5 Numerische Simulation des Agglomerationsprozesses in einem isotropen, homogenen, turbulenten Feld
|
|
- Alfred Siegel
- vor 5 Jahren
- Abrufe
Transkript
1 5 Numerische Simulation des Agglomerationsrozesses in einem isotroen, homogenen, turbulenten Feld In diesem Abschnitt wird die Durchführung eines numerischen Exeriments unter Verwendung der Lagrangeschen Methode zur Untersuchung der Agglomeration von Partikeln demonstriert. Das Ziel der Untersuchung ist die Analyse des Einflusses der Prozessarameter auf den Agglomerationsvorgang. Bei auftretender Agglomeration in turbulenten Strömungen verändern sich die Partikelgrößenverteilung und die Partikelanzahlkonzentration mit der Zeit. Die Agglomerationskinetik bestimmt dabei den Verlauf des Agglomerationsvorgangs. Für die Bewertung der Agglomerationskinetik werden die Kollisionsfrequenz sowie die Agglomerationsfrequenz der Partikeln mit Hilfe der numerischen Simulation berechnet. Die Kollisionsfrequenz und die Agglomerationsfrequenz sind als die Häufigkeit von Kollisionsbzw. Agglomerationsereignissen ro Volumeneinheit und Zeiteinheit definiert. Zunächst wird ein kubisches Kontrollvolumen betrachtet. Im Kontrollvolumen herrschen homogene, isotroe turbulente Bedingungen, und eine Anzahl an Partikeln liegt im Kontrollvolumen vor. Das homogene, isotroe Turbulenzfeld wird durch die lokale turbulente kinetische Energie k, welche die Intensität der Schwankungsgeschwindigkeit des Fluids 2 σ 2k 3 charakterisiert ist, und die lokale turbulente Dissiationsrate ε, welche die F = Intensität des turbulenten Schergradienten wiedergibt, reräsentiert. Das integrale Längenmaß,5 LE 0,399k ε = und die Wirbellebensdauer T = 0,24σ ε sind der Längen- und Zeitmaßstab der Turbulenz. Falls der betrachtete Partikeldurchmesser der disersen Phase deutlich kleiner als das kleinste Längenmaß der Turbulenz ist, sind das Kolmogorowsche Längen- und Zeitmaß η ( ν 3 ε) /4 der Turbulenz. K = und τ ( νε) /2 K E 2 F = die charakteristischen Abmessungen Die Simulation der Partikelbahnen erfolgt durch Integration der Bewegungsgleichung der einzelnen Partikeln über einen Zeitraum. Zur Vereinfachung der Aufgabenstellung wird nur die Wirkung der Widerstandskraft betrachtet. Die Berücksichtigung des Turbulenzeinflusses auf die Partikelbahn erfolgt durch Anwendung des Markov-Sequenz-Disersionsmodells. Das stochastische Partikel-Partikel-Kollisionsmodell wurde bei der Simulation eingesetzt. Es wird 69
2 zunächst angenommen, dass die Haftung der Partikeln nur durch die van-der-waals-haftkraft verursacht wird. Es gibt zwei grundlegende Methoden des Partikeltrackings im Rahmen des Lagrangeschen Verfahrens. Das sind das sequentielle Partikeltracking und das simultane Partikeltracking. Bei der sequentiellen Methode erfolgt die Berechnung der Bahn einer Partikel über den gesamten Betrachtungszeitraum, und die Berechnung der nächsten Partikel erfolgt sequentiell danach. Bei der simultanen Methode dagegen sind die Zeitschritte für alle Partikeln identisch. Bei dem hier betrachteten numerischen Exeriment wird das simultane Partikeltracking gewählt. Bild 23 Verteilung der Partikel im kubischen Kontrollvolumen a) Anfangsverteilung (monodisers) b) Verteilung nach der Simulation von 0, s mit Berücksichtigung von Agglomeration Zu Beginn einer numerischen