Purpose: Computational Fluid Dynamics (CFD) simulations are performed to investigate the impact of adding a grid to a two-inlet dry powder inhaler (DPI). The purpose of the paper is to show the importance of the correct choice of closure model and modeling approach, as well as to perform validation against particle dispersion data obtained from in-vitro studies and flow velocity data obtained from particle image velocimetry (PIV) experiments. Methods: CFD simulations are performed using the Ansys Fluent 2020R1 software package. Two RANS turbulence models (realisable $k - \epsilon$ and $k - \omega$ SST) and the Stress Blended Eddy Simulation (SBES) models are considered. Lagrangian particle tracking for both carrier and fine particles is also performed. Results: Excellent comparison with the PIV data is found for the SBES approach and the particle tracking data are consistent with the dispersion results, given the simplicity of the assumptions made. Conclusions: This work shows the importance of selecting the correct turbulence modelling approach and boundary conditions to obtain good agreement with PIV data for the flow-field exiting the device. With this validated, the model can be used with much higher confidence to explore the fluid and particle dynamics within the device.


翻译:目的:进行计算流体动力学模拟(CFD)是为了调查将网格添加到双份干粉吸入器(DPI)中的影响。本文的目的是要表明正确选择封闭模型和模型模型方法的重要性,并对从微粒图像速度测定实验中获得的微粒分散数据进行校验。方法:CFD模拟是使用Ansysent 2020R1软件包进行的。两个RANS气流模型(可变美元-\epsilon$和美元-\omega$SST)和压力压压压压压式埃迪模拟模型(SBES)的重要性。还针对载体和细粒子进行了拉格朗粒子跟踪。结果:SBES方法和粒子跟踪数据与PIV数据进行了极好的比较,因为所作的假设很简单。结论:这项工作表明选择正确的波动模拟方法和边界条件对于在PIV系统内部获得与高级数据的良好协议的重要性,可以使该流流态设备与已使用的流流流数据进行深化。

0
下载
关闭预览

相关内容

机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9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
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2017年11月20日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Arxiv
0+阅读 · 2021年3月21日
Arxiv
0+阅读 · 2021年3月20日
Arxiv
0+阅读 · 2021年3月19日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
已删除
将门创投
5+阅读 · 2017年11月20日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Top
微信扫码咨询专知VIP会员