离散元素方法技术

一种对颗粒或微粒材料建模的离散元素方法，该方法包括多重栅格搜索方法，该多重栅格搜索方法是阶层的栅格搜索方法，其中诸如微粒和边界元素的实体基于尺寸被分配给相应栅格的单元。该搜索方法还包括：(a)在第一栅格层中执行单元搜索以确定满足被纳入到邻居列表的预定标准的实体对，对于该邻居列表来说，两实体均属于第一栅格层；(b)将第一栅格层中的每个非空单元映射至其它栅格层中的每一个，确定其它栅格层中的每一个中的相邻单元并确定属于满足纳入到邻居列表中的预定标准的层对的所有实体对；以及(c)对于所有栅格层重复(a)和(b)。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及离散元素过程。具体地说，本专利技术涉及用于对颗粒或微粒材料建模的。背景(DEM)是由计算机系统执行的过程，该过程允许预测颗粒(微粒)材料的流动和结构。与该过程关联的主要物理现象是圆锥花序(panicle)之间以及微粒和固体(例如设备)之间的碰撞。过程 的应用示例包括但不局限于:(i)矿石加工中岩石的粉碎和研磨，其中为提高过程效率、生产率和设备设计并降低设备磨损，由该过程产生的数据提供关于微粒的流动和破裂的信息。(ii)用于食品、塑料、药品和家用产品制造的粉末和细粒的混合，其中为改善混合过程和设备设计，由该过程产生的数据提供关于流动、混合、微粒生长、破裂和结块的信息；(iii)微粒通过加工设备的传输和流动，其中由该过程产生的数据提供用来理解和优化设备设计的信息；(iv)采掘和挖掘，其中由该过程产生的数据提供用于提高效率的信息；(V)岩石切割和粉碎，其中该信息被用来提高切割效率并降低设备磨损；(vi)山崩和泥石流，其中由该过程产生的数据提供用于计划、减轻和灾难响应管理的 目息。在DEM模拟中将存在许多微粒，每种微粒具有特定的属性，例如尺寸、形状、密度和碰撞特性。也经常存在边界对象，它们可能具有任意复杂的形状，尤其表征为表面网眼或由例如线、平面、圆柱、圆弧等经修整的几何图元表征。基本DEM过程通过时间推进而继续，其中系统经一小的时间增量从一种已知状态演化至新的一种状态，并产生所有状态信息的更新。存在三种要素:(i)确定哪些微粒是接触的；(ii)对于与其它微粒或边界接触的那些微粒，计算它们之间的力；以及( iii )对微粒和对象上的净力和扭矩求和并对它们的运动求积分以预测新的位置、取向、速度和旋转。用于确定哪些微粒是接触的过程可能是方法的非常复杂和计算成本昂贵的部分，因此已研发出特定的手段来将这些成本降低至可管理的水平。最简单的方法(其成本在N2的数量级，其中N是微粒数目)是在每个时间步简单地检查可能的接触对中的每个对。对于小值的N(即〈1000)，这是可行的但效率非常低。对于较大的模拟，接触检测的成本需要在N数量级以使模拟变得可行。这可通过较不频繁地执行接触中的微粒搜索并在搜索期间通过建立从搜索时间起在特定时间周期内可能碰撞的实体对的列表(边界对象的微粒或部分)来达成。这有时被冠名为邻居列表或邻近列表或相互作用列表。在每个时间步，仅针对邻居列表中的多对实体执行接触检测。指定主体的最小间隔以包含在此邻居列表中。关于微粒速度和最小间隔的信息可被用来估计列表有效的最小持续时长。这意味着不处于邻居列表中的实体之间是不可能发生任何碰撞的。如此，在每个时间步只需要检查这些对，由此产生可观的节省，当超过该有效周期时，没有首先检测到接触的话，该过程无法保证这些实体不重叠。该邻居列表随后需要被更新。典型地，这是通过执行新的搜索来完成的。DEM过程因此可使用两个嵌套环。外环控制搜索定时和邻居列表的结构/或更新。对于邻居列表的每种体现，内环使一系列时间步被执行，从而使用列表使系统随时间前行，以提供诸个对来对其检查接触以及针对接触的那些进行后续计算。然后对力求和并对微粒和对象运动求积分。在图1中为清楚起见针对给定模拟环境示出这一 DEM模拟过程的原理，该给定模拟环境具有包括如前列出的预定属性的微粒的混合物，并具有预定的边界对象(例如例如容器壁)。·首先，在步骤102针对时间t = O确定模拟中的每个微粒的最初位置(包括单元地点)、取向、速度和旋转。在步骤104，邻居列表被如前所述地确定以包括多对实体(微粒或边界对象)。在步骤106，考虑邻居列表中的实体对以判断在时间t它们是否相互接触。对于彼此接触的每对实体，在步骤108计算实体上的净力和它们的扭矩，并在步骤110求积分以确定所考虑实体的新位置、取向、速度和旋转。在步骤112，时间t递增，并且在步骤114，将t与邻居列表的有效周期比较以确定该周期是否已届满。如果已届满，则过程返回到步骤104并重复搜索可能相互作用的实体；如果尚未届满，则过程返回步骤106并重复步骤106-114。为完整起见需要注意，除针对DEM方法计算出的碰撞力外，可纳入附加的力来表征其它因素的影响，例如间隙泥衆(interstitial slurry)、微粒间聚合、电磁效应和其它体积力。这些力被加至碰撞力以给出关于微粒的净力，这些净力被用于牛顿等式的求积分以预测微粒和对象的运动。此外，附加地，为了确定微粒和对象的运动，DEM方法也涉及基于运动产生输出，这些输出被用于理解和描述被建模的过程。这些包括但不仅限于，预测能量流动和耗散、边界对象上的磨损、微粒的破裂和生长以及关于混合和隔离的信息。在DEM方法中，微粒可在数量上改变并且其属性可能随时间改变。这些可能源自流入和流出计算域、微粒的破裂、破坏和形成微粒的过程、结块、侵蚀和形状改变。在图1的步骤104执行的许多搜索方法已被研发出并多数依赖于使用栅格以执行微粒和边界对象的部分的定位。一些依赖于阶次列表(ordered list),另外一些依赖于树子分集而其余一些依赖于建立网眼(mesh)(例如通过Voronoi镶嵌图)。典型地,非栅格方法不是阶次N，但近场是阶次N log (N)，这使它们不适用于大规模的DEM模拟。基于栅格的搜索使用规则的方形栅格(二维的)和立方单元(三维的)，它们覆盖在微粒和对象之上。这些实体(微粒和对象组件)被映射到栅格单元并针对每个栅格单元以某一形式的结构存储。在给定单元中的微粒的邻居可通过检查位于相邻单元内的实体来寻找。由于已知单元的邻居单元是容易识别的，因此栅格将来自整个解空间的搜索定位到已知和识别出的子集，这些子集的内容是易于识别的。当使用栅格时要作出的主要判断是拟使用的单元尺寸和任何单元周围需要对邻居进行检查的单元数目。存在三个主要选项:(I)单元尺寸足够小以使模拟中的最小微粒只堪配合到该单元中。这确保了每单元只有一个微粒存在并因此将微粒存储在单元中非常简单。当寻找微粒的邻居时，必须通过检查所有边上的足够单元来执行搜索，因此能检测到在足够靠近乃至成为邻居的包含系统中最大微粒的任何单元。需要被搜索的物理距离受实体尺寸之和(即球形微粒的微粒半径之和)控制。这种手段的弱点在于，随着微粒尺寸比或多散布(poly-dispersity)的程度(其表示最大和最小微粒之间的比)增加，覆盖该物理搜索空间的单元数目变得非常大。例如，以100:1尺寸比，最大微粒将在每个方向上覆盖在100个单元周围。最坏的情形是两个毗邻的大尺寸微粒。这需要搜索3003尺寸的单元立方体(或27000000个单元)。这需要重复寻找栅格中的每个单元的邻居。随着尺寸比增加，所有这些检查的成本变得更高，并且搜索性能显著恶化。(2)单元尺寸足够大仅堪覆盖最大的微粒。在这种情形下，物理搜索空间一直由每个方向3单元的立方体覆盖——在三个维度中的每个维度上搜索邻居的基础单元每一边上的一个单元(即27个单元)。因此，邻居单元的识别非常简单和快速。尽管如此，该方法意味着在每个单元中可能存在许多微粒。需要一些形式的存储结构——例如列表、连接表或散列表——来存储每个单元中的微粒和对象组件的身份。查找它们增加了该搜索变例的花费。这种手段对于适中的多散布来说工作良好，但对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：P·W·克莱利，
申请(专利权)人：联邦科学与工业研究组织，
类型：
国别省市：