Projekt: DEM-Optimierung eines Speichersystems

Einführung: DEM-Simulation

In diesem Beitrag werden wir über ein aktuelles ICEMM-Projekt sprechen, bei dem wir die DEM-Simulationstechnologie (Diskrete-Elemente-Methode) einsetzen. Dieses Projekt wurde mit dem Cradle ScFlow-Tool von Hexagon durchgeführt.

In diesem Projekt haben wir ein Lagersystem für Lebensmittelbehälter aus Kunststoff optimiert. Die Lagerzeit der Behälter wird durch die Last begrenzt, die sie tragen, da die Verformung im Laufe der Zeit aufgrund des Kriechphänomens zunimmt. Die folgende Abbildung zeigt eine typische Zeit-Verformungskurve dieses Phänomens:

Kriechkurve eines plastischen Materials

Um den Druck in den Behältern zu verringern, ist es üblich, mechanische Elemente in die Silos einzubauen, die einen Teil der Last tragen. Diese Lösungen müssen Mindestanforderungen in Bezug auf die konstruktive Machbarkeit und die Wartungsfreundlichkeit erfüllen. Außerdem müssen sie die Lagerkapazität auf ein Minimum reduzieren und eine angemessene Befüllungs- und Entleerungsgeschwindigkeit gewährleisten, ohne dass es zu Verstopfungen kommt, die die Prozesszeiten beeinträchtigen könnten.

Um die Bewegung und die Lasten einzelner Container mit unterschiedlichen Konstruktionslösungen zu untersuchen, ist die DEM-Simulationstechnik (Discrete Element Method) sehr nützlich. Diese Simulationen lösen die Kontaktkräfte zwischen den Containern auf, indem sie deren Beschleunigung und Position iterativ über die Zeit aktualisieren.

Schematische Darstellung einer DEM-Simulation in Cradle ScFlow

Die aus dieser Simulation gewonnene Verteilung der Lasten in den Flaschen ermöglicht die Bewertung der zu erwartenden Verweilzeit, und die Visualisierung der Bewegung gibt Aufschluss über die zulässigen Füll- und Entleerungsraten.

Kalibrierung von Partikelmodellen

Um realistische Daten aus DEM-Simulationen zu erhalten, ist ein grundlegender Schritt die Kalibrierung der Eigenschaften der numerischen Methode.

Um realistische Daten aus DEM-Simulationen zu erhalten, ist eine grundlegende Phase die Kalibrierung der Eigenschaften der Methode. Zunächst wird eine Gruppe von Kugeln mit einer Form definiert, die der des realen Behälters entspricht. Diese Modellierungsmethode ermöglicht es, die rechnerischen Vorteile der kugelförmigen Partikel beizubehalten, aber das Verhalten der Behälter in geeigneter Weise zu erfassen. Ein vereinfachtes Beispiel ist in der folgenden Abbildung zu sehen: Numerisch.

DEM-Cluster-Modell

Anschließend wird eine Reihe von Tests mit realen Behältern durchgeführt, um die numerischen Parameter der Simulation zu kalibrieren. Dazu gehören Rückpralltests an starren Oberflächen und an anderen Behältern, um den “Restitutionskoeffizienten” zu erhalten, sowie Reibungs- und Rolltests, um diese Koeffizienten zu kalibrieren. Andere Daten für die Simulation, wie die Masse der Behälter oder die Steifigkeit des Materials, waren aus früheren Tests und Messungen bekannt.

Das folgende Bild zeigt eine Momentaufnahme der Überschlag- und Stapelsimulation, die zur Kalibrierung des Reibungskoeffizienten verwendet wurde:

DEM-Simulation einer Reihe von Flaschen

Mit diesen Daten, die so kalibriert sind, dass sie in den Simulationen ein realistisches Verhalten zeigen, kann die Untersuchung der Speichersysteme fortgesetzt werden.

Validierung der DEM-Simulation für Lastberechnungen

In diesem Projekt müssen wir die Lastverteilung auf einer Reihe von großen Flaschen ermitteln. Um diese Ergebnisse darzustellen, haben wir beschlossen, ein ScFlow-Skript zu entwickeln, das die Lasten auf jedem Behälter exportiert und diese Daten in ein kumulatives Histogramm der Lasten umwandelt.

Um zu überprüfen, ob diese Methode repräsentativ ist, simulierten wir zunächst eine Reihe von gestapelten Flaschensäulen ohne Lastreduzierungssystem, um zu sehen, ob die Entwicklung der Lastverteilung den Erwartungen entspricht.

Lastkurven der DEM-Simulation

In dieser Phase werden auch andere Funktionen, die in der endgültigen Simulation benötigt werden, validiert, z. B. die Einführung beweglicher Elemente in die Simulation und ihre Interaktion mit den Partikeln oder die Einführung einer kleinen Zufallsgröße in die Partikelgenerierung, um ein realistischeres Verhalten darzustellen.

Untersuchung von Konfigurationen mit experimentellen Daten

In der nächsten Phase des Projekts analysierten wir Konfigurationen zur Lastreduzierung in DEM, die bereits durch Simulationen erstellt wurden. Für diese Fälle lagen experimentelle Daten für die Verweilzeit der Zylinder mit akzeptablen Verformungen vor.

Diese Simulationen ermöglichten es uns, akzeptable Zeiten verschiedenen Lastverteilungen zuzuordnen und Referenzen zu liefern, mit denen wir die Histogramme der neuen Vorschläge vergleichen konnten.

Systemoptimierung

In der letzten Phase des Projekts begannen wir mit der Arbeit mit dem neuen vorgeschlagenen Lastreduzierungssystem, bei dem mehrere geometrische Parameter definiert werden mussten, um ein optimales System zu erreichen.

Die Studienmethodik begann mit der Definition einer Reihe von Konfigurationen mit konstruktiver und wartungstechnischer Machbarkeit. Bei diesen wird das Befüllen und Entleeren mit einem vereinfachten Flaschenmodell simuliert. Anschließend wird die Lastverteilung bei maximaler Speicherkapazität mit einem detaillierten Modell simuliert. Basierend auf den Ergebnissen wird der nächste Stapel von zu simulierenden Konfigurationen definiert, bis eine Konfiguration erreicht ist, die den Anforderungen des Kunden entspricht.

Dieses DEM-Simulationsverfahren ermöglicht die Bewertung der Qualität einer Baulösung hinsichtlich Lastreduzierung sowie Füll- und Entleerungsraten. Darüber hinaus kann anhand der Geometrie der Lösung die konstruktive Machbarkeit, Wartbarkeit und Reduzierung der Lagerkapazität beurteilt werden. Dies ermöglicht eine umfassende technische und wirtschaftliche Bewertung der Lösung vor dem Bau.

Stichworte:

Verwandte Einträge

Estructura de deflectores para saltos de agua simulada con CFD

CFD-Simulation: Luftleitbleche Tropfenstrukturen

13, Feb, 2024
CFD
Resultados de la simulación CFD de un difusor

CFD-10. Diffusor. Einfluss der Einlassbedingungen.

13, Feb, 2024
CFD
Resultados de la simulación CFD con modelo de turbulencia SAS

CFD-15. Skalenadaptives Simulationsmodell

13, Feb, 2024
CFD