探索气液、气液固微反应器流动特性

探索气液、气液固微反应器流动特性

ID:35123535

大小:2.65 MB

页数:71页

时间:2019-03-19

探索气液、气液固微反应器流动特性_第1页
探索气液、气液固微反应器流动特性_第2页
探索气液、气液固微反应器流动特性_第3页
探索气液、气液固微反应器流动特性_第4页
探索气液、气液固微反应器流动特性_第5页
资源描述:

《探索气液、气液固微反应器流动特性》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、天津大学硕士学位论文气液、气液固微反应器流动特性姓名:罗道威申请学位级别:硕士专业:化学工艺指导教师:李(韦华)20061201中文摘要微通道中多相流动压降是微反应器设计与放大必需的重要参数,而微通道中多相流动压降又与流型密切相关。近年来,人们对微通道中气液两相流动特性进行了较深入的研究,但尚未很好地解决流型的划分与压降准确预测的问题;而对于微通道中气液固三相流动特性的研究尚未见文献报道。本文在内径400um的玻璃圆形微通道中,进行了气液两相和气液固三相流动特性的研究。实验过程中液相为水、乙醇、两种不同浓度的CMC水溶液,气相介质为氮气,固相为纳米二氧化硅。实验

2、中通过高速摄像,在两相流和三相流均观测到了泡状流、弹状流、弹.环形状流、扰动流和环形流等流型。以w吣、WeGS、Rez.s、Reos、尝为输入参数,采用BP神经网络可以很好地预测微通道内的气液两相流的流型,辩识率为96.7%;以WepsLS、Weas、RepSLSiReos、五P了G、帆为输入参数,采用BP神经网络可以很好地预测微通道内的气液固三相流的流型,辩识率为97.8%。利用神经网络的分区结果,对气液微通道中各区压降预测公式进行了研究,得到了如下结果:在扰动流、泡状流区域,选用平均动能法能很好地预测流动压降,平均动能法中的比例系数被修正为:12'=0.03

3、87EXP(0.0021木爿;在弹状:’.“G流区,采用Kreutzer等【74】的压降预测公式和神经网络预测弹状长度相结合,可以较好地预测该区域的压降;在弹.环状流区,Dllklcr模型在与弹状流与弹.环状流转换区域得到了很好的结果,平均动能法在弹.环状流和环状流之间的转换区域得到了很好的预测结果;在环状流区域,采用基于气相乘数①乙的方法可以很好地预测流动压降。对气液固微通道中各区压降预测中,挠动流、泡状流、弹状流和弹.环状流区,选用平均动能法能很好地预测流动压降,平均动能法中的比例系数被修正为a--0.015,其与二氧化硅质量含量无关;在环状流区域,采用的是

4、基于气相乘数①乙的方法来预测流动压降。关键词:微通道气.液两相流气.液.固三相流压力降流型ABSTRACTMulti-phaseflowpressuredropinmicrochannelsisanimportantparametertodesignandscaleupofmicroreactors.Flowpatternsinmicrochannelsgreatlyinfluencethismulti-phaseflowpressuredrop.Althoughgas-liquidtwo-phaseflowpropertiesinmicrochannelsha

5、vebeenextensivelystudiedrecently,itisnotsolvedyettoclassifytherelatedflowpatternsandtOpredictthepressuredropaccurately.SofarnoreportWasfoundabouttheflowpreopertiesofthree-phaseflowinmicrochannels.Inthethesistwo-phaseandthree-phaseflowpropertieswerestudiedin.microchannelswiththediamet

6、erof400um.Theliquidphaseusedwaswater,ethanol,CMCaqueoussolutionwithtwodifferentconcentrations,thegasphasewasni仃ogen,andthesolidWassilicananoparticles.Flowpatterns,suchasbubbly,slug,slug-annular,chumandannularflow,wererecordedforbothtwo-phaseandthree-phasethroughhigh-speedphotography.

7、BPneuralnetworkwasprovedtopredictthetwo-phaseflowpatternsinmierochannelsusingWezs、Weas、ReLs、Reosand盖asinputparameters,itsidentifiedaccuracyis96.7%.Whileforthree-phaseflowinmicrochannels,BPneuralnetworkCanalsopredictflowpatternswithanidentifiedaccuracy97.8%usingWepsLs、Weos、Rees嬲、Reas、

8、石PG、wsasinpu

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。