ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ФРАКЦИОНИРОВАНИЯ ЧАСТИЦ МУЛЬТИВИХРЕВЫМ КЛАССИФИКАТОРОМ С ПОМОЩЬЮ ПРОГРАММНОЙ СРЕДЫ PYTHON НА ОСНОВЕ CFD-МОДЕЛИРОВАНИЯ: OVVFDZ

Оксана Сергеевна Дмитриева; Андрей Владимирович Дмитриев; Гузель Рамилевна Бадретдинова; Алан Алекович Валеев

doi:10.25712/ASTU.2072-8921.2026.01.031

Авторы

Оксана Сергеевна Дмитриева Казанский национальный исследовательский технологический университет https://orcid.org/0000-0001-6221-0167
Андрей Владимирович Дмитриев Казанский государственный энергетический университет https://orcid.org/0000-0001-8979-4457
Гузель Рамилевна Бадретдинова Казанский государственный энергетический университет https://orcid.org/0000-0002-5910-5312
Алан Алекович Валеев Казанский государственный энергетический университет https://orcid.org/0009-0009-2793-8553

DOI:

https://doi.org/10.25712/ASTU.2072-8921.2026.01.031

Ключевые слова:

фракционирование, классификатор, эффективность, аппроксимация данных, обработка данных, нейронная сеть

Аннотация

Эффективность сухих классификаторов зависит от правильности расчетов, выполненных при проектировании оборудования, выбора его конструктивного исполнения, условий настройки и эксплуатации. Современные методы численного анализа, а также методы обработки полученных данных с помощью нейронных сетей в Python позволяют наиболее точно и эффективного изучить процесс классификации. Целью работы является оценка эффективности фракцционирования частиц мультивихревым классификатором путем изучения набора ранее полученных данных на основе CFD-моделирования в Ansys Fluent и методов их обработки в Python. Были подобраны функции аппроксимации, наиболее адекватно описывающие зависимость эффективности работы разработанного классификатора от размера частиц и скорости их подачи. Определены поправочные коэффициенты функций и среднеквадратичное отклонение. Методом наименьших квадратов определяются коэффициенты четырех аппроксимирующих функций. Это модифицированная сигмоидальная функция с осцилляцией, комбинация экспоненциальных функций, рациональная функция с осцилляцией и функция Гомперца с осцилляцией. Отмечена особенность изучаемых функций, в которых при скорости 12 и 16 м/с коэффициенты аппроксимации определяются с ошибкой. Для больших скоростей подачи частиц в классификатор наблюдается рост значения СКО, поэтому был написан код в Python для увеличения количества данных, необходимых для анализа. Прогнозирование с использованием функции Гомперца с осцилляцией демонстрирует наименьшее значение СКО в диапазоне значений 0,0163–0,0376 для исследуемых условий скорости подачи воздуха 2–16 м/с и частиц диаметром от 5 до 100 мкм. Оценки погрешности аппроксимации, полученные с помощью решения сигмоидальной функции с осцилляцией, демонстрируют неудовлетворительные результаты. Полученные данные предоставляют практический интерес для прогнозирования их связи с геометрическими размерами мультивихревого классификатора и технологическими параметрами. Это позволит подобрать и спроектировать классификатор по разным признакам в соответствии с техническим заданием на проектирование.

Библиографические ссылки

Рыбалко Р.И., Кралин А.К. Исследование рабочих процессов аэродинамической классификации сыпучих материалов в двухстадийном сепараторе // Современное промышленное и гражданское строительство. 2016. Т. 12. № 2. С. 59–69.

Терехова О.Н., Дуюнова Я.С. Пневмоцентробежная классификация дисперсных частиц в процессе переработки зерна в муку // Техника и технология пищевых производств. 2024. Т. 54. № 1. С. 124–134. doi: 10.21603/2074-9414-2024-1-2494.

Разработка классификатора с соосно расположенными трубами для разделения сыпучего материала на основе силикагеля / В.Э. Зинуров [и др.]. // Ползуновский вестник. 2021. № 2. С. 205–211. doi: 10.25712/ASTU.2072-8921.2021.02.029.

Турубаев Р.Р., Шваб А.В. Моделирование аэродинамики закрученного турбулентного течения и процесса классификации частиц в вихревой камере // Инженерно-физический журнал. 2022. Т. 95. № 5. С. 1248–1256.

Влияние поперечной неоднородности потока газа на кривую разделения гравитационного классификатора / Е.А. Шуина [и др.]. // Вестник Ивановского государственного энергетического университета. 2015. № 5. С. 60–63. doi: 10.17588/2072-2672.2015.5.060-063.

Моделирование и оптимизация регулярных многоступенчатых многопродуктовых гравитационных классификаторов / В.П. Жуков [и др.]. // Вестник Ивановского государственного энергетического университета. 2023. № 4. С. 77–84. doi: 10.17588/2072-2672.2023.4.077-084.

Separation efficiency of alumina particles in Al melt under high frequency magnetic field / Q.T. Guo [et al.]. // Transactions of Nonferrous Metals Society of China. 2010. Vol. 20. № 1. P. 153–157. doi: 10.1016/S1003-6326(09)60113-8.

Narrowing particle size distributions to enhance powder coating performance by improved classifying / X. Zhu [et al.]. // Powder Technology. 2024. Vol. 435. Article 119443. doi: 10.1016/j.powtec.2024.119443.

Fine particle sorting and classification in the cyclonic centrifugal field / P. Fu [et al.]. // Separation and Purification Technology. 2016. Vol. 158. P. 357–366. doi: 10.1016/j.seppur.2015.12.044.

Промышленные испытания фракционирования сыпучего материала в мультивихревом классификаторе-сепараторе / В.Э. Зинуров [и др.]. // Вестник технологического университета. 2022. Т. 25. № 4. С. 58–63. doi: 10.55421/1998-7072_2022_25_4_58.

Зинуров В.Э., Дмитриев А.В., Дмитриева О.С. Влияние конструктивного оформления мультивихревого классификатора-сепаратора на эффективность разделения порошка на основе силикагеля // Химическое и нефтегазовое машиностроение. 2022. № 9. С. 23–27.

Бизли Д. Python. Подробный справочник. СПб.: Символ-Плюс, 2010. 864 с.

Torres F.J. Estimation of parameters of the shifted Gompertz distribution using least squares, maximum likelihood and moments methods // Journal of Computational and Applied Mathematics. 2014. Vol. 255. P. 867–877. doi: 10.1016/j.cam.2013.07.004.

Rybalko, R.I. & Kralin, A.K. (2016). Researches of air classification of bulk materials in dry grinding aggregates in the two-stage separator. Sovremennoe promyshlennoe i grazhdanskoe stroitel'stvo, 12(2), 59–69. (In Russ.).

Terekhova, O.N. & Duyunova, Ya.S. (2024). Pneumocentrifugal classification of dispersed particles during grain milling. Tekhnika i tekhnologiya pishchevykh proizvodstv, 54(1), 124–134. (In Russ.). doi: 10.21603/2074-9414-2024-1-2494.

Zinurov, V.E., Madyshev, I.N., Ivakhnenko, A.R. & Petrova, I.V. (2021). Development of a classifier with coaxially arranged pipes for the separation of bulk material based on silica gel. Polzunovsky vеstnik, (2), 205–211. (In Russ.). doi: 10.25712/ASTU.2072-8921.2021.02.29.

Turubaev, R.R. & Shvab, A.V. (2022). Simulation of the aerodynamics of a swirling turbulent flow and of the process of classification of particles in a vortex chamber. Journal of Engineering Physics and Thermophysics, 95(5), 1230–1238.

Shuina, E.A., Mizonov, V.E. & Misbakhov, R.Sh. (2015). Influence of gas flow nonhomogeneity on the grade efficiency curve of gravity classifier. Vestnik Ivanovskogo gosudarstvennogo energeticheskogo universiteta, (5), 60–63. (In Russ.). doi: 10.17588/2072-2672.2015.5.060-063.

Zhukov, V.P., Belyakov, A.N., Ogurtsov, A.V., Shmelev, A.S., Barakovskikh, D.S. & Shuvalov, S.I. (2023). Modeling and optimization of regular multistage multiproduct gravity classifiers. Vestnik Ivanovskogo gosudarstvennogo energeticheskogo universiteta, (4), 77–84. (In Russ.). doi: 10.17588/2072-2672.2023.4.077-084.

Guo, Q.T., Hong, C.P., Cao, Z.Q., Zhang, Z.T., Li, T.J. & Jin, J.Z. (2010). Separation efficiency of alumina particles in Al melt under high frequency magnetic field. Transactions of Nonferrous Metals Society of China, 20(1), 153–157. doi: 10.1016/S1003-6326(09)60113-8.

Zhu, X., Liu, W., Zhang, H., Zhang, H. & Zhu, J. (2024). Narrowing particle size distributions to en-hance powder coating performance by improved classifying. Powder Technology, 435, 119443. doi: 10.1016/j.powtec.2024.119443.

Fu, P., Wang, F., Ma, L., Yang, X. & Wang, H. (2016). Fine particle sorting and classification in the cyclonic centrifugal field. Separation and Purification Technology, 158, 357–366. doi: 10.1016/j.seppur.2015.12.044.

Zinurov, V.E., Dmitriev, A.V., Dmitrieva, O.S. & Moiseeva, K.S. (2022). Industrial fractionation tests of bulk material in a multi vortex classifier separator. Vestnik tekhnologicheskogo universiteta, 25(4), 58–63. (In Russ.). doi: 10.55421/1998-7072_2022_25_4_58.

Zinurov, V.E., Dmitriev, A.V. & Dmitrieva, O.S. (2023). Effect of the design of a multi-vortex classifier–separator on the separation efficiency of powder based on silica gel. Chemical and Petroleum Engineering, 58(9–10), 757–765. doi: 10.1007/s10556-023-01158-9.

Bizli, D. (2010). Python. Podrobnyy spravochnik. Simvol-Plyus, Saint-Petersburg, 864 s. (In Russ.).

Torres, F.J. (2014). Estimation of parameters of the shifted Gompertz distribution using least squares, maximum likelihood and moments methods. Journal of Computational and Applied Mathematics, 255, 867–877. doi: 10.1016/j.cam.2013.07.004.