Simulation wird eine gleichverteilte lokale Verteilung der Partikeln angenommen (siehe Bild 23a). Durch den turbulenten Transort bzw. die Disersion bewegen sich die Partikeln aus dem Kontrollvolumen hinaus. Deshalb wird die eriodische Randbedingung für die Partikelbewegung verwendet. Wenn eine Partikel durch eine Kontrollvolumengrenzfläche austritt, tritt eine neue Partikel mit gleichen Eigenschaften an der gegenüberliegenden Kontrollvolumengrenzfläche ein. Im Bild 23b ist die lokale Verteilung der Partikel im KV nach der Simulation von 0, s dargestellt. Durch die Agglomeration wurden größere Partikeln gebildet. Die Charakterisierung der disersen Phase erfolgt durch Angabe des Partikeldurchmessers, der Partikelmaterialdichte und der Partikelanzahlkonzentration bzw. des Volumenanteils 70
3 sowie der Art der Partikelgrößenverteilung. Für die Partikeleigenschaften wird der Restitutionskoeffizient, der Reibungskoeffizient und der materielle Fließdruck, welcher die Härte des Partikelmaterials charakterisiert, benötigt. In Tabelle 4 sind die Werte der Parameter für die numerischen Simulationen aufgelistet. Tabelle 4 Charakteristiken der Turbulenz und Eigenschaften der Partikelhase bei den numerischen Simulationen Turb. kinetische Energie 0,5 -,0 m 2 / s 2 Partikeldurchmesser,0-0 µm Turb. Dissiationsrate m 2 / s 3 Partikeldichte kg Kinematische Viskosität,6-6 m 2 / s Partikelvolumenanteil -5-6,2-3 Kolmogorow-Längenmaß 25,3-42 µm Hamaker- Konstante 5,0-9 J Lagr. Längenmaß 0,039-39,2 mm Restitutionskoeffizient e 0,4 ; 0,6 ; 0,9 Kolmogorow-Zeitmaß 0,04 -,26 ms Kontaktabstand z 0 4,0 - m Turb. integrales Zeitmaß 0,008-6 ms Fließdruck P l 5,0 9 Pa Partikelrelaxationszeit 0,003-2 ms Reibungskoeffizient µ 0,4 Für die Simulation wurde die Abmessung des Kontrollvolumens gleich 0,0 m gewählt. Diese genügt der Bedingung für die minimale Lagrangesche Abmessung für einen Zeitschritt l = v < t L (5) min max 5. Simulation eines monodisersen Partikelsystems Es wird ein monodiserses Partikelsystem mit dem Partikeldurchmesser d = 5 µm betrachtet. In diesem System kann nur der turbulente Schergradient die Kollision der Partikeln induzieren. Es wird zunächst die Auftreffwahrscheinlichkeit von 0 % angenommen. Die Partikel-Stokes-Zahl kennzeichnet das Bewegungsverhalten der Partikeln in der Turbulenz. Laut Definition ist die Partikel-Stokes-Zahl das Verhältnis der Partikelrelaxationszeit 2 τ = ρ d 8µ zum integralen Zeitmaß: St = τ TE. Die Änderung des Bewegungsverhaltens ist verbunden mit der Änderung der Partikeldichte, des Partikeldurchmessers sowie des Schergradienten. 7
4 0 Kollisionfrequenz [/s] = 00 kg /m³ = 2500 kg /m³ = 4000 kg /m³ 0,0 0, Partikel- Stokes- Zahl Bild 24 Kollisionsfrequenz in Abhängigkeit der Partikel-Stokes-Zahl. d = 5 µm; ρ = kg/m³; α = -4 ; ε = -000 m²/s³; k = 0,5 m²/s²; t = s Bild 24 zeigt die Ergebnisse der Simulationen für monodiserse Partikelsysteme. Für dieses numerische Exeriment wurde eine konstante turbulente kinetische Energie von k = 0,5 m²/s² vorgegeben. Mit diesem Betrag der turbulenten kinetischen Energie ergibt sich eine mittlere Fluktuationsgeschwindigkeit des Fluids von 0,577 m/s. Die Erhöhung der turbulenten Dissiationsrate von auf 000 m²/s³ führt zu einer Reduzierung des integralen Zeitmaßes von 7,79-3 auf 7,79-6 s. Demzufolge steigt die Partikel-Stokes-Zahl von 0,025 auf 2,5 an. Im Bild 24 wurden die Kurvenverläufe der berechneten Kollisionsfrequenzen über der Partikel-Stokes-Zahl dargestellt. Die Ergebnisse zeigen eine Erhöhung der Kollisionsfrequenz der 5 µm Partikeln im Bereich der Partikel-Stokes-Zahl St <. Äquivalent dazu ist τ < TE. In diesem Bereich steuern die turbulenten Fluktuationen der energiereichen Wirbel die Bewegung der Partikeln. Der Anstieg der Partikel-Stokes-Zahl in diesem Bereich führt zur Erhöhung der relativen Partikelkollisionsgeschwindigkeit. Damit erhöht sich die Kollisionsfrequenz. Bei einem weiteren Anstieg der Partikel-Stokes-Zahl St > wird die Partikelrelaxationszeit größer als die turbulente Wirbellebensdauer τ > T E. Dann wird die Beschleunigungsdauer für die Partikeln durch die Lebensdauer der energiereichen Wirbel beschränkt. Das bedeutet, dass die Partikeln öfter von einem Wirbel zu einem anderen Wirbel 72
5 sringen werden. Es resultiert eine verzögerte Partikelbewegung. Die relative Partikelkollisionsgeschwindigkeit wird reduziert. Das ist der Grund für die Reduktion der Kollisionsrate. Die im Bild 24 dargestellten Kurvenverläufe sind die aus den Simulationen berechneten Kollisionsfrequenzen, wobei die Partikeldichte 00, 2500 und 4000 kg/m³ betrug. Die Kurven für die Kollisionsfrequenzen fallen für alle Partikeldichten zusammen. Alle Kurven zeigen, dass die maximale Kollisionsfrequenz bei der Stokes-Zahl St = erreicht wird. 2,0,5 St = 0,2 St =,0 St = 20 P.D.F,0 0,5 0,0 0,0 0,4 0,8,2,6 2,0 Relative Partikelgeschwindigkeit [m/s] Bild 25 Verteilung der relativen Partikelgeschwindigkeiten für unterschiedliche Partikel- Stokes-Zahlen. d = 5 µm; ρ = 00 kg/m³; α = -4 ; ε = m²/s³; k = 0,5 m²/s²; t = s Bild 25 zeigt die Verteilungen der relativen Partikelkollisionsgeschwindigkeiten. Die relative Geschwindigkeitsverteilung ist eine Normalverteilung. Bei der kleinen Partikel-Stokes-Zahl St = 0,2 hat die relative Partikelgeschwindigkeitsverteilung eine kleinere Standardabweichung als bei den großen Partikel-Stokes-Zahlen St = und St = 20. Da die Geschwindigkeiten der Partikeln bei kleiner Stokes-Zahl stark miteinander korreliert sind, resultiert eine schmale Verteilung der relativen Geschwindigkeit. Die Partikeln mit großen Partikel-Stokes-Zahlen wechseln öfter die tragenden Wirbeln, deshalb sind die Partikelgeschwindigkeiten weniger miteinander korreliert. Daher resultiert eine breite Verteilung der relativen Geschwindigkeit. Bei St = hat der Modalwert der Geschwindigkeitsverteilung den größten Wert. 73
6 Zur Charakterisierung des Agglomerationsverhaltens dienen zwei Parameter. Die Agglomerationsfrequenz ist die sezifische Häufigkeit von Agglomerationsereignissen einzelner Partikeln in einem Zeitintervall von s. Die Halbwertzeit ist die benötigte Zeit, in der sich die Anzahlkonzentration durch Agglomeration auf die Hälfe der Anfangsanzahlkonzentration der Partikeln im System reduziert Agglomerationfrequenz [/s] = 00 kg /m³ = 2500 kg /m³ = 4000 kg /m³ 0 E-3 0,0 0, Partikel-Stokes-Zahl Halbwertzeit [ms] 0 = 00 kg /m³ = 2500 kg /m³ = 4000 kg /m³ E-3 0,0 0, Partikel-Stokes-Zahl Bild 26 Änderung der Agglomerationsfrequenz der Partikeln und der Halbwertzeit bei Erhöhung der Partikeldichte. d = 5 µm; ρ = 00 kg/m³; α = -4 ; ε = -000 m²/s³; k = 0,5-,0 m²/s²; t = s Im Bild 26 ist die Abhängigkeit der Agglomerationsfrequenz und der Halbwertzeit von der Partikel-Stokes-Zahl dargestellt. Die Variation der Partikel-Stokes-Zahl erfolgt durch Variation der turbulenten Energiedissiationsrate. Die berechnete Agglomerationsfrequenz sowie die Halbwertzeit bleiben nahezu konstant durch die Änderung der Dissiationsrate. Im betrachteten Stokes-Zahlen-Bereich haben die berechneten Agglomerationsfrequenzen nur etwa 6 bis 2 % des Werts der berechneten Kollisionsfrequenzen. Die Änderung der Wirbellebensdauer beeinflusst die Frequenzen der Agglomeration nicht wesentlich. Im Gegensatz dazu führt eine Erhöhung der Partikeldichte zur Reduktion der Agglomerationsfrequenz sowie zur Erhöhung der Halbwertzeit, da die Materialdichte der Partikelhase die Hafteigenschaft der Partikeln beeinflusst. Eine hohe Partikeldichte reduziert die kritische Geschwindigkeit und verschlechtert die Haftwahrscheinlichkeit der Partikeln. 74
7 0 Frequenz [/s] bei k = 0,5 m²/s² bei k = m²/s² bei k = 0,5 m²/s² bei k = m²/s² 0,0 0, Partikel-Stokes-Zahl Bild 27 Einfluss der turbulenten kinetischen Energie auf die Kollisions-und Agglomerationsfrequenzen für eine monodiserse Verteilung: d = 5 µm; ρ = 00 kg/m³; α = -4 ; ε = -000 m²/s³; k = 0,5-,0 m²/s²; t = s Der Einfluss der turbulenten kinetischen Energie wird im Bild 27 verdeutlicht. Dazu wurden zwei Simulationen mit k = 0,5 und,0 m²/s² durchgeführt. Die Erhöhung der turbulenten Schwankung bewirkt eine Intensivierung der Partikelfluktuation. Die Verteilung der relativen Partikelgeschwindigkeit verschiebt sich zu höheren Werten. Da die kritische Geschwindigkeit zur Haftung für eine reräsentative Partikeleigenschaft konstant bleibt, nimmt die Agglomerationshäufigkeit mit steigender Turbulenz leicht ab. Auf den Agglomerationsvorgang der Partikelhase hat die turbulente Dissiationsrate kaum einen Einfluss. Die Häufigkeit der Partikelkollisionen sowie der Agglomeration lässt sich stark durch die Anzahlkonzentration der Partikeln beeinflussen. Hierfür wird eine numerische Simulation bei gleichen turbulenten Bedingungen mit gleich bleibenden Partikeleigenschaften durchgeführt. Der Partikelvolumenanteil im System wurde von auf erhöht. Das Resultat ist, wie im Bild 28 dargestellt, eine drastische Erhöhung der Kollisions- sowie der Agglomerationsfrequenz. Die Agglomerationseffizienz bleibt etwa bei % konstant. Dieses Ergebnis zeigt die wesentliche Bedeutung der Anzahlkonzentration beim Agglomerationsrozess. 75
8 a) 0 Frequenz [/s] f c f c / b) Halbwertzeit [s] 0, e = 0, e = 0,4 e = 0,9 k = 0,5 m²/s² = 2500 kg /m³ 0, 0,0 0,0 E-5 E-4 E-3 Partikelvolumenanteil E-5 E-4 E-3 Partikelvolumenanteil Bild 28 a) Einfluss des Partikelvolumenanteils und b) des Restitutionskoeffizienten auf die Kollisions- und Agglomerationsfrequenzen für monodiserse Partikeln d = 5 µm; ρ = 2500 kg/m³; α = ; ε = 500 m²/s³; k = 0,5 m²/s²; a) e= 0.4 und b) e = 0,- 0,4-0,9 Außerdem wurde die Simulation für unterschiedliche Partikeleigenschaften durchgeführt. indem der Restitutionskoeffizient von 0, über 0,4 auf 0,9 geändert wurde. Dabei verändert sich die Hafteigenschaft und eine Abnahme des Restitutionskoeffizient bewirkt eine Erhöhung der kritischen Geschwindigkeit. Andererseits führt die Reduktion des Restitutionskoeffizienten zur Abnahme der relativen Partikelkollisionsgeschwindigkeit. Dadurch wird der Agglomerationsvorgang begünstigt. Diese Abnahme der Halbwertzeit ist im Bild 28 b zu sehen. Zur Überrüfung der simulierten Kollisionsfrequenz wurden die Ergebnisse mit den theoretisch berechneten Kollisionsfrequenzen verglichen. Die theoretische Kollisionsfrequenz wurde mit den von Saffman (956) für turbulente Schergradienten und von Abrahamson (975) für hohe Partikel-Stokes-Zahlen angegebenen Beziehungen (Tabelle ) entsrechend den Simulationsbedingungen ermittelt. Die Ergebnisse wurden im Bild 29 eingezeichnet. Die Simulationsergebnisse liegen zwischen den beiden limitierenden Grenzen. Bei der Variation der Partikel-Stokes-Zahl von 0,005 bis 5 durch die Erhöhung der turbulenten Dissiationsrate steigt die Kollisionsfrequenz nach der Saffman-Theorie stetig von 0,5 auf 4,77 an. Dagegen nimmt die Kollisionsfrequenz nach der Abrahamson-Theorie von 90 bis 5 stetig ab. Die aus der Simulation berechnete Kollisionsfrequenz zeigt die steigende Tendenz für Partikel- Stokes-Zahlen kleiner als eins ähnlich der Saffman-Theorie. Der berechnete Betrag liegt jedoch um die Größenordnung 3 höher als die theoretischen Werte. Dieser Unterschied liegt 76
9 daran, dass die simulierten Partikeln eine Materialdichte von 00 kg/m³ besitzen. Deshalb verfügen diese Partikeln über eine vielfach höhere Trägheit. Die theoretischen Werte nach der Saffman-Theorie gelten für Partikeln ohne Trägheit, welche eine Materialdichte in der Größenordnung der Fluiddichte (in diesem Fall,5 kg/m³) besitzen. Für den Bereich der Partikel-Stokes-Zahl größer als Eins nimmt die berechnete Kollisionsfrequenz ab und nähert sich im Bereich der Partikel-Stokes-Zahl größer als 5 den Werten nach der Abrahamson- Theorie. Kollisionfrequenz [/s] 0 0, - Simulation ( = 00 kg/m³) - Saffman-Limit - Abrahamson -Limit 0,0 E-3 0,0 0, Partikel- Stokes- Zahl Bild 29 Vergleich der berechneten Kollisionsfrequenz mit den theoretisch berechneten Kollisionsfrequenzen nach Saffman (956) und Abrahamson (975). d = 5 µm; ρ = 00 kg/m³; α = -4 ; ε = -000 m²/s³; k = 0,5 m²/s²; t = s 5.2 Simulation von multi-modalen Partikelsystemen Weiterhin ist der Einfluss der Partikelgrößenverteilung auf den Agglomerationsrozess untersucht worden. Die relevanten Parameter sind das Anzahlkonzentrationsverhältnis und der Größenunterschied zwischen den Partikelklassen. Als erstes wurde eine binäre Mischung von Partikeln mit 5 µm (A) und 20 µm Durchmesser (B) betrachtet. In solch einer binären Mischung induzieren sowohl die turbulente Scherwirkung als auch die turbulente Trägheit die Partikel-Partikel-Kollisionen. Die Berechnungen sind mit gleichen Turbulenz- und Partikelcharakteristiken durchgeführt worden. Für alle Berechnungsfälle wurde die Auftreffwahrscheinlichkeit berücksichtigt. Die Modellierung der Auftreffwahrscheinlichkeit 77
10 basiert auf dem Modell von Schuch & Löffler (978), welches bereits in den vorigen Kaiteln 2 und 3 vorgestellt wurde. Da die betrachteten Partikeln kleinere Abmessungen als das Längenmaß des Kolmogorowschen Wirbels besitzen, befinden sich diese Partikeln sowie ihre Kollisionsartner im selben Wirbel. Somit kann die laminare Betrachtung der Auftreffwahrscheinlichkeit herangezogen werden. Kollisionsfrequenz [/s] Gesamt A-A A-B B-B Agglomerationsfrequenz [/s] 0,0 0,2 0,4 0,6 0,8,0 0,0 -Gesamt A-A 5 E-3 A-B B-B / 0 E-4 0,0 0,2 0,4 0,6 0,8,0 N -A / N -A+B N -A / N -A+B 0, Bild 30 Einfluss des Anzahlkonzentrationsverhältnisses in einer bidisersen Verteilung auf die Kollisionsrate und die Agglomerationsrate: d A = 5µm; d B = 20 µm; ρ = 00 kg/m³; α = -4 ; ε = 500 m²/s³; k = 0,5 m²/s²; t = s Zur Charakterisierung einer binären Mischung der disersen Phase dient das Verhältnis der Anzahlkonzentration von beiden Fraktionen. Dieser Parameter wurde zunächst variiert. Bei den Berechnungen wurde allerdings die Auftreffwahrscheinlichkeit betrachtet, wodurch die effektive Kollisionsfrequenz zwischen den Fraktionen A und B (-AB ) beeinflusst wurde. Die horizontale Achse im Bild 30 zeigt jeweils den Anteil der Anzahlkonzentration der Partikelklasse A. Die Anfangsanzahlkonzentration der Fraktion B ist bei den unterschiedlichen Fällen konstant (α PB =. -4 ). Der Anteil der Partikelklasse A steigt vom 0, bis zum 0,9fachen der gesamten Anzahlkonzentration im System. Weil das Volumen einer Partikel roortional zur dritten Potenz des Partikeldurchmessers ist, ist der Volumenanteil der Klasse A viel geringer als der Volumenanteil der Klasse B. Bei Erhöhung der Anzahl in Partikelklasse A nimmt der gesamte Partikelvolumenanteil nur von α =. -4 bis,4. -4 unwesentlich zu. Bild 30 zeigt die berechneten Kollisionsfrequenzen der Fraktion A (-AA ), der Fraktion B (-BB ) sowie zwischen den Fraktionen A und B (-AB ). Generell ist eine 78
11 leichte Zunahme der gesamten beobachten. Kollisions- ( ) und Agglomerationsfrequenz ( ) zu Ist der relative Anteil der Partikelklasse A N A N A+ B< 0,5, dominiert die Kollisionsfrequenz -BB. Die Kollisionsfrequenzen -AA und -AB steigen stetig an, wobei -AB immer größer als -AA ist. Die Bedeutung der Kollisionsfrequenz -AB nimmt im Bereich N A N A+ B> 0,5 zu. Im Vergleich zum monodisersen Partikelsystem führt die Existenz größerer Partikeln im binären Partikelsystem zu einer srunghaften Steigerung der Kollision zwischen den Partikeln. Zugleich zeigen die Ergebnisse der Agglomerationsfrequenz im Bild 30 (rechts), dass die Agglomerationsfrequenz -AB Anteile dominiert. In dem hier untersuchten Fall umfasst die Agglomerationsrate -AB zwischen 80 und 90% der gesamten Agglomerationsereignisse. Die berechneten Ergebnisse zeigen den Anstieg der Agglomerationseffizienz mit zunehmenden Anteil der Partikelklasse A, welche als das Verhältnis von Agglomerations- zu Kollisionsfrequenz definiert wurde. Um den Effekt des Größenunterschieds zwischen den Partikelklassen zu untersuchen wurde eine zweite binäre Mischung betrachtet. Die kleinen Partikeln (Partikelklasse A) besitzen eine Größe von 5 µm und haben immer die gleiche Anfangsanzahlkonzentration. Die großen Partikeln (Partikelklasse B) besitzen bei jeder Berechnung eine Anfangsgröße im Bereich von 20 bis 80 µm. Es wird also die Wechselwirkung von zwei monodisersen Fraktionen betrachtet. Dabei wird angenommen, dass die große Partikelfraktion für alle Berechnungen die gleiche gegebene Anfangsanzahlkonzentration besitzt, d.h. bei steigender Partikelgröße erhöht sich der Volumenanteil der Partikelklasse B, wobei die gesamte Partikelanzahlkonzentration im System für alle betrachteten Fälle konstant bleibt. Die Ergebnisse zeigen eine drastische Erhöhung der Kollisionsrate bei der Steigerung der Größenverhältnisse von 4- auf 6-fach. Die gesamte Kollisionsfrequenz steigt auf das 20fache (von = 84 auf = 84, siehe Bild 3) an. 90 % der Kollisionen finden zwischen den Partikeln A und B statt. Die im Bild 3 (rechts) dargestellten Ergebnisse geben das Anwachsen der Agglomerationsfrequenz wieder, von 3 bis 23. Hier dominieren ebenfalls die Agglomerationen zwischen den Partikeln A und B. Die Reduktion der Halbwertzeit und der Agglomerationseffizienz liegt bei bis 6 %. Bei Steigerung des Größenverhältnisses ergibt sich ein größerer Kollisionsquerschnitt für die Partikeln, so dass die 79
12 Kollisionshäufigkeit zunimmt. Außerdem bietet der größere Durchmesser mehr Oberfläche zur Ansiedlung kleinerer Partikeln an großen Partikeln. Der Krümmungswinkel der Kontaktfläche zwischen den Partikeln bei der Kollision reduziert sich. Daraus ergibt sich eine Erhöhung der Haftwahrscheinlichkeit. Kollisionsfrequenz [/s] Gesamt A-A A-B B-B Agglomerationsfrequenz [/s] 0, E d -B / d -A d -B / d -A 0 0, 0,0 -Gesamt A-A A-B B-B Bild 3 Einfluss der Größenverhältnisse in einer bidisersen Verteilung auf die Kollisionsrate und Agglomerationsrate. d A = 5 µm; d B = µm; ρ = 00 kg/m³; α = -4-9,7. -4 ; ε = 500 m²/s³; k = 0,5 m²/s²; t = s In der Praxis treten oft olydiserse Partikelgrößenverteilungen auf. Daher wurden die Simulationen für verschiedene Arten der Partikelverteilung durchgeführt. Als Testfall werden drei Partikelgrößenverteilungen betrachtet: eine Normalverteilung, eine schräge Verteilung und eine Gleichverteilung. Die Partikelgrößensektren liegen im Bereich von bis 25 µm. Alle Systeme besitzen die gleiche Anfangsanzahl an Partikeln, etwa 3,73 5. Die Berechnungen wurden mit den gleichen turbulenten Parametern sowie gleichen Partikeleigenschaften durchgeführt. Die Ergebnisse im Bild 32 zeigen die zeitliche Entwicklung der Partikelanzahlverteilung infolge von Agglomeration. Die Ergebnisse der Normal- und der schrägen Verteilung werden räsentiert. Es wird eine Reduzierung der Anzahl an Partikeln mit einem Durchmesser kleiner als 2 µm beobachtet. Partikel über 5 µm werden gebildet. Die Partikelanzahlverteilung verschiebt sich in Richtung der größeren Klassen. Die Anzahl der Partikeln der Größen von 20 µm bis 25 µm ist gering im Vergleich zu der Anzahl der Partikeln der Größe von µm bis 5 µm. Daraus resultiert eine niedrigere Wahrscheinlichkeit der Agglomeration zwischen 80
13 großen Partikeln (Auf Grund des niedrigen Haftotentials und der niedrigen Anzahlkonzentration). Die Wahrscheinlichkeit der Agglomeration zwischen kleinen und großen Partikeln dagegen ist groß. Wenn eine kleine Partikel an einer großen Partikel haftet, steigt der volumenäquivalente Durchmesser des gebildeten Agglomerats nur leicht an. Ein ähnliches Ergebnis ergibt sich bei der Simulation mit einer schrägen Partikelgrößenverteilung im Bereich von bis 25 µm (Bild 32 rechts). In diesem Fall reduziert sich die Anzahl der kleineren Partikeln auf Grund der geringen Anzahl an Kollektorartikeln etwas langsamer. Diese Ergebnisse zeigen eindeutig, dass die Agglomeration sehr effektiv zur Reduzierung der Anzahlkonzentration von kleinen Partikeln eingesetzt werden kann. Anzahl der Partikeln [ 4 ] t = 0 s t = 0,5 s t =,0 s t =,36 s Partikeldurchmesser [µm] Anzahl der Partikeln [ 4 ] 6 t = 0 s t = 0,5 s 5 t =,0 s t =,72 s Partikeldurchmesser [µm] Bild 32 Zeitliche Änderung der Partikelgrößenverteilung bei turbulenter Agglomeration, Normal-verteilung der Partikelgröße (links), schräge Verteilung (rechts). d = -25 µm; α =, ; e = 0,6; ρ = 2500 kg /m³; k = 0,5 m²/s² ; ε = 500 m²/s³ Im Bild 33 wird die Agglomerationseffektivität in Abhängigkeit von der Form der Partikelanzahlverteilung dargestellt. Die gesamte Partikelanzahl im System nimmt bei allen drei oben genannten Partikelverteilungen ab. Die Halbwertzeit steigt von 0,2 s für die Gleichverteilung über,36 s für die Normalverteilung auf,72 s für die schräge Verteilung. So ergibt sich die höchste Effektivität für die Agglomeration bei der Gleichverteilung. Die statistisch gemittelten Werte der Kollisionsfrequenz, der Agglomerationsfrequenz und der gesamte Partikelvolumenanteil sowie die mittlere relative Partikelgeschwindigkeit sind in Tabelle 5 dargestellt. 8
14 ,0 0,8 N(t) / N 0 0,6 0,4 0,2 Schräge Verteilung Normalverteilung Gleichverteilung 0,0 0,0 0,4 0,8,2,6 2,0 Zeit [s] Bild 33 Zeitliche Änderung der Anzahlkonzentration bei verschiedenen Größenverteilungen, d = -25 µm; e = 0,6 ; ρ = 2500 kg /m³; k = 0,5 m²/s ²; ε = 500 m²/s³ Tabelle 5 Statistisch gemittelte Ergebnisse der Simulationen mit verschiedenen Partikelverteilungen Partikelverteilung [/s] [/s] α P U P rel [m/s] Halbwertzeit [s] Schräge Verteilung 7,2 2,0 0,000063,,72 Normalverteilung 24,0 2,5 0,00084,06,36 Gleichverteilung 33,4 3,4 0,000794,32 0, Schlussfolgerungen Es wurde ein Berechnungsmodell zur Untersuchung und Beschreibung des turbulenten Agglomerationsrozesses mit Hilfe des Euler/Lagrangeschen Verfahrens vorgestellt. Für dieses Modell wurden das Langevin-Verfahren zur Generierung der Fluidfluktuation entlang der berechneten Partikelbahn und die stochastische Methode zur Beschreibung des Partikel- Partikel-Kollisionsrozesses herangezogen. Das stochastische Partikel-Partikel- Kollisionsmodell wurde um die Berücksichtigung der Auftreffwahrscheinlichkeit zwischen den Partikeln erweitert, und die Berechnung der kritischen Geschwindigkeit wurde als ein Kriterium für den Agglomerationsvorgang in das Modell eingeführt. 82
15 Die numerische Simulation des Agglomerationsvorganges wurde in einem homogenen, isotroen Turbulenzfeld getestet. Die zeitliche Änderung der Größenverteilung und der Anzahlkonzentration wurde für verschiedene Werte der Turbulenzintensität, der Partikelrelaxationszeit und der Anfangsartikelgrößenverteilung berechnet. Die statistisch ermittelten Ergebnisse zeigen den Einfluss der Prozessarameter auf den Agglomerationsrozess. Detaillierte Informationen über die Kollision und den Agglomerationsrozess konnten aus den Berechnungsergebnissen gewonnen werden. Die Ergebnisse zeigen, dass bei einem monodisersen Partikelsystem bei Agglomeration eine neue diskrete Partikelfraktion gebildet wurde. Die Kollisionshäufigkeit hängt wesentlich von den turbulenten Parametern ab. Die otimale Kollisionsfrequenz liegt bei einer Partikel- Stokes-Zahl von St =. Die Agglomerationsfrequenz hängt wesentlich von den hysikalischen Eigenschaften der Partikeln, wie z.b. der Partikelmaterialdichte oder dem Restitutionskoeffizienten, ab. Für eine multi-modale Verteilung der Partikeln gilt, dass die kleineren Partikeln mