Кинетика агрегации при седиментации. влияние диффузии частиц

Обложка

Цитировать

Полный текст

Аннотация

В работе исследуется кинетика агрегации седиментирующих частиц аналитически и численно при использовании уравнения переноса-диффузии. Агломерация, вызванная этими механизмами (диффузией и переносом), важна как для мелких частиц (например, для первичных частиц пепла или сажи в атмосфере), так и для крупных частиц одинакового или близкого размера, где пространственная неоднородность менее выражена. Аналитические результаты можно получить для малых и больших чисел Пекле, определяющих относительное соотношение диффузии и переноса. При малых числах (пространственная неоднородность существует преимущественно из-за диффузии), мы получаем выражение для скорости агрегации через разложение чисел Пекле. При больших числах Пекле, когда перенос является основным источником пространственной неоднородности, мы получаем скорость агрегации из баллистических коэффициентов. Комбинируя эти результаты, предлагается аппроксимация рациональной функцией для всего диапазона чисел Пекле. Оцениваются скорости агрегации, численно решая уравнение переноса-диффузии. При этом результаты численного моделирования хорошо согласуются с аналитической теорией для большого диапазона рассматриваемых чисел Пекле (разница между минимальным и максимальным рассматриваемыми числами составляет 4 порядка). Библ. 26. Фиг. 2.

Об авторах

Н. В. Бриллиантов

Сколковский институт науки и технологий; Универститет Лестера

Email: n.brilliantov@skoltech.ru
Россия, 121205, Москва, Большой бульвар, 30, стр. 1; Великобритания, LE1 7RH, Лестер, Университетская ул.

Р. Р. Загидуллин

Сколковский институт науки и технологий;
Факультет вычислительной математики и кибернетики МГУ

Email: zagidullinrishat@gmail.com
Россия, 121205, Москва, Большой бульвар, 30, стр. 1; Россия, 119991, Москва, ул. Колмогорова, 1, стр. 52

С. А. Матвеев

Факультет вычислительной математики и кибернетики МГУ; Институт вычислительной математики РАН им. Г.И. Марчука

Email: matseralex@cs.msu.ru
Россия, 119991, Москва, ул. Колмогорова, 1, стр. 52; Россия, 119333, Москва, ул. Губкина, 8

А. П. Смирнов

Факультет вычислительной математики и кибернетики МГУ

Автор, ответственный за переписку.
Email: sap@cs.msu.ru
Россия, 119991, Москва, ул. Колмогорова, 1, стр. 52

Список литературы

  1. Vowinckel B., Withers J., Luzzatto-Fegiz P., Meiburg E. Settling of cohesive sediment: particle-resolved simulations // J. Fluid Mech. 2019. V. 858. P. 5–44.
  2. Fischer A., Chatterjee A., Speck T. Aggregation and sedimentation of active Brownian particles at constant affinity // J. Chem. Phys. 2019. V. 150. № 6. P. 064910.
  3. Yang Y.-J., Kelkar A.V., Corti D.S., Franses E.I. Effect of Interparticle Interactions on Agglomeration and Sedimentation Rates of Colloidal Silica Microspheres // Langmuir 2016. V. 32. № 20 P. 5111–5123.
  4. Hongsheng Ch., Wenwei L., Zhiwei Ch., Zhong Zh. A numerical study on the sedimentation of adhesive particles in viscous fluids using LBM-LES-DEM // Powder Technol. 2021. V. 391. P. 467–478.
  5. Whitmer J.K., Luijten E. Sedimentation of aggregating colloids // J. Chem. Phys. 2011. V. 134. P. 034510.
  6. Pinsky M., Khain A., Shapiro M. Collision Efficiency of Drops in a Wide Range of Reynolds Numbers: Effects of Pressure on Spectrum Evolution // J. Atmos. Sci. 2001. V. 58. P. 742–766.
  7. Khodzher T.V., et al. Study of Aerosol Nano-and Submicron Particle Compositions in the Atmosphere of Lake Baikal During Natural Fire Events and Their Interaction with Water Surface // Wat. Air and Soil Poll. 2021. V. 232. P. 266.
  8. Zhamsueva G., et al. Studies of the Dispersed Composition of Atmospheric Aerosol and Its Relationship with Small Gas Impurities in the Near-Water Layer of Lake Baikal Based on the Results of Ship Measurements in the Summer of 2020 // Atmosphere. 2022. V. 13. P. 139.
  9. Shahad H.A.K. An experimental investigation of soot particle size inside the combustion chamber of a diesel engine // Energy Convers. Manag. 1989. V. 29. P. 141–149.
  10. Krapivsky P.L., Redner A., Ben-Naim E. A Kinetic View of Statistical Physics. Cambridge: Cambridge University Press, 2010.
  11. Leyvraz F. Scaling theory and exactly solved models in the kinetics of irreversible aggregation // Phys. Rep. 2003. V. 383. P. 95–212.
  12. Smoluchowski M.V. Attempt for a mathematical theory of kinetic coagulation of colloid solutions // Z. Phys. Chem. 1917. V. 92. P. 265–271.
  13. Higashitani K., Ogawa R., Hosokawa G., Matsuno Y. Kinetic Theory of Shear Coagulation for Particles in a Viscous Fluid // J. Chem. Eng. Japan. 1982. V. 15. № 4. P. 299–304.
  14. Saffman P.F., Turner N.F. On the collision of drops in turbulent clouds // J. Fluid Mech. 1956. V. 1. № 1. P. 16–30.
  15. Falkovich G., Fouxon A., Stepanov, M. Acceleration of rain initiation by cloud turbulence // Nature. 2002. V. 419. P. 151.
  16. Falkovich G., Stepanov M.G., Vucelja M. Rain Initiation Time in Turbulent Warm Clouds // J. Appl. Meteor. Climatol. 2006. V. 45. P. 591.
  17. van de Ven T.G.M., Mason S.G. The microrheology of colloidal dispersions VIII. Effect of shear on perikinetic doublet formation // Colloid Polym. Sci. 1977. V. 255. № 8. P. 794–804.
  18. Melik D.H., Fogler H.S. Effect of gravity on Brownian flocculation // J. Colloid Interface Sci. 1984. V. 101. № 1. P. 84–97.
  19. Feke D.L., Scjowalter W.R. The effect of Brownian diffusion on shear-induced coagulation of colloidal dispersions // J. Fluid Mech. 1983. V. 133. P. 17–35.
  20. van Kampen N. Stochastic Processes in Physics and Chemistry. Amsterdam: Elsevier, 1992.
  21. Tikhonov A.N., Samarsky A.A. Equations of mathematical physics. New York: Dover Publications, 2013.
  22. Andrianov I., Shatrov A. Padé Approximants, Their Properties, and Applications to Hydrodynamic Problems // Symmetry. 2021. V. 13. P. 1869.
  23. Brezinski C. History of Continued Fractions and PadГ© Approximants. Berlin: Springer, 1991.
  24. Reed C.C., Anderson J.L. Hindered settling of a suspension at low Reynolds number // AIChE J. 1980. V. 26. № 5. P. 816–827.
  25. Samarskii A.A., Vabishchevich P.N Computational heat transfer. New York: John Wiley and Sons, 1995.
  26. Davis T.A. Algorithm 832 // ACM Trans. Math. Softw. 2004 V. 30. № 2 P. 196–199.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2.

Скачать (136KB)
3.

Скачать (49KB)

© Н.В. Бриллиантов, Р.Р. Загидуллин, С.А. Матвеев, А.П. Смирнов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».