项目名称: 多喷嘴对置式Fenton脱硝反应器的液滴对撞混合反应机理研究

项目编号: No.21476073

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 有机化学

项目作者: 于新海

作者单位: 华东理工大学

项目金额: 80万元

中文摘要: 本项目提出基于液滴对撞混合的Fenton脱硝反应器,自由基产生即反应,减少现有反应器中由于自由基湮灭造成的H2O2损失。搭建两液滴对撞的微流控实验系统,系统研究液滴对撞过程中液滴形态变化及液滴内液体混合的规律。基于 LBM方法,结合两相流场测试,攻克多液滴对撞混合三维流场模拟中的诸多难点,揭示多液滴对撞混合机理(关键科学问题)。建立基于微流控芯片和共焦显微拉曼光谱仪的液滴内液体浓度变化的测量方法,研究Fenton反应强化NO液相传质的规律。进而将LBM计算结果作为初始参数,采用 Eular-Eular模型对反应器进行三维数值模拟和优化。在此基础上,搭建Fenton脱硝反应装置,系统研究各参数对脱硝反应的影响,深入理解多液滴对撞混合对Fenton反应脱硝的影响规律。本项目致力于为高效、低成本、环境友好的Fenton脱硝反应技术奠定理论和技术基础。

中文关键词: 脱硝;液滴;混合;格子波尔兹曼;两相流

英文摘要: During Fenton reaction, strong oxidative free radicals are produced and then rapidly recombined, resulting in a loss of H2O2. To solve this problem, a a droplet head-on collision reactor for removal of NO form coal-fired flue gas by using Fenton reagent solution is proposed. The free radicals are produced and simultaneously react with NO, thus reducing the H2O2 loss. An experimental setup will be established to systematically investigate the changes in droplet shapes and in the concentrations inside droplets during droplet collision. Several crucial issues in the three-dimensional simulation on two-phase flow field using lattice Boltzmann (LBM) are expected to be solved combining simulation and experimental results. The effects of on-head droplet collision on mixing intensification inside droplet for droplet swarm is revealed. An experimental setup and corresponding method will be achieved using a confocal Raman microscope and micro fluidic chips to measure the concentration distribution inside a droplet as function of NO removal reaction time. The effect of NO removal reaction on the NO mass transfer in liquid is investigated. The three-dimensional simulation on the droplet head-on collision reactor will be carried out using Eular-Eular model with the initial values obtained by LBM. The main parameters of reactor are optimized by simulation results. Based on the optimized result, a droplet head-on collision reactor is developed and the corresponding experimental system for removal of NO is established. The effects of main process parameters on NO removal are systematically studied. The promotional effect of droplet swarm collision on NO removal is further understood. This project aims at providing theoretical and experimental guidance for a high-efficiency, low-cost, environmentally friendly NO removal method using Fenton reagent solution.

英文关键词: NO removal;droplet;mixing;lattice Boltzmann;two-phase flow

成为VIP会员查看完整内容
0

相关内容

NeurIPS 2021 | 通过动态图评分匹配预测分子构象
专知会员服务
21+阅读 · 2021年12月4日
专知会员服务
19+阅读 · 2021年3月18日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
直播预告 | 2022 年微软多元与包容大会:包容向善,多元向新
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
RIS-Assisted Cooperative NOMA with SWIPT
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月16日
小贴士
相关资讯
直播预告 | 2022 年微软多元与包容大会:包容向善,多元向新
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
高分子材料领域的十大院士!
材料科学与工程
19+阅读 · 2018年9月18日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员