高炉内の化学反応と構造の破壊を同時に表現可能なコークスの革新的なモデルの提案

提出一种创新的焦炭模型，可以同时表达高炉中的化学反应和结构破坏

基本信息

批准号：
19J20961
负责人：
沼澤結
金额：
$ 1.98万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J20961/
关键词：
拡散不均一反応多孔質体 solid-gas reaction gas reaction gas diffusion cfd machine learning carbon material metallurgical coke 数値流体力学固気反応製鉄業

项目摘要

本研究では高炉内の化学反応と構造の破壊を同時に表現可能なコークスの革新的なモデルを提案するという大目標をもとに、研究を細分化し検討した。まず、計算の大規模化および高精度化を実施した。修士課程で開発したコークス内部の一部の領域における不均一反応をともなう物質移動解析手法を高速化させ、さらに大規模なコークスを対象に計算可能とし、ラボスケールで実施していたガス化反応実験と計算結果を比較した。結果として、計算値は実験値を良好に表現し、開発してきたシミュレーションの妥当性を示した。続いて、高炉内のガス雰囲気における反応を上記のシミュレーションで考慮するために気相における化学反応のモデル化を行った。本研究では詳細化学反応機構ベースで気相反応を考慮した。流体解析の各計算格子における反応動力学解析は計算負荷が大きく、あらかじめ計算した反応速度定数を用いることがリーズナブルである。この解決策として、反応速度定数をテーブルや多項式を用いて表現することが考えられるが、テーブルを用いた場合ではテーブルの次元の増加にともないデータ量が指数関数的に増加する。そこで、次元の増加にともなうデータ量の急激な増加が見られないニューラルネットワークを用いて水性ガスシフト反応の正味の反応速度を学習させ、そのニューラルネットワークの妥当性を評価した。結果として、水性ガスシフト反応の正味の反応速度を学習させたニューラルネットワークは詳細化学反応機構に基づいた計算結果を良好に表現した。また、圧縮破壊の解析については研究室保有のソースコードを多孔質モデルに適用させたが、化学反応のシミュレーションとの連成には至らなかった。しかしながら、化学反応のシミュレーションは反応による多孔体の構造変化を高精度に予測でき、本研究開始前には検討が困難であった高炉内においてコークスが脆化する現象を定量的に評価できるツールが開発できた。

在本研究中，我们基于提出一种能够同时表达高炉内部化学反应和结构破坏的焦炭创新模型的主要目标，对研究进行了细分和考虑。首先，我们提高了计算的规模和准确性。我们加快了硕士课程中开发的涉及焦炭内部某些区域的非均相反应的传质分析方法，使更大规模的焦炭计算和在实验室进行的气化反应实验成为可能并比较了计算结果。结果，计算值很好地表达了实验值，证明了所开发的模拟的有效性。接下来，对气相中的化学反应进行建模，以考虑上述模拟中高炉内气体气氛中的反应。在这项研究中，根据详细的化学反应机理考虑了气相反应。流体分析各计算网格中的反应动力学分析需要较大的计算量，使用预先计算的反应速率常数是合理的。该问题的一种可能的解决方案是使用表格或多项式来表达反应速率常数，但是当使用表格时，数据量随着表格维数的增加而呈指数增长。因此，我们使用不会表现出数据量随着维度增加而快速增加的神经网络来学习水煤气变换反应的净反应速率，并评估神经网络的有效性。因此，针对水煤气变换反应的净反应速率训练的神经网络很好地代表了基于详细化学反应机理的计算结果。此外，对于压缩断裂的分析，实验室拥有的源代码应用于多孔模型，但无法将其与化学反应模拟联系起来。然而，化学反应模拟可以高精度地预测反应引起的多孔体的结构变化，并且现在有一种工具可以定量评估高炉焦炭脆化现象，这在本研究开始之前是很难研究的。我能够开发它。