Rosin-Rammler液滴粒径分布

转自:微信公众号 cfd之道

用来自记!!!!!
转载链接:https://mp.weixin.qq.com/s/nhDoHNsTwenXZNBYkDVoVg

在液体喷雾过程中,常利用Rosin-Rammler方法来描述液滴粒径分布。

本文内容来自Fluent UserGuide 25.3.14。

Rosin-Rammler方法利用以下方式描述粒径与质量分数之间的函数关系:

img

齐总\bar{d}为平均粒径(Mean Diameter),n为尺寸分布指数(Spread Parameter)。

通过将粒径分布数据拟合到Rosin-Rammler方程中,可以很容易地定义粒度分布。在这种方法中,完整的粒径范围被划分为一组离散的粒度范围。例如,假设粒径数据服从以下分布:

粒径范围(微米)质量分数
0~700.05
70~1000.1
100~1200.35
120~1500.3
150~1800.15
180~2000.05

首先需要处理表中的数据,以累积质量分数的形式显示:

粒径(微米)超过粒径的质量分数
700.95
1000.85
1200.50
1500.20
1800.05
2000

将表显示成散点图,如下图所示。

img

利用Rosin-rammler函数拟合上面的数据。这种非线性估计极为麻烦,曲线拟合常常失败。可以采用python对上表中的数据进行拟合。

import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
x = np.array([70,100,120,150,180,200])
y = np.array([0.95,0.85,0.5,0.2,0.05,0])

# 防止对0取对数,故去掉最后一个元素
xx = np.array([70,100,120,150,180])
yp = np.array([0.95,0.85,0.5,0.2,0.05])

yy= np.log(yp)

'''
指定的公式,两边取对数然后拟合
'''
def func(x,a,b):
    return -np.power(x/a,b)
popt, pcov = curve_fit(func, xx, yy)#函数拟合

# 绘制图形
xx = np.linspace(70,200,num=50)
yvals=np.exp(func(xx,popt[0],popt[1]))
plot1=plt.plot(x, y, 'o',c='r',label='original values')
plot2=plt.plot(xx, yvals, 'b',linewidth=2,label='$fit: Y_d = e^{-(\\frac{d}{%5.5f})^{%5.5f}}$' % tuple(popt))
plt.xlabel('diameter(μm)')
plt.ylabel('mass fraction')
plt.legend(loc=1)
plt.show()

拟合结果如图所示:

img

可看到拟合的系数a=134.247,b=3.7794。这里为了防止对0取对数而丢失了一个点的信息。

img

Fluent中采用另外一种估算方案。

先估算平均粒径。当粒径为平均粒径时,此时质量分数:

img

此时线性插值得到平均粒径:

img

可得到平均粒径d=133.2μm。

有了平均粒径,即可代入公式:

img

将表中的粒径d代入公式中,求解得到多个n,再计算其平均值即可得到分布指数。

粒径质量分数n
700.954.682585
1000.856.5445
1200.53.845475
1500.23.722698
1800.053.53755
2000
平均值4.466562

可得到平均分布指数n=4.466562.

img

    |

| | 平均值 | 4.466562 |

可得到平均分布指数n=4.466562.

[外链图片转存中…(img-SGpXEVvs-1601943704493)]

看图形拟合得还不错。当然如果想要硬生生的拟合,也并不是不可以,不过搞起来麻烦一点罢了,不管从哪个角度来讲,非线性拟合的复杂程度总是要大于代数计算。

  • 14
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Rosin-Rammler分布是一种常用的粒径分布函数,常用于颗粒物质的分析和设计。它可以用于描述颗粒物质的粒径在不同区间内的分布情况。 在拟合Rosin-Rammler分布时,首先需要收集样本数据,即颗粒物质在不同粒径区间的数据。这些数据可以通过实验测量或其他方式获得。然后,根据收集到的数据,确定相关参数。 一般来说,Rosin-Rammler分布函数的形式为: f(x) = 1 - exp(-((x/xm)^n)) 其中,f(x)为粒径为x的颗粒物质的累积百分比,xm为分布曲线的中间点,n为分布曲线的形状参数。这些参数需要通过拟合来确定。 一种拟合Rosin-Rammler分布的常用方法是最小二乘法。该方法通过最小化实际数据与理论曲线之间的差异来确定参数值。具体步骤如下: 1. 假设初始参数值,通常可以根据经验或领域知识进行选择。 2. 将初始参数值代入Rosin-Rammler分布函数,并计算出对应的理论曲线。 3. 计算实际数据与理论曲线之间的差异,可以使用均方根误差等指标进行度量。 4. 根据差异,调整参数值,逐步减小差异。 5. 重复步骤2至4,直到差异最小,即实际数据与理论曲线吻合度最高,参数值收敛。 需要注意的是,在拟合的过程中,可以采用不同的优化算法来找到最佳参数值。最常用的算法之一是Levenberg-Marquardt算法。 当参数值确定后,就可以使用Rosin-Rammler分布函数来预测或分析颗粒物质的粒径分布情况。 总的来说,拟合Rosin-Rammler分布需要收集实际数据,确定参数值,并通过拟合方法来求解最佳参数值,从而得到颗粒物质的粒径分布函数。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值