顆粒縮放理論標定未篩選煙煤離散元仿真參數

摘要： 【目的】為了給未篩選煙煤的仿真研究提供參數依據， 分析未篩選煙煤的離散元仿真參數， 保證仿真與實際顆粒的幾何、 材料及運動學相似， 實現未篩選煙煤的可靠仿真研究。 【方法】采用實驗和仿真相結合的方法， 測得未篩選煙煤的粒徑分布、 密度、 靜摩擦因數、 堆積密度、 休止角等基本參數； 基于顆粒縮放理論， 建立不同粒徑范圍內典型顆粒的放大模型，通過Plackett-Burman、最陡爬坡、 Box-Behnken試驗對未篩選煙煤的泊松比、 切變模量、 滾動摩擦因數、 恢復系數、 Johnson-Kendall-Roberts（JKR）表面能等仿真參數進行標定。 【結果】以實驗和仿真休止角相對誤差最小為優化目標， 得到最優參數組合下的未篩選煙煤的仿真休止角為37.59°， 與休止角實驗值37.81°的誤差為0.58%； 仿真堆積密度為717 kg/m3， 與堆積密度實驗值722 kg/m3的誤差為0.69%。 【結論】煤-煤恢復系數與休止角呈負相關， 煤-煤和煤-鋼滾動摩擦因數與休止角呈正相關，濺射現象會阻礙顆粒堆積。

關鍵詞： 煙煤； 離散元； 休止角； 顆粒縮放理論； 參數標定

中圖分類號： TB44； TP391.9； O347.7文獻標志碼：A

引用格式：

梅瀟， 吳葦榮， 劉祥偉. 顆粒縮放理論標定未篩選煙煤離散元仿真參數［J］. 中國粉體技術， 2024， 30（2）： 67-81.

MEI X， WU W R， LIU X W. Discrete elemental simulation parameters of unscreened bituminous coal calibrated by particle scaling theory［J］. China Powder Science and Technology， 2024， 30（2）： 67-81.

港口散料輸送多采用螺旋、 抓斗式卸船機等大型港口裝卸設備，利用離散元法（discrete element method，DEM）對不同類型散料的運輸狀態進行仿真分析是裝卸設備結構尺寸設計的重要步驟。在對粒徑較小的散料顆粒進行仿真分析時，為了滿足計算機的運算能力要求，通常需要對顆粒尺寸放大處理，并進行參數標定，保證與真實顆粒有相同的物理特性。已有研究對包括植物種子、 養料、 土壤、 混凝土、 礦石等不同顆粒模型進行仿真參數標定，結果表明仿真參數標定的應用對象多、 領域廣［1-9］。

煤炭是港口散料輸送的重點對象，中國經濟高速發展依賴于煤炭能源的安全穩定供應［10-12］。仿真分析作為輸送研究的重要方法，仿真結果的準確性直接影響研究者對輸送機制的判斷，因此，為了使輸送仿真分析結果可信，應對煤炭的仿真參數進行研究。夏蕊等［13］對3種不同粒徑的煤炭顆粒進行了休止角實驗并基于DEM進行仿真分析，探究了落料高度對休止角的影響，研究發現，落料高度與休止角度呈負相關關系；李鐵軍等［14-15］針對粒徑為6～8 mm的煤炭顆粒，探究了物料特性參數在單獨或互相作用下對休止角的影響，得到了干燥、含水煤炭的最優仿真參數組合；Mei等［16］通過在較長時間內隨機調整且不斷試錯的方法得到了煤炭的最優仿真參數組合；Zhang等［17］采用正交試驗仿真計算和多因素非線性聯合反演的方法，以三軸拉伸實驗數據為響應目標對煤炭進行仿真參數標定，得到了煤炭仿真的最優參數組合，為基于DEM的仿真參數標定提

供了新思路；Li等［18］選取頂煤塌落形狀的幾何參數作為響應目標，通過與實驗結果對比，對數值阻尼進行仿真參數標定，反映了頂煤塌落過程中煤炭顆粒的多尺度破碎和顆粒間的摩擦作用，得到了數值阻尼的合理仿真參數取值；Ma等［19］基于響應面法研究了長焰煤的黏結顆粒模型參數對力學性能的影響，以顆粒破碎特性為響應目標，基于DEM進行了仿真參數標定;Xia等［20］以實驗休止角為響應目標，基于DEM對含

水量較大的煤炭顆粒進行仿真分析，得到了含水煤炭的最優仿真參數組合。由于煤炭種類過多且物料特性差異較大， 因此目前關于煤炭物料特性參數的仿真研究仍不充分，尤其缺少對未篩選煙煤的相關研究。

未篩選煙煤常用于電廠發電或者作為工業鍋爐的燃料，使用量極大，但粒徑分布范圍較廣且顆粒不規則度較大，難以獲得準確的仿真參數。本文中針對粒徑小于12 mm的未篩選煙煤，在考慮粒徑分布的情況下，通過實驗和仿真獲得對未篩選煙煤顆粒的休止角影響較顯著的參數，建立休止角與影響顯著參數的回歸方程，并以實驗和仿真休止角相對誤差最小為優化目標，確定未篩選煙煤顆粒的最優參數組合，為該類煤炭的仿真分析提供基礎參數。

1 實驗

1.1材料

實驗材料為未篩選煙煤（上海松桿煤炭有限公司）， 呈黑色不規則顆粒狀， 微具黏結性， 未經過篩分。

1.2方法

實驗參考國家標準GB/T 35017—2018［21］，測得未篩選煙煤的粒徑分布、 密度、 靜摩擦因數、 堆積密度、 休止角等基本參數。

1.2.1 粒徑分布

使用孔徑分別為2、 4、 6、 8、 10 mm的篩子對未篩選煙煤樣本進行篩選， 重復10次， 不同粒徑顆粒的質量分布曲線與質量分數如圖1所示。 由圖可以看出， 粒徑為0～2、 gt;2～4、 gt;4～6、 gt;6～8、 gt;8～10、 gt;10 mm的未篩選煙煤的質量分數分別為28.4%、 20.2%、 13.9%、 11.1%、 8.9%、 17.5%。

1.2.2 密度

由于未篩選煙煤顆粒形狀為不規則多面體，因此采用排水法測定未篩選煙煤顆粒的質量和體積。在容積為250 mL的量筒中注入體積為160 mL的自來水后放在電子秤上去皮，加入未篩選煙煤顆粒至水面凹處與量筒容積180 mL刻度線平齊后，讀取電子秤讀數，重復7次，計算平均值。實驗樣本的質量、 體積與密度如表1所示。由表1中的數據計算得到未篩選煙煤顆粒密度為1 326 kg/m3。

1.2.3 靜摩擦因數

在測量煤-煤、 煤-鋼靜摩擦因數時應使被測未篩選煙煤顆粒呈純滑動狀態，使用強力膠和尺寸相同的2塊亞克力板分別制作被測煤板和材料煤板。在測量煤-煤靜摩擦因數時，將材料煤板固定在靜摩擦因數測量儀的滑道上，并把被測煤板放置在材料煤板上，抬起滑道使傾斜角度逐漸增大，直至被測煤板滑動的瞬間停止傾斜，讀取傾斜角度。煤-鋼靜摩擦因數的實驗過程相同，區別在于被測煤板放置在材料鋼板上滑動。重復20次，計算置信水平為0.90的置信區間下的平均值。摩擦因數實驗裝置如圖2所示。

靜摩擦因數計算公式［21］為

f=tan θ ，（1）

式中： f為靜摩擦因數； θ為靜摩擦角，即角度刻度尺讀數。

置信水平為0.90的置信區間下的靜摩擦角測量值如圖3所示。由圖可知，煤-煤、 煤-鋼靜摩擦角分別為35.65°、 22.08°，計算得到煤-煤、 煤-鋼靜摩擦因數分別為0.72、 0.41。

1.2.4 堆積密度

在測量未篩選煙煤的堆積密度時應保證顆粒自由下落，向出料口直徑為25 mm的漏斗中加入足量未篩選煙煤顆粒后，撤除漏斗出料口處的擋板，未篩選煙煤顆粒落至長度、 寬度、 高度分別為103、 103、 101 mm的長方體容器中。當未篩選煙煤顆粒堆積量超過容器容積后停止落料，用毛刷輕輕掃平容器表面的未篩選煙煤顆粒，再用電子秤測量未篩選煙煤顆粒的質量，重復10次，計算平均值。實驗樣本的質量與堆積密度如表2所示。由表2中的數據計算得到未篩選煙煤顆粒的堆積密度為722 kg/m3。

1.2.5 休止角

在測定未篩選煙煤的休止角時應注意漏斗出料口與托盤距離合適（過大造成未篩選煙煤顆粒飛濺， 過小限制未篩選煙煤顆粒堆積高度， 均不利于堆積）， 經過多次預實驗， 選取漏斗出料口與托盤距離為100 mm，休止角實驗裝置如圖4所示。 在實驗時向漏斗中加入足量未篩選煙煤顆粒， 然后撤除漏斗出料口處的擋板， 讓未篩選煙煤顆粒自由下落堆積， 堆積完成后在正向和側向拍照記錄堆積情況。 利用MATLAB軟件對所得圖片依次進行灰度、 二值化、 輪廓提取處理， 再測量左、 右坡面的休止角， 重復20次， 計算置信水平為0.90的置信區間下休止角的平均值。

置信水平為0.90的置信區間下的休止角測量值如圖5所示。由圖可知，未篩選煙煤的休止角為37.81°。

2 顆粒縮放理論

2.1相似理論及量綱分析

為了滿足計算機的計算能力要求并且節省仿真時間，在仿真過程中通常需要對顆粒模型進行放大處理。根據黃松元［22］和Feng等［23］提出的仿真相似理論，經過放大處理后的仿真顆粒模型應滿足顆粒應變能和運動方程，即

E（s， r）=∫s0F（s， r）ds ，（2）

ma+F（s， r）=F（t） ，（3）

式中： E（s， r）為顆粒的應變能， s為顆粒重疊、 分離、 滑動的位移； r為顆粒的半徑； F（s， r）為顆粒之間接觸力的合力； m為顆粒的質量； a為顆粒的加速度； F（t）為顆粒所受的外力合力，t為外力作用的時間。

根據相似理論，仿真顆粒密度與真實顆粒密度應成比例；但由于在該條件下難以保持顆粒接觸力相似，因此在實際應用時選取密度ρ的縮放比λρ為1，選擇長度L的縮放比λL和時間t的縮放比λt為h。獲得以下數量關系［24］

λm=λρλ3L=h3gt;0

λv=λLλ-1t=1

λF=λρλ4Lλ-2t=h2gt;0

λE=λρλ2Lλ-2t=1

λσ=λρλ2Lλ-2t=1

λε=λρλ2Lλ-2tλ-1ρλ-2Lλ2t=1 ，（4）

式中： λm為質量m的數量關系； λv為速度v的數量關系； λF為力F的數量關系； λE為切變模量E的數量關系； λσ為應力σ的數量關系； λε為應變ε的數量關系。

2.2接觸理論

由于未篩選煙煤微具黏結性，因此選用Johnson-Kendall-Roberts（JKR）接觸模型，JKR接觸模型可以有效體現顆粒間的黏結情況。

2個顆粒在外載荷FN和表面黏結共同作用下的等效載荷FD和接觸面半徑r1方程［25-26］為

FD=FN+3πreEγ+（3πreEγ）2+6πreEγFN ，（5）

r31=3re4EeFN+3πreEγ+（3πreEγ）2+6πreEγFN ，（6）

式中：" re為有效顆粒半徑； Eγ為黏結能； Ee為有效切變模量。

在顆粒接觸變形的重疊位移增量為Δs時，顆粒的載荷法向力增量ΔFN方程［25-26］為

ΔFN=2r1EeΔs3FN-3Fc

3FN-Fc ，（7）

滿足

FNFc-r31r3c2=4r1rc3 ，（8）

其中

Fc=3πreEγ2 ，（9）

r3c=3reFc4Ee=9πre2Eγ8Ee ，（10）

式中： Fc為使2個顆粒分開的臨界拉力； rc為相應接觸面的半徑。

3 仿真參數標定

3.1顆粒模型

由于顆粒形狀尺寸直接影響仿真結果，因此在建立放大處理后的仿真顆粒模型時，應以各粒徑范圍內的典型顆粒形狀為依據，以實驗堆積密度為評判標準，對指定放大倍數時的仿真顆粒模型形狀進行調整。在仿真堆積密度與實驗堆積密度結果誤差在合理范圍內時，即可認為所構建的仿真顆粒模型具有代表性。本文中將各粒徑范圍內的典型顆粒粒徑放大5倍，并對顆粒形狀進行調整得到未篩選煙煤的仿真顆粒模型，未篩選煙煤的實際顆粒和仿真模型如圖6所示。

3.2仿真參數

實驗僅獲得了未篩選煙煤的基本參數，應使用仿真對泊松比、 切變模量、 滾動摩擦因數、 恢復系數、 JKR表面能等仿真參數進行標定。首先通過查找相關文獻［14，27］和離散元仿真軟件EDEM自帶的物料數據庫GEMM確定取值范圍，然后通過休止角仿真標定確定具體取值，未篩選煙煤顆粒的仿真參數如表3所示。

3.3仿真休止角的測量

根據相似理論，在EDEM中建立放大漏斗模型，放大比例與未篩選煙煤顆粒的放大比例一致，在漏斗模型中按比例共生成質量為150 kg的未篩選煙煤顆粒，待顆粒完全生成后靜置時間為1 s，隨后撤除漏斗出料口處擋板，使顆粒自由下落，在堆積的顆粒不再發生運動時即可認為堆積完成，休止角實驗的仿真過程如圖7所示。

由于顆粒的形狀不規則，堆積坡面凹凸不平，因此為了更準確地測量仿真休止角，采用基于Python開發的EDEMpy庫進行仿真結果分析［28］。

3.4參數標定試驗設計

3.4.1 Plackett-Burman（P-B）試驗

為了確定標定參數對休止角的影響顯著性，使用Design-Expert軟件對表3中的范圍參數進行P-B參數顯著性分析試驗。將未篩選煙煤的泊松比（X0），切變模量（X1），煤-煤（X2）、 煤-鋼（X3）恢復系數，煤-煤（X4）、 煤-鋼滾動摩擦因數（X5），JKR表面能（X6）等7個試驗變量和4個虛擬變量分別分為低、 高水平，低、 高水平分別為表3中仿真參數取值范圍的下、 上限值。P-B試驗設計如表4所示。

試驗變量顯著性分析如表5所示。由表可知，決定系數R2為0.997 4，非常接近1，表示擬合情況很好；離散系數為3.04%，表示模型離散概率較低；測量信噪比Rsn為35.611 7，表示該模型非常適用。

P-B試驗分析圖如圖8所示。由圖8（a）可知，正態殘差圖的殘差點大致分布在一條直線附近，說明殘差符合正態分布；由圖8（b）可知，預測及實際對比圖的試驗點基本沿著與X軸角度為45°線分布，且離直線較近，表示預測值與實際觀測值之間存在較好的線性關系。以上現象均說明模型的擬合程度較高。

3.4.2 最陡爬坡試驗

為了使仿真結果快速向實驗結果逼近，對P-B試驗中影響顯著的3個試驗變量煤-煤恢復系數、 煤-煤滾動摩擦因數、 煤-鋼滾動摩擦因數進行最陡爬坡試驗。選擇P-B試驗第12組次（最接近真實休止角）的相關變量取值，即未篩選煙煤的泊松比為0.4， 未篩選煙煤的切變模量為0.67 GPa， 煤-鋼恢復系數為0.15， JKR表面能為14 J/m2。影響顯著變量取值見表6。由表可知，試驗編號3的相對誤差最小，結果趨于真實值。

3.4.3 Box-Behnken（B-B）試驗

為了確定休止角和影響顯著性試驗變量的函數關系，以最陡爬坡試驗中試驗編號3的變量取值為中間水平，使用Design-Expert軟件對變量進行B-B試驗，B-B試驗水平和試驗設計如表7所示。

B-B試驗得到二次回歸方程模型的方差分析見表8。由表可知，決定系數R2為0.987 6，預測系數R2p與校正系數R2a取值接近（差值小于0.2），說明擬合情況很好；離散系數Cv為0.945%，模型離散概率較低；測量信噪比Rsn為24.553 7，模型的F值較大且p值較小，說明該模型準確度較高。

為了進一步提高模型的擬合度，舍去表8中的影響不顯著的試驗變量X2X5、 X4X5、 X25以優化模型，再對優化后的模型進行方差分析，結果見表9。由表可知，優化模型的決定系數R2幾乎不變，但是預測系數R2p、 校正系數R2a、 測量信噪比Rsn、 模型的F值均有顯著的增大，離散系數Cv和模型的p值略有減小，說明優化后的模型準確度更高。

表9對應的優化后的二次回歸方程為

β=-62.21X2+482.41X4+26.88X5-233.75X2X4+84.94X22-1 351.44X24+21.49

。（11）

優化后的B-B試驗分析圖如圖9所示。 由圖9（a）、 （b）可知， 殘差點和試驗點均沿直線分布。 由圖9（c）、 （d）可知， 試驗點在區間內均勻分布， 并沒有表現出明顯的規律或趨勢， 說明模型擬合程度較高。

以變量的高、 低水平為邊界條件，實驗休止角為優化目標，對式（11）進行求解，得到影響顯著的試驗變量的最優水平組合是：X2為0.500， X4為0.107， X5為0.095。

4 結果分析

4.1顯著試驗變量分析

式（11）中變量X2、 X4、 X5對休止角的影響曲線如圖10所示。由圖可知，變量X2與休止角呈負相關，變量X4、 X5與休止角呈正相關。由圖10（a）可知，圖中曲線尾端有略微上升的趨勢，這是由仿真誤差導致的，處于合理范圍之內，不影響對整體趨勢的判斷。

式（11）中的交互項X2X4響應曲面如圖11所示。由圖11（b）可知，X2對休止角的影響隨著X4取值增大而增大。原因是漏斗出料口與堆積平面的距離是固定的，X4越小，未篩選煙煤的休止角也越小，即堆積坡峰高度越低，此時下落顆粒與堆積顆粒碰撞瞬間的動能與顆粒下落距離（出料口至堆積坡峰的距離）呈正相關，無論X2取范圍內的任何值，顆粒在碰撞后仍有較大的動能，造成嚴重的濺射現象，不利于顆粒的堆積；X4對休止角的影響隨著X2取值增大而減小，原因是X2越大，濺射現象越嚴重，導致顆粒越難堆積，無論滾動摩擦因數X4取值如何，都難以形成休止角較大的坡面。可見，濺射現象是評判顆粒休止角大小的重要指標，二者呈負相關關系，而這種現象隨著X4增大或X2減小而緩解。

4.2仿真參數組合的驗證

輸入最優參數組合，得到仿真堆積密度為717 kg/m3，與堆積密度實驗值的誤差為0.69%，顆粒模型設置合理；仿真休止角度為37.59°，與實驗值的誤差為0.58%。仿真休止角與實驗休止角對比如圖12所示。由圖12可知，由于仿真與實驗休止角的輪廓高度重合，因此認為仿真參數設置合理，仿真結果與實際情況相符。

5 結論

1）通過實驗得到未篩選煙煤的基本參數，根據顆粒縮放理論將仿真顆粒模型的粒徑放大5倍，并通過P-B試驗確定出對休止角影響顯著的試驗變量的排序依次為： 煤-煤滾動摩擦因數、 煤-煤恢復系數、 煤-鋼滾動摩擦因數，其中煤-煤滾動摩擦因數的影響尤為明顯。

2）通過最陡爬坡試驗使仿真結果快速向實驗結果逼近，通過B-B試驗建立并優化了影響顯著的試驗變量的二次回歸方程模型，發現3個影響顯著的試驗變量的一次項、 煤-煤恢復系數和煤-煤滾動摩擦因數的二次項以及煤-煤恢復系數與滾動摩擦因數的交互項均對休止角有顯著影響，其中煤-煤恢復系數和煤-煤滾動摩擦因數的一次項的影響尤為明顯。同時通過分析交互項響應曲面的變化趨勢確定濺射現象會阻礙未篩選煙煤顆粒的堆積。

3）確定密度為1 326 kg/m3的未篩選煙煤顆粒的最優仿真參數組合為泊松比為0.4，切變模量為0.67 GPa，煤-煤、 煤-鋼靜摩擦因數分別為0.72、 0.41，煤-煤、 煤-鋼滾動摩擦因數分別為0.107、 0.095，煤-煤、 煤-鋼恢復系數分別為0.5、 0.15，JKR表面能為14 J/m2。該參數組合下的仿真堆積密度與實驗堆積密度、 仿真休止角度與實驗休止角度的誤差均在合理范圍內。

4）以上仿真參數組合僅適用于顆粒粒徑放大5倍后的未篩選煙煤的仿真研究。 由于已知煤-煤恢復系數和煤-煤滾動摩擦因數的一次項對休止角的影響尤為明顯， 因此在確定顆粒粒徑其余倍數下的未篩選煙煤的仿真參數組合時， 僅需采用同樣的方法重新標定煤-煤恢復系數和煤-煤滾動摩擦因數即可。

利益沖突聲明（Conflict of Interests）

所有作者聲明不存在利益沖突。

All authors disclose no relevant conflict of interests.

作者貢獻（Author’s Contributions）

梅瀟參與了實驗設計，吳葦榮參與了論文的寫作和仿真，劉祥偉參與了論文的修改。所有作者均閱讀并同意了最終稿件的提交。

The study was designed by MEI Xiao， the manuscript and discrete element simulation completed by WU Weirong， the manuscript modification completed by LIU Xiangwei. All authors have read the last version of paper and consented for submission.

參考文獻（References）

［1］黃文景. 砂質土壤顆粒離散元模型參數標定［J］. 福建建材， 2023（2）： 1-5.

HUANG W J. Parameter calibration of discrete element model of sandy soil particles［J］. Fujian Building Materials， 2023（2）： 1-5.

［2］洪波， 樊志鵬， 烏蘭圖雅， 等. 揉碎玉米秸稈螺旋輸送仿真離散元模型參數標定［J］. 中國農業科技導報， 2023， 25（3）： 96-106.

WANG H B， FAN Z P， WU L， et al. Parameter calibration of discrete element model for simulation of crushed corn stalk screw conveying［J］. Journal of Agricultural Science and Technology， 2023， 25（3）： 96-106.

［3］MA G G， SUN Z J， MA H， et al. Calibration of contact parameters for moist bulk of shotcrete based on EDEM［J］. Advances in Materials Science and Engineering， 2022， 6072303.

［4］FANG M， YU Z H， ZHANG W J， et al. Friction coefficient calibration of corn stalk particle mixtures using Plackett-Burman design and response surface methodology［J］. Powder Technology， 2022， 396： 731-742.

［5］WANG Y K， WANG G Q， WU S W， et al. A calibration method for ore bonded particle model based on deep learning neural network［J］. Powder Technology， 2023， 420： 118417.

［6］LI X Y， DU Y F， LIU L， et al. Parameter calibration of corncob based on DEM［J］. Advanced Powder Technology， 2022， 33（8）： 103699.

［7］SONG X F， DAI F， ZHANG F W， et al. Calibration of DEM models for fertilizer particles based on numerical simulations and granular experiments［J］. Computers and Electronics in Agriculture， 2023， 204： 107507.

［8］ZHU J Z， ZOU M， LIU Y S， et al. Measurement and calibration of DEM parameters of lunar soil simulant［J］. Acta Astronautica， 2022， 191： 169-177.

［9］DING X T， WANG B B， HE Z， et al. Fast and precise DEM parameter calibration for Cucurbita ficifolia seeds［J］. Biosystems Engineering， 2023， 236： 258-276.

［10］孟麗英. 新形勢下港口運輸經濟問題探析［J］. 商展經濟， 2022（5）： 89-92.

MENG L Y. Analysis of the economic problems of port transportation under the new situation［J］. Trade Fair Economy， 2022（5）： 89-92.

［11］賈大山， 徐迪， 蔡鵬. 2021年沿海港口發展回顧與2022年展望［J］. 中國港口， 2022（1）： 3-14.

JIA D S， XU D， CAI P. Review of coastal port development in 2021 and prospect in 2022［J］. China Ports， 2022（1）： 3-14.

［12］高宏杰. 煤炭行業發展現狀和供需形勢分析［J］. 中國煤炭工業， 2022（3）：75-77.

GAO H J. Analysis of development status and supply and demand situation of coal industry［J］. China Coal Industry， 2022（3）： 75-77.

［13］夏蕊， 楊兆建， 李博， 等. 基于離散元法的煤散料堆積角試驗研究［J］. 中國粉體技術， 2018， 24（6）： 36-42.

XIA R， YANG Z J， LI B， et al. Experimental study for repose angle of coal bulk material based on discrete element method［J］. China Powder Science and Technology， 2018， 24（6）： 36-42.

［14］李鐵軍. 煤顆粒離散元模型宏細觀參數標定及其關系［D］. 太原：太原理工大學， 2019.

LI T J. Calibration of DEM model parameters for coal particles and research on relationships between macro and micro parameters［D］. Taiyuan： Taiyuan University of Technology， 2019.

［15］李鐵軍， 王學文， 李博， 等. 基于離散元法的煤顆粒模型參數優化［J］. 中國粉體技術， 2018， 24（5）： 6-12.

LI T J， WANG X W， LI B， et al. Optimization method for coal particle model parameters based on discrete element method［J］. China Powder Science and Technology， 2018， 24（5）： 6-12.

［16］MEI L， HU J Q， YANG J G， et al. Research on parameters of EDEM simulations based on the angle of repose experiment［C］//International Conference on Computer Supported Cooperative Work in Design. Proceedings of the 2016 IEEE 20th International Conference on Computer Supported Cooperative Work in Design. United States： Institute of Electrical and Electronics Engineers Inc.， 2016： 570-574.

［17］ZHANG H， ZHENG M X， RONG Y， et al. Calibration and sensitivity analysis of macro and meso parameters of discrete element model for coal measure soil［C］//International Conference on Applied Mechanics， Materials Physics， and Engineering Structures. Journal of Physics： Conference Series. Institute of Physics， 2023， 2519（1）： 012036.

［18］LI H B， LI D Y， ZHANG W Y， et al. Numerical damping calibration study of particle element method-based dynamic relaxation approach for modeling longwall top-coal caving［J］. Energies， 2021， 14（9）： 2348.

［19］MA H Z， WANG X W， LI B， et al. Calibration of discrete element microparameters of coal based on the response surface method［J］. Particulate Science and Technology， 2022， 40（5）： 543-557.

［20］XIA R， LI B， WANG X W， et al. Measurement and calibration of the discrete element parameters of wet bulk coal［J］. Measurement， 2019， 142： 84-95.

［21］中國機械工業聯合會. 連續搬運設備散狀物料分類、 符號、 性能及測試方法： GB/T 35017—2018［S］. 北京： 中國標準出版社， 2018.

China Machinery Industry Federation. Continuous handling equipments—Classification， symbols， performance and test methods for bulk materials： GB/T 35017—2018［S］. Beijing： Standards Press of China， 2018.

［22］黃松元. 散體力學［M］. 北京：機械工業出版社， 1993： 159-161.

HUANG S Y. Mechanics of granular media［M］. Beijing： China Machine Press， 1993：159-161.

［23］FENG Y T， HAN K， OWEN D R J， et al. On upscaling of discrete element models： similarity principles［J］. Engineering Computations， 2009， 26（6）： 599-609.

［24］任建莉， 周龍海， 韓龍， 等. 基于顆粒縮放理論的垂直螺旋輸送離散模擬［J］. 過程工程學報， 2017， 17（5）： 936-943.

REN J L， ZHOU L H， HAN L， et al. Discrete simulation of vertical screw conveyor based on particle scaling theory［J］. The Chinese Journal of Process Engineering， 2017， 17（5）： 936-943.

［25］E SILVA B B， DA CUNHA E R， DE CARVALHO R M， et al. Modeling and simulation of green iron ore pellet classification in a single deck roller screen using the discrete element method［J］. Powder Technology， 2018， 332： 359-370.

［26］孫其誠， 王光謙. 顆粒物質力學導論［M］. 北京： 科學出版社， 2009： 20-22.

SUN Q C， WANG G Q. Introduction to granular material mechanics［M］. Beijing： Science Press， 2009： 20-22.

［27］謝仁海， 渠天祥， 錢光謨. 構造地質學［M］. 2版. 徐州： 中國礦業大學出版社， 2007： 47-49.

XIE R H， QU T X， QIAN G M. Geotectonics［M］. 2nd ed. Xuzhou： China University of Mining and Technology Press， 2007： 47-49.

［28］鄒洋， 湯佟， 高自成， 等. 基于顆粒縮放理論的生石灰粉離散元參數標定［J］. 中國粉體技術， 2023， 29（2）： 81-91.

ZOU Y， TANG T， GAO Z C， et al. Discrete element parameter calibration of quicklime powder based on particle scaling theory［J］. China Powder Science and Technology， 2023， 29（2）： 81-91.

Discrete elemental simulation parameters of unscreened bituminous coal

calibrated by particle scaling theory

MEI Xiao， WU Weirong， LIU Xiangwei

（Logistics Engineering College， Shanghai Maritime University， Shanghai 201306， China）

Abstract

Objective In recent years， the proportion of coal in port traffic has been increased. Unscreened bituminous coal， as an important fuel for power plants or industrial boilers， is one of the widely utilized coal types. Therefore， conducting simulation studies on the transport process of unscreened bituminous coal holds extreme importance. However， according to different simulation conditions， it is usually necessary to scale the particle size of unscreened bituminous coal to meet various simulation requirements. The validity of setting particle discrete element simulation parameters directly affects the accuracy of the simulation results. To obtain discrete elemental simulation parameters for unscreened bituminous coal particles after scaling processing， the simulation parameters should be calibrated to ensure that it meets the geometric similarity， material similarity and kinematic similarity with the actual particles.

Methods In this study， optimal parameter combinations for the discrete element simulation of unscreened bituminous coal were determined through a combination of physical experiments and simulation. Firstly， the basic parameters of bituminous coal， such as particle size distribution， density， static friction coefficients， bulk density， and angle of repose， were determined through physical experiments. Subsequently， typical particle models within different particle size ranges were established and the particle sizes were magnified by a factor of five using particle scaling theory principles. This approach aimed to shorten simulation time and reduce the computational demands on the computer performance during simulations. Following this， the Plackett-Burman （P-B） test was employed to analyze the significance of calibration parameters， including Poisson's ratio， shear modulus， rolling friction coefficient， restitution coefficient and Johnson-Kendall-Roberts （JKR） surface energy. The steepest ascent test was then utilized to quickly determine the range of optimal parameter combinations for the simulated angle of repose. Subsequently， a quadratic regression equation linking the significance parameters to the angle of repose was established by Box-Behnken （B-B） test.

Results and Discussion With the optimization objective of minimizing the relative error between the experimental and simulated angle of repose， the optimal parameter combinations are as follows： density at 1 326 kg/m3， Poisson's ratio at 0.4， shear modulus at 0.67 GPa， coal-coal static friction coefficient at 0.72， coal-steel static friction coefficient at 0.41， coal-coal rolling friction coefficient at 0.107， coal-steel rolling friction coefficient at 0.095， coal-coal restitution coefficient at 0.5， coal-steel restitution coefficient at 0.15 and the JKR surface energy is 14 J/m2. The simulated angle of repose under the optimal parameter combination is determined to be 37.59°， with a mere 0.58% relative error from the experimental value of 37.81°. Additionally， the simulated bulk density is 717 kg/m3， with a mere 0.69% relative error from the experimental value of 722 kg/m3.

Conclusion 1） Among the calibrated parameters， the parameters that have a significant influence on the angle of repose are： coal-coal restitution coefficient， coal-coal rolling friction coefficient and coal-steel rolling friction coefficient in sequence. The influence of the coal-coal rolling friction coefficient on the angle of repose is particularly significant. 2） The primary terms of the three significant parameters， the quadratic terms of coal-coal restitution coefficient and coal-coal rolling friction coefficient， and the interaction terms of coal-coal restitution coefficient and coal-coal rolling friction coefficient have significant influence on the angle of repose. The influence of the primary terms of the coal-coal restitution coefficient and coal-coal rolling friction coefficient on the angle of repose are particularly significant. 3） The coal-coal restitution coefficient is negatively correlated with the angle of repose， while coal-coal and coal-steel rolling friction coefficients show a positive correlation with the angle of repose. Additionally， sputtering phenomena are observed to hinder particle packing. 4） The above simulation parameter combinations are only applicable to the simulation study of unscreened bituminous coals at a 5-fold enlargement of particle size. Since the primary terms of the coal-coal restitution coefficient and coal-coal rolling friction coefficient are known to have a particularly significant influence on the angle of repose， only the coal-coal restitution coefficient and coal-coal rolling friction coefficient need to be recalibrated using the same method when determining the simulation parameter combinations for unscreened bituminous coal at the remaining multiples of the particle size.

Keywords： bituminous coal; discrete element; angle of repose; particle scaling theory; calibration of parameter

（責任編輯：武秀娟）

收稿日期： 2023-11-08，修回日期：2023-11-30，上線日期：2024-01-14。

基金項目：國家自然科學基金項目，編號：52105466； 上海科委浦江人才計劃項目，編號：21PJ1404600。

第一作者簡介：梅瀟（1974—），女，副教授，博士，碩士生導師，研究方向為港口機械的結構設計與安全評估、焊接結構的現代設計方法和多相場仿真。E-mail： xiaomei@shmtu.edu.cn。