探析分散颗粒增强气液传质机理及模型研究

《探析分散颗粒增强气液传质机理及模型研究》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、天津大学博士学位论文分散颗粒增强气液传质机理及模型研究姓名：张丹申请学位级别：博士专业：化学工程指导教师：周明20060101天津大学博士学位论文中文摘要分散颗粒增强气液传质是化工过程的强化手段之一，本文对分散颗粒(包括分散固体颗粒与分散液滴)增强气液传质的机理及模型进行研究。提出分散颗粒增强物理吸收的机理包括传输作用和流体力学作用，并建立了三维非稳态非均相非规则分布多粒子双机理模型(刀珊彻Model)。在HH玎、回模型前，分别建立了空白溶液模型和一维、二维或三维，单颗粒或多颗粒，点颗粒或真实颗粒的传质模型。通过对空白溶液模拟得出合理的计算渗透膜厚度为2√石Df，并重新定义增强因子。

2、单颗粒或多颗粒模型得到的各参数对传质增强的影响与文献中模型预测趋势一致。考虑分散颗粒在计算微元内具有随机分布，可迸～步得出：不同颗粒位置分布可得到不同的总增强因子；不同位置处的分散颗粒对总增强因子的贡献率不同，可以用颗粒屏蔽系数来研究多颗粒体系中各分散颗粒间的关系。相比较一维和二维模型，三维模型中颗粒的屏蔽系数最小，因此在三维模型中应该考虑大量颗粒对总增强因子的贡献。TIHIND模型可以考察计算单元中大量颗粒对增强因子的贡献，模拟结果表明：1)颗粒具有不同随机函数种子时，计算出的增强因子平均相对误差约为5％；2)分散颗粒浓度较高时，会使基本增强因子毛

3、0)同样可能具有较高的增强因子；4)接触时间和扩散系数对增强因子具有非单调的影响趋势：5)增强因子随分散颗粒浓度增加可能存在峰值；6)可能存在直接的气体．分散液滴接触；7)初始待传质组分浓度影响分散颗粒的传质增强作用。应用文献数据对TIHIND模型进行验证表明，预测的增强因子与实验观测值具有很好的一致性。TIHIND模型还具有如下优点：1)对气．液．固和气．液．液体系均适用；2)可以合理解释固．液体系中增强因子随分散固体颗粒浓度增加而降低，和液．液体系中增强因子随分散液滴浓度增加而升高的现象；3)可以预测实验中的最小增强因子以及增强因子随实验时间的变化。应用与TIHIND模型同样的分

4、散颗粒增强气液传质机理，并进行适当的简化，建立了通用增强因子模型(GjE脚)。GEFM同样既适用于分散固体颗粒，又适用于分散液滴体系，且相对于TIHIND模型，GJ吁M运算简洁，能够在简单实验数据的基础上，快速预测出分散颗粒体系的气液传质增强因子。通过异丁烯与氢气在水中的吸收实验初步验证了上述的机理与模型。关键词：气液传质，多相体系，增强因子，过程模拟天津大学博士学位论文Gas-liquidmasstransferenhancementbydispersedparticlesisanimportantintensificationmethodofchemicalengineering

5、process．Thispaperstudiesgas-liquidnlasstransferenhancementmechanismandcorrespondingmodels．Aunitedmechanism，includingshuttleeffectandhydrodynamiceffect，hasbeenproposedtodevelop1，2or3dimensionalsingle(ormulti)point(orreal)particle(s)modelsandathree-dimensionalinstationaryheterogeneousirregularly-

6、distributednumerous-particledi-mechanism(TIHIND)model．Gasabsorptioninblanksolutionsimulationgivesareasonablecomputedunitcellofsystem(24万Dr)andenhancementfactordefinition．Insingle(ormulti)particle(s)models，thegrazingorshuttleeffectisappliedasmasstransferenhancementmechanism．Usingsingle(ormulti)p

7、article(s)modelsinthiswork，theeffectsofdistanceofparticletogas·liquidinterfaceandpartitioncoefficientbetweencontinuousliquidanddispersedparticlesonmasstransferenhancementareconsistentwiththoseinpreviousmodels．Witharandomparticledi