m2，在通道2 中聚團峰最高點兩側分別取m1和m2個數據點。將兩個通道得到的聚團峰進行對比。當聚團沿兩光纖探針束的方向通過光纖時，會分別產生兩路反射信號X(t)、Y(t)，它們的形狀相似，但在時間上有一定的延遲，它們的相關系數可以表示為：

對于同樣一個聚團，其產生的波動信號應該是相似的，通過大量實驗數據驗證，可以認為ρXY>0.9對應為同一聚團。

配對聚團持續時間為：

聚團速度為：

聚團弦長為：

測量時，光纖并不總是處于顆粒聚團的中心位置處，因此需要通過數學方法將弦長分布轉換為直徑分布。如圖8 所示，假設在探針附近出現的顆粒聚團最大直徑是Rmax，探頭的測量范圍是以探頭為中心，Rma為半徑的圓。

圖8 光纖探針測量顆粒聚團示意圖Fig.8 Schematic diagram of agglomerates measurement by probe

探針在圓中測量的顆粒聚團弦長的概率密度分布為：

式中，nlag→lag+Δlag為弦長介于lag～lag+Δlag之間的顆粒聚團數；Nag為經過探針的顆粒聚團總數。

聚團直徑的概率密度分布定義為：

式中，ndag→dag+Δdag為直徑介于dag～dag+Δlag之間的聚團數。

概率密度的積分為

圖9 給出了求解聚團弦長概率密度的示意圖。基于概率密度函數的定義，弦長為lag的聚團概率密度為：

圖9 求解聚團弦長概率密度的示意圖Fig.9 Schematic diagram for solving the probability density of the agglomerate chord length

式中，Pc(lag/dag)為直徑是dag且弦長是lag的聚團概率密度分布。為獲得直徑概率密度，提出以下假設：

（1）床中的聚團為圓形；

（2）聚團的運動方向垂直向上；

（3）聚團的投影通過探針的概率相同。

直徑為dag且弦長為lag的聚團概率為

式中，pc為概率，式(33)可表示為：

根據圓的方程：

對式(35)兩邊進行微分，并代入式(34)得到：

將式(36)代入式(32)得到：

式(37)的兩邊對lag求導：

式(38)兩邊同時乘lag：

根據式(39)，直徑概率密度可由弦長概率密度求得：

Jayaweera 等[32]研究了聚團在黏性流體中的行為，并提出聚團的穩定尺寸范圍為2～6個顆粒，這為聚團尺寸提供了最小限制。因此，在本研究中，聚團直徑下限為兩倍顆粒粒徑。

3 實驗結果與討論

3.1 氣泡-乳化-聚團三相相分率

根據2.1 節所述方法確定了黃沙及其混合顆粒的氣泡相閾值（圖4），其中黃沙顆粒床中氣泡閾值在0.43～0.59 范圍內變化，黃沙與5%混合顆粒流化床中氣泡閾值在0.31～0.59范圍內變化，黃沙與10%混合顆粒流化床中氣泡閾值在0.40～0.54 范圍內變化。根據起始流化速度測量實驗得到黃沙及其混合顆粒的閾值分別為0.67(Sand)，0.60(Sand+5%)，0.55(Sand+10%)。根據建立的光纖信號解耦方法，按照固含率大小的不同，可將稠密氣固流的介尺度結構分為三部分，即氣泡相(εs<εthreshold)、乳化相(εthreshold<εs<εs,mf)和聚團相(εs>εs,mf)，如圖10所示。

圖10 三相體積分數沿徑向的變化（h=512 mm）Fig.10 Volume fraction of three phases in radical directions（h=512 mm）

圖10(a)和(b)對比了在黃沙顆粒流化床中不同表觀氣速下氣泡相和密相的體積分數。可以看出，低氣速(ug=0.2 m/s)時密相的體積分數在0.71～0.87之間變化，而氣泡相的體積分數在0.13～0.30之間變化，表明此時密相主導流化床的流動。在高氣速(ug=0.5 m/s)時，在r/R<0.5 的中心區域，氣泡相的體積分數約為0.4。在r/R>0.75 的區域，氣泡相體積分數減小。這表明當表觀氣速達到0.5 m/s 時，床層中心處氣泡相主導床內的流動，邊壁處密相主導床內的流動。

圖10(c)和(d)給出了黃沙顆粒與5%硅微粉混合顆粒流化床中流動結構的體積分數變化規律。可以看出，在添加細顆粒后，當表觀氣速增大到0.5 m/s 時，聚團相的體積分數急劇下降，這是因為隨著湍流的增強，周圍流體對聚團的剪切力也隨之增強，使聚團更容易破裂，更多細顆粒進入乳化相，乳化相分率顯著增大，改善了流化質量。

當硅微粉顆粒含量增加至10%，如圖10(e)和(f)所示，低表觀氣速下，與硅微粉含量為5%時相比，乳化相體積分數減小。當表觀氣速為0.5 m/s 時，聚團相、氣泡相體積分數相較于硅微粉含量為5%時有所增大，乳化相體積分數有所減小。這可能是由于細顆粒的量增大后，更易自身團聚形成聚團而不是與黃沙顆粒結合，因此對流化床流化質量改善的作用減弱。由于硅微粉粒徑較小，分子間作用力更大，結合形成的聚團更難以分裂，因此氣速增大至0.5 m/s 后，聚團相體積分數減小趨勢不如硅微粉含量為5%時明顯。圖10表明在黃沙顆粒中加入少量(5%)細顆粒能夠顯著改善流化質量，細顆粒添加量過多時(10%)，對流化質量的改善將減弱。

3.2 氣泡的流體力學特性

根據2.2 節所述氣泡的識別和統計方法，在確定閾值后，可以將氣泡相對應的信號從稀相信號中提取出來，進行進一步統計分析。

3.2.1 氣泡的上升速度 圖11 給出了氣泡上升速度隨氣速變化沿徑向的分布曲線。兩種顆粒的流化床中氣泡上升速度隨著表觀氣速的增加均呈現增加趨勢；氣泡上升速度沿徑向分布較均一，變化不大。與純黃沙顆粒流化床相比，加入硅微粉后，氣泡平均上升速度略有減小。這是因為氣泡的上升速度不僅和直徑有關，還和周圍流體的黏度有關。混合顆粒中的細粉容易形成聚團，密相的整體黏度增加，所以黃沙與10%混合顆粒流化床中的氣泡速度更低。

圖11 氣泡速度沿徑向的變化（h=512 mm）Fig.11 Radial distribution of bubble velocity（h=512 mm）

3.2.2 氣泡的出現頻率 由于氣泡在流化床中上升過程中會不斷長大并破裂，因此氣泡數量隨著操作條件和空間位置的變化而變化。圖12 給出的氣泡頻率（Frb）的分布是由式（22）計算得到的，表示氣泡通過光纖探針尖端的頻率。如圖12(a)所示，對于黃沙顆粒，頻率隨著表觀氣速的增加而增加，當流域由鼓泡床變為湍流床（ug≥0.4 m/s）時，床層中心處（r/R≤0.5）趨勢變得顯著，這主要是因為加劇了氣泡的破碎。圖12(b)給出了在混合顆粒床中氣泡頻率的變化規律，從圖中可以看出加入細顆粒氣泡頻率顯著減小，遠小于黃沙顆粒床中的氣泡頻率。

圖12 氣泡頻率沿徑向的變化（h=512 mm）Fig.12 Radial distribution of bubble frequency（h=512 mm）

3.2.3 氣泡的尺寸 圖13(a)給出了黃沙顆粒流化床中氣泡弦長沿徑向的變化曲線。在徑向上，弦長曲線變化平穩，表明氣泡尺寸接近。加入硅微粉后，氣泡弦長增大，這可能是因為加入硅微粉后，密相黏度增大，氣泡的形狀發生改變，在垂直方向上更加細長，因此弦長增大。

圖13 氣泡尺寸沿徑向的變化（h=512 mm）Fig.13 Radial distribution of bubble size（h=512 mm）

3.3 聚團的流體力學特性

3.3.1 顆粒聚團的速度 圖14 給出了不同徑向位置處黃沙混合顆粒流化床中聚團的上升速度隨操作氣速變化的規律。加入5%硅微粉后如圖14(a)所示，表觀氣速為0.1～0.3 m/s 時，聚團速度變化不大，0.4 m/s 略有增加，0.5 m/s 時明顯增加；加入10%硅微粉后如圖14(b)所示，隨氣速的增大聚團速度變化不大。從整體來看，隨著細粉含量的增加，氣速的影響越來越弱。

圖14 平均聚團速度隨表觀氣速和徑向位置的變化（h=512 mm）Fig.14 Radial distribution of velocity of particle agglomerates for various superficial gas velocities（h=512 mm）

3.3.2 顆粒聚團的出現頻率 圖15 給出了兩種黃沙混合顆粒流化床中聚團的出現頻率隨徑向變化的曲線。隨操作氣速的增大，兩種顆粒流化床中聚團出現頻率均呈現增大的趨勢。這可能是因為氣速增大，加劇了顆粒的運動，顆粒碰撞概率增大，更易團聚形成顆粒聚團。在黃沙與5%硅微粉混合顆粒流化床中，如圖15(a)所示，顆粒聚團的出現頻率較小且徑向上分布非常均一。繼續加入硅微粉后，如圖15(b)所示，聚團頻率有所增大，說明加入過多硅微粉會促進聚團的形成。

圖15 平均聚團頻率隨表觀氣速和徑向位置的變化（h=512 mm）Fig.15 Radial distribution of frequency of particle agglomerates for various superficial gas velocities（h=512 mm）

3.3.3 顆粒聚團的尺寸 圖16 列出了顆粒聚團的弦長統計結果。從圖中可以看出，在黃沙與5%混合顆粒流化床中聚團的弦長平均值比較離散，加入10%硅微粉后聚團的弦長略有減小。這可能是因為加入少量(5%)硅微粉后，細顆粒易黏附在黃沙顆粒上形成聚團。當硅微粉含量增大后(10%)，部分細顆粒互相黏附，因此形成的聚團尺寸更小。

圖16 平均聚團弦長隨表觀氣速和徑向位置的變化（h=512 mm）Fig.16 Radial distribution of chord length of particle agglomerates for various superficial gas velocities（h=512 mm）

4 結 論

本文在一套流化床冷模實驗裝置中使用了黃沙顆粒、黃沙-硅微粉(20 μm)混合顆粒(xb=5%、10%)3種顆粒進行了實驗。使用光纖探針測得固含率時間序列信號并進行了統計分析，提出并建立了復雜光纖脈動信號的解耦方法，確定了氣泡配對、比較的方法，給出了氣泡速度、氣泡弦長、氣泡頻率、氣泡持續時間等流體力學參數的計算方法，提出了密相床中顆粒聚團的判斷準則，給出了聚團速度、聚團弦長、聚團頻率、聚團持續時間等流體力學參數的計算方法，建立了基于弦長計算聚團直徑的數學模型，編譯了多重解耦軟件，實現了稠密氣固流中介尺度流動結構的準確識別并得到以下結論。

（1）基于統計矩一致性原理提出了氣泡閾值的計算方法，確定了通過遍歷法確定氣泡閾值的方法。對不同顆粒氣泡閾值沿徑向的變化規律進行分析，發現加入細顆粒有助于改善流化質量，隨表觀氣速的增加，氣泡閾值減小。

（2）對3種顆粒低氣速與高氣速下氣泡、乳化和聚團三相的相分率分別進行統計。發現在黃沙顆粒中加入少量(5%)細顆粒能夠顯著改善流化質量，細顆粒添加量過多時(10%)，對流化質量的改善將減弱。

（3）對氣泡的流體力學特性進行分析，發現加入10%硅微粉后，與黃沙顆粒相比，混合顆粒的氣泡弦長增大，頻率降低，速度略有降低。

（4）對顆粒聚團流體力學特性進行分析，發現隨著硅微粉含量的增加，表觀氣速對聚團速度的影響減弱，聚團弦長略有減小。加入5%硅微粉后，顆粒聚團的出現頻率較小且徑向上分布均一。加入10%硅微粉后，聚團頻率有所增大，說明加入過多硅微粉會促進聚團的形成。

符 號 說 明

Db——氣泡直徑,mm

dag——聚團直徑,mm

dp——顆粒直徑,μm

f——體積分數

R——反應器直徑,mm

r——徑向位置,mm

t1——通道1氣泡x的開始時間,s

t2——通道1氣泡x的結束時間,s

t3——通道2氣泡x的開始時間,s

t4——通道2氣泡x的結束時間,s

ug——表觀氣速,m/s

umf——起始流化速度,m/s

V——截面平均電壓,V

ε——固含率

εmf——起始流化固含率

εs——顆粒固含率

εthreshold——氣泡相固含率閾值

ρp——顆粒密度,kg/m3

文獻

[1] Zhang M Z, Sun Z N, Zhu J, et al. Studies on the local flow characteristics and flow regime transitions in a square fluidized bed[J].Powder Technology,2021,385:306-316.

[2] Lerou J J, Ng K M. Chemical reaction engineering: a multiscale approach to a multiobjective task[J]. Chemical Engineering Science,1996,51(10):1595-1614.

[3] 葛蔚,劉新華,任瑛,等.從多尺度到介尺度:復雜化工過程模擬的新挑戰[J].化工學報,2010,61(7):1613-1620.Ge W, Liu X H, Ren Y, et al. From multi-scale to meso-scale:new challenges for simulation of complex processes in chemical engineering[J].CIESC Journal,2010,61(7):1613-1620.

[4] Bi H, Zhu J, Jin Y, et al. Forms of particle aggregations in CFB[C]//Proceedings of the Sixth Chinese Conference on Fluidization.Wuhan,China,1993.

[5] Manyele S V, P?rssinen J H, Zhu J X. Characterizing particle aggregates in a high-density and high-flux CFB riser[J].Chemical Engineering Journal,2002,88(1/2/3):151-161.

[6] Afsahi F A, Sotudeh-Gharebagh R, Mostoufi N. Clusters identification and characterization in a gas-solid fluidized bed by the wavelet analysis[J]. The Canadian Journal of Chemical Engineering,2009,87(3):375-385.

[7] Yang T Y, Leu L P. Multiresolution analysis on identification and dynamics of clusters in a circulating fluidized bed[J]. AIChE Journal,2009,55(3):612-629.

[8] Yan Z H, Fan Y P, Bi X T, et al. Dynamic behaviors of feed jets and catalyst particles in FCC feed injection zone[J]. Chemical Engineering Science,2018,189:380-393.

[9] Breault R W, Casleton E M, Guenther C P. Chaotic and statistical tests on fiber optic dynamic data taken from the riser section of a circulating fluidized bed[J]. Powder Technology, 2012, 220:151-163.

[10] Tuzla K,Sharma A K,Chen J C,et al.Transient dynamics of solid concentration in downer fluidized bed[J]. Powder Technology,1998,100(2/3):166-172.

[11] Wang J W. High-resolution Eulerian simulation of RMS of solid volume fraction fluctuation and particle clustering characteristics in a CFB riser[J]. Chemical Engineering Science, 2008, 63(13):3341-3347.

[12] Hirai K,Hukaya K,Simada A,et al.Fluidization of solid particles[J].Chemical Engineering,1953,17(11):438-447.

[13] Jia Y,Zhang Y,Xu J,et al.Coarse-grained CFD-DEM simulation to determine the multiscale characteristics of the air dense medium fluidized bed[J]. Powder Technology, 2021, 389:270-277.

[14] Breault R W. An analysis of clustering flows in a CFB riser[J].Powder Technology,2012,220:79-87.

[15] Liu X H, Gao S Q, Li J H. Characterizing particle clustering behavior by PDPA measurement for dilute gas-solid flow[J].Chemical Engineering Journal,2005,108(3):193-202.

[16] Xu J, Zhu J. A new method for the determination of cluster velocity and size in a circulating fluidized bed[J]. Industrial &Engineering Chemistry Research,2012,51(4):2143-2151.

[17] Lackermeier U, Rudnick C, Werther J, et al. Visualization of flow structures inside a circulating fluidized bed by means of laser sheet and image processing[J].Powder Technology,2001,114(1/2/3):71-83.

[18] Chew J W, Hays R, Findlay J G, et al. Cluster characteristics of Geldart group B particles in a pilot-scale CFB riser(Ⅱ):Polydisperse systems[J]. Chemical Engineering Science, 2012, 68(1):82-93.

[19] Krohn D A. Intensity modulated fiber optic sensors overview[C]//SPIE Proceedings, Fiber Optic and Laser Sensors Ⅳ. Cambridge,MA,1987:2-11.

[20] Ellis N. Hydrodynamics of gas-solid turbulent fluidized beds[D].Vancouver,BC,Canada:University of British Columbia,2003.

[21] 黃亞航,劉夢溪,胡娟.氣固流化床中顆粒聚團的流動特性[J].過程工程學報,2016,16(3):374-379.Huang Y H, Liu M X, Hu J. Flow characteristic of particle agglomerates in a gas-solid fluidized bed[J]. The Chinese Journal of Process Engineering,2016,16(3):374-379.

[22] Kiani A, Sotudeh-Gharebagh R, Mostoufi N. Cluster size distribution in the freeboard of a gas-solid fluidized bed[J].Powder Technology,2013,246:1-6.

[23] Niu L, Huang Y H, Chu Z M, et al. Identification of mesoscale flow in a bubbling and turbulent gas–solid fluidized bed[J].Industrial & Engineering Chemistry Research, 2019, 58(19):8456-8471.

[24] Bi X. Flow regime transitions in gas-solid fluidization and transport[D]. Vancouver, BC, Canada: University of British Columbia,1994.

[25] Bi H T, Su P C. Local phase holdups in gas-solids fluidization and transport[J].AIChE Journal,2001,47(9):2025-2031.

[26] Zhu J, Qi M Z, Barghi S. Identification of the flow structures and regime transition in gas-solid fluidized beds through moment analysis[J].AIChE Journal,2013,59(5):1479-1490.

[27] Cocco R, Shaffer F, Hays R, et al. Particle clusters in and above fluidized beds[J].Powder Technology,2010,203(1):3-11.

[28] McMillan J, Shaffer F, Gopalan B, et al. Particle cluster dynamics during fluidization[J]. Chemical Engineering Science, 2013, 100:39-51.

[29] Liu M X, Shen Z Y, Yang L J, et al. Microscale two-phase flow structure in a modified gas-solid fluidized bed[J]. Industrial &Engineering Chemistry Research,2014,53(34):13475-13487.

[30] Soong C, Tuzla K, Chen J. Identification of particle clusters in circulating fluidized bed[J]. Circulating Fluidized Bed TechnologyⅣ,1994,615:620.

[31] Soong C. Experimental determination of cluster size and velocity in circulating fluidized bed[J].Fluidization,1996:219-227.

[32] Jayaweera K O L F, Mason B J, Slack G W. The behaviour of clusters of spheres falling in a viscous fluid (Ⅰ): Experiment[J].Journal of Fluid Mechanics,1964,20(1):121-128.