使用 EDEM 仿真和機器學習優化回轉式烘干機

回轉式烘干機是各工業流程中必不可少的部件，該系統的熱機械行為尚未完全了解，設備設計在很大程度上是經驗性的，能源效率低下和可靠性欠佳是常見的問題。

在這種情況下，基于 EDEM 離散元的物理高保真虛擬原型制作和優化可以提供一種快速且高效的工作流程。

本文介紹了一種高效的虛擬優化方法，該方法在Inspire、SimLab、EDEM 和 AcuSolve 中集成了 CAD 建模、幾何參數化和基于物理的高保真仿真，并在 HyperStudy 中集成了機器學習優化和自動化快速確定回轉式烘干機的最佳設計和運行條件。

仿真工作流程

當烘干機旋轉時，揚料板會產生一種受揚料板角度影響的簾幕效果。當熱空氣流和顆粒質量取得良好平衡時，允許流體和顆粒之間有更大的接觸，從而實現有效干燥。

該案例優化的目的是為給定的一組氣流特性確定一個最佳的揚料板角度，以提高其干燥效率。

圖1：EDEM仿真與機器學習相結合優化回轉式烘干機

使用Inspire進行幾何參數化

回轉式烘干機的設計優化從幾何參數化開始，該參數化在 Inspire 中進行。

設計參數空間是通過為草圖和幾何工具分配變量來定義的，Inspire 中的變量管理器用于更新這些參數值以更改設備的設計。

圖 2 為 CAD 參數空間，側重于揚料板的幾何形狀，它會影響顆粒的運動，從而影響干燥速率。右圖顯示了變量更改后產生的不同揚料板設計配置。

圖2：Inspire 幾何參數空間（左）及不同揚料板設計（右）

使用EDEM 進行顆粒系統仿真

EDEM 是一款市場領先的離散元仿真軟件，專用于工業散裝顆粒系統的研究。

對于該案例模擬，使用 EDEM 中的 GEMM 數據庫作為起點，根據實際值創建自定義的未校準 EDEM 材料模型。對于實際物料應進行校準或使用過往項目已完成校準的物料模型。

將設備 CAD 模型導入 EDEM 后對設備進行運動定義。

對于顆粒和顆粒之間的相互作用，通過添加熱傳導和噴涂附加模型，模擬傳熱和傳質過程。

為了提高計算效率，對該系統模型進行簡化處理。邊界顆粒流是使用 EDEM 記錄工廠從干燥過程的全模擬中傳輸而來的。如圖 3 所示，顆粒流在單個滾筒旋轉中以穩態記錄，并在簡化模型中以相同的頻率連續循環。

圖3：EDEM 模擬顆粒混合干燥過程

使用SimLab 進行多物理場建模

氣相在 SimLab 中建模，SimLab 是多物理場預處理器，此處用作 CFD 求解器 AcuSolve 的接口。

將烘干機 CAD 模型導入 SimLab，提取流體域。定義流體域后進行網格劃分，并設置邊界條件。

瞬態 AcuSolve 仿真將用于 EDEM-AcuSolve 雙向耦合仿真。但是，通常的做法是先運行穩態 Acusolve 單獨仿真，然后將其結果（壓力、速度等）用作瞬態仿真的初始條件。

在 EDEM 中打開耦合開關，定義 EDEM 時間步長、保存間隔、選擇性保存（可選）和求解器引擎后，在 Simlab 啟動 AcuSolve 耦合仿真計算。

圖4：CFD 流場溫度分析

使用 HyperStudy 生成 DoE

對參數空間進行采樣以進行統計分析或模型擬合的一種有用方法是使用 HyperStudy DoE 實驗設計功能。

該案例將涉及多個批處理腳本的模塊轉變成以下兩個更加簡潔有效的模型設置。

a) SimLab 模型– 導入 Inspire - CAD 數據庫，參數化給定設計配置的幾何變量，導出表面網格幾何結構，創建流體域并設置 CFD 工況，包括耦合求解和變量。

b) EDEM 模型– 導入 SimLab 導出的表面網格幾何圖形，并將 EDEM 與 AcuSolve 求解器耦合，執行 SimLab 生成的輸入文件。

EDEM-HyperStudy 連接器允許自定義 EDEM 變量，并接受求解器輸入參數。在 HyperStudy 中添加 SimLab 模型會導入所有可在 HyperStudy 中調整的幾何變量。

案例輸入參數空間為流速和揚料板角度，仿真評價該工藝性能指標為 EDEM 輸出的總蒸發速率。下圖為通過 HyperStudy DoE 功能生成的 11 個計算工況。

圖5：HyperStudy 生成 DoE 數據

使用HyperStudy 進行機器學習和優化

單目標優化

擬合響應模型用于使用 HyperStudy 的遺傳算法 - GA 進行快速優化。它可在幾秒鐘內評估數千個不同的參數組合并有效識別給定目標的全局最佳參數。

如圖 6 所示，以在固定流速下最大化蒸發速率為目標，通過 HyperStudy遺傳算法 - 單目標優化運行生成了單個揚料板角度最佳值。

與原始結構相比，由此產生的最佳揚料板角度導致的總蒸發速率增加3.8%，最大限度地提高了干燥效果。

圖6：HyperStudy 單目標優化結果

多目標優化

或者，HyperStudy 的多目標遺傳算法 - MOGA 可用于優化多個目標的參數組合（目標可以是互補的，也可以是相互競爭的）。在這種情況下，優化目標是最小化流速以節省能源，并最大限度地提高 EDEM 蒸發速率。

此外，可以將加權和方法應用于多目標優化運行，以收斂到一個最佳點。這是通過為目標分配權重來實現的，對應于它們的相對重要性。

通過改變目標的相對權重，我們可以針對“最節能”配置（通過增加“最小化流速”的權重）或“最大干燥”配置（通過增加“最大化蒸發速率”的權重）進行優化。加權和方法的結果如圖 7 中的 3-D 散點圖所示，其中標記了單個最佳點。

圖7：HyperStudy 多目標優化結果

總結

通過Inspire、EDEM、SimLab、AcuSolve 和HyperStudy 軟件工具的組合使用，將涉及顆粒-流體的復雜系統簡化到一個模型中，實現快速高效的虛擬優化。

如上文介紹的回轉式烘干機案例，僅僅對揚料板角度做了微小改變，卻使顆粒材料在傳熱處的流動性更好，蒸發速率提高了 3.8%，從而提高了烘干機的能源效率，這也展示出了利用這一工作流程優化的威力。

圖8：EDEM 蒸發速率

基于 EDEM 離散元仿真，允許進一步分析回轉式烘干機的運行情況：

- 優化轉速和其他運行參數，以最大限度地提高效率

- 預測不同揚料板結構對顆粒混合干燥過程的影響

- 深入了解不同起始水分含量水平下不同散裝物料的干燥條件

- 預測維護要求和系統磨損

- 深入了解真實規模的系統

仿真完成后，可以在 EDEM 中進行一些后處理以專注于顆粒系統分析，或在 CFD 中進行一些后處理以專注于氣流分析，或結合 HyperStudy 專注于參數虛擬優化。