Simulación de las máquinas de limpieza de trigo a través de DEM-CFD
El acoplamiento CFD-DEM es una alternativa prometedora para el modelado de sistemas fluido-granulares, debido a que permite capturar la naturaleza discreta de la fase particulada a la vez que mantiene la viabilidad computacional. En este blog post, conocerás cómo desarrollar un modelo acoplado DEM-CFD para simular una máquina aerodinámica de limpieza de trigo basada en un estudio real.
Este contenido se basa en una tesis presentada en la Universidad de Ingeniería y Tecnología – UTEC, Perú, por Luiguie Sagastegui en conjunto con Helard Álvarez. El objetivo es llenar el vacío de las investigaciones en el área de simulación de partículas, por causa de la falta de estudios fundamentales utilizando técnicas computacionales.
Importancia de las simulaciones con acoplamiento DEM-CFD
Las simulaciones acopladas entre DEM y CFD (Método de los Elementos Discretos y la Dinámica de Fluidos Computacional, respectivamente) son esenciales para explicar la teoría y los aspectos técnicos de la interacción entre los equipos y los materiales particulados o a granel, reduciendo la necesidad de pruebas y optimizaciones experimentales tradicionales.
En este estudio de caso, se utilizaron simulaciones para analizar y validar el proceso de limpieza aerodinámica de una máquina limpiadora de trigo, que eran realizadas anteriormente presentando problemas de bajo rendimiento de limpieza y requerían una alta demanda de energía del motor del ventilador centrífugo de la máquina.
De acuerdo con la literatura del tema, la baja eficiencia y la demanda excesiva de energía son debidas a factores operacionales y al proyecto, como una calibración deficiente de los flujos de partículas de aire y las dimensiones del conducto neumático.
A través de las simulaciones arriba mencionadas, los factores operativos y de diseño pueden ser libremente variados para comprender el comportamiento de las partículas bajo la influencia de un flujo de aire forzado, como ocurre en la máquina de limpieza de trigo.
Accede nuestro webinar para conocer Ansys Rocky, el software de simulación de partículas más completo del mercado.
3 Desafíos de las máquinas de limpieza de trigo
La fase inicial se debe a la pérdida de granos alimenticios: es decir, debido al modelo tradicional de limpieza de granos, algunas partes comestibles del grano se eliminan junto con la suciedad y otras impurezas. Podemos llamar a esa etapa la «etapa del desperdicio de alimentos».
La segunda fase implica la sobrecarga de energía. En esta fase están embutidos los altos costos relacionados al consumo de energía eléctrica. Como la máquina tarda más para realizar el proceso de limpieza, también consume más energía en función del tiempo. Aquí estamos hablando de desperdicio de energía.
La tercera y última fase se refiere a observar una baja eficiencia de limpieza. Además de perder gran parte de la materia prima y de los recursos energéticos, el modelo tradicional de limpieza no limpia todos los granos. No hay garantía de limpieza – muchos de los granos separados todavía están mezclados con la suciedad. Este paso es sobre la ineficacia.
Este desperdicio como un todo puede resultar en un bajo rendimiento en el proceso final. Es necesario que los dos pasos iniciales sean eficientes para que el último sea exitoso.
Conoce todos los desafíos de diseño de maquinarios y el potencial de la agricultura digital.
Simulación de partículas de trigo y paja
Para entender mejor el comportamiento de las partículas, se realizaron tres simulaciones unidireccionales de DEM-CFD entre Ansys Rocky y Ansys Fluent para simular el proceso de limpieza de la máquina de limpieza de trigo para tres direcciones de flujo de aire (0°, 22, 5 y 45).
La simulación de CFD fue iniciada primero y configurada con una velocidad de flujo de aire de 7,5 m/s (velocidad terminal del trigo) y un diámetro hidráulico del área de entrada de 0,25 m (calculado con la Ecuación 1) en tres direcciones: Velocidades de flujo de aire direccionadas 0°, 22,5° y 45° en relación a la horizontal.
Estas soluciones de CFD se exportaron posteriormente en un formato «f2r» a través de la opción «Exportar solución a Rocky» ubicada en el menú «Archivo» superior del software Fluent y posteriormente se importó a Ansys Rocky.
En Rocky, las propiedades físicas y mecánicas de las partículas de trigo y de sobrante se tomaron en cuenta (ver Tabla 1: Propiedades necesarias para la configuración de partículas en Rocky), la tasa de alimentación para ambas partículas (ver Tabla 2: Rocky* diámetro ) y finalmente la simulación unidireccional se inició con un intervalo de 0,05 segundos para una duración de 2 segundos para cada una de las tres direcciones.
Resultados de las simulaciones acopladas DEM-CFD
Los resultados finales de las simulaciones del DEM-CFD aparecieron directamente en el Ansys Rocky, mostrando el monitoreo de la velocidad de traslación de las partículas de trigo y semilla en cada paso del tiempo para los 3 flujos.
Además, el desplazamiento final de las partículas mostradas en las simulaciones fue validado por pruebas experimentales realizadas en una bancada de prueba de escala configurada bajo los mismos parámetros operacionales y de diseño y obteniendo un margen de error del 5% para el trigo y el 10% para el deshecho de trigo.
Después de los resultados de las simulaciones, la velocidad de traslación del trigo y la mezcla en la entrada y salida de la zona de interacción quedaron en el rango de 0,5-1,5 m/s y 3-4,5 m/s, respectivamente, y para los tres flujos 0°, 22,5° y 45°, fueron dados rendimientos del 99%, 98% y 96% (calculados con la Ecuación 2).
Además, se mostró la configuración CFD para la bancada de pruebas de escala, que exigió 3 entradas circulares para simular los flujos generados por el secador durante los ensayos experimentales en las mismas condiciones, validando la velocidad del flujo de aire con un anemómetro en el aire, zona de movilización de partículas.
En este ejemplo real, se puede ver cómo se creó una simulación de acoplamiento CFD-DEM de 1-vía experimentalmente validada, para simular procesos de limpieza de trigo e identificar parámetros críticos de diseño y proceso.
Si te gustaría mejorar tus proyectos de agroindustria, conversa con uno de nuestros especialistas y descubre cómo aplicar las herramientas de simulación computacional a tus procesos.
