Modélisation et simulations résolues d'écoulement fluide-particules : du régime de Stokes aux lits fluidisés anisothermes

Modelling and resolved simulations of fluid-particles flow from the Stokes regime to anisothermal fluidised beds

• Auteur / Autrice : Edouard Butaye
• Direction : Adrien Toutant, Françoise Bataille
• Type : Projet de thèse
• Discipline(s) : Sciences de l'Ingénieur
• Date : Inscription en doctorat le 11/10/2021
• Etablissement(s) : Perpignan
• Ecole(s) doctorale(s) : École doctorale Énergie environnement
• Partenaire(s) de recherche : Laboratoire : PROcédés, Matériaux et Energie Solaire

Mots clés

Mots clés libres

Lits fluidisés

Écoulements anisothermes

Écoulements diphasiques

Dem

Pr-dns

Fluidized bed

Anisothermal flows

Two-phase flows

Dem

Pr-dns

Résumé

La méthode front-tracking du logiciel TrioCFD est une méthode puissante pour la simulation des écoulements diphasiques. Elle utilise un maillage mobile de surface qui représente explicitement les interfaces. Elle permet donc de décrire précisément la géométrie des particules ainsi que les interactions entre le fluide et les particules. Récemment, cette méthode initialement développée pour les écoulements liquide/gaz a été adaptée pour les écoulements fluide/particules. Les interactions particules/particules sont modélisées par des lois de collision (DEM). Le caractère indéformable des particules est obtenu grâce à une pénalisation par la viscosité. Pour simuler des écoulements denses fluide/particules, en représentant explicitement les particules, on a recours au calcul haute performance et on utilise plusieurs centaines de processeurs. En simulation numérique directe (SND), la bonne prise en compte du couplage fluide/particules nécessite des maillages avec au moins quarante mailles par diamètre de particules afin de bien capturer la sous-couche visqueuse (frottement) et la sous-couche conductive (transfert thermique fluide/solide). Ces simulations sont donc limitées à des cas de calculs académiques, avec un nombre de particules réduit. Pour réaliser des simulations avec plus de particules, et se rapprocher des applications, il est indispensable de réduire le coût des SND en introduisant des modèles sous-maille. Ainsi, on propose de développer pour les écoulements gaz-particules anisothermes un modèle de type simulation des grandes échelles SGE. Le nombre de mailles par diamètres de particules est alors de l'ordre de la dizaine. Pour ce faire, le doctorant constituera une base de données étendue de SND. Cette base de données sera utilisée pour l'assimilation automatique et la modélisation. Notons que pour les écoulements diphasiques, les termes sous-maille ne se limitent pas au tenseur de Reynolds. Du fait du saut des propriétés à l'interface fluide/solide, des termes supplémentaires spécifiques au diphasique apparaissent comme par exemple la corrélation viscosité – gradient de vitesse. A notre connaissance, il n'existe pas de modèle pour ces termes sous-maille spécifiques aux écoulements diphasiques anisothermes (Dupuy et al. 2019 ; David et al. 2021). Nous proposons d'adapter les modèles structurels qui utilisent des méthodes de déconvolution comme le modèle gradient ou le modèle de similarité d'échelles. Cette approche a donné de très bons résultats dans le cadre d'écoulements liquide/gaz (Toutant et al., 2008, 2009). Pour aller plus loin, on envisage de combiner plusieurs techniques de déconvolution. D'un point de vue pratique, les différents termes sous-maille seront d'abord hiérarchisés à l'aide de SND. Les termes prépondérants seront modélisés par des modèles structurels. Les paramètres de ces modèles seront déterminés par apprentissage automatique. Enfin, des tests a posteriori seront réalisés pour évaluer les modèles proposés selon des configurations de lit fluidisés anisothermes.

The front-tracking method of the TrioCFD software is a powerful method for the simulation of two-phase flows. It uses a mobile surface mesh which explicitly represents the interfaces. It therefore makes it possible to precisely describe the geometry of the particles as well as the interactions between the fluid and the particles. Recently, this method initially developed for liquid / gas flows has been adapted for fluid / particle flows. Particle / particle interactions are modeled by collision laws (DEM). The undeformable nature of the particles is obtained by penalizing the viscosity. To simulate dense fluid / particle flows, by explicitly representing the particles, high performance computing is used and several hundred processors are used. In direct numerical simulation (DNS), proper consideration of the fluid / particle coupling requires meshes with at least forty cells per particle diameter in order to properly capture the viscous sub-layer (friction) and the conductive sub-layer (fluid/solid heat transfer). These simulations are therefore limited to cases of academic calculations with a reduced number of particles. To carry out simulations with more particles, and to get closer to applications, it is essential to reduce the cost of DNSs by introducing subgrid models. Thus, it is proposed to develop for anisothermal gas-particle flows a Large Eddy Simulation (LES) type model. The number of cells per particle diameter is then of the order of ten. To do this, the doctoral student will build an extensive DNS database. This database will be used for automatic assimilation and modeling. Note that for two-phase flows, the subgrid terms are not limited to the Reynolds tensor. Due to the jump in properties at the fluid / solid interface, additional terms specific to two-phase flows appear, for example the viscosity - velocity gradient correlation. To the best of our knowledge, there is no model for these subgrid terms specific to anisothermal two-phase flows (Dupuy et al., 2019; David et al., 2021). We propose to adapt structural models that use deconvolution methods such as the gradient model or the scale similarity model. This approach has given very good results in the context of liquid / gas flows (Toutant et al., 2008, 2009). To go further, we plan to combine several deconvolution techniques. From a practical point of view, the different subgrid terms will first be hierarchized using DNS. The dominant terms will be modeled by structural models. The parameters of these models will be determined by machine learning. Finally, a posteriori tests will be carried out to evaluate the models proposed according to anisothermal fluidized bed configurations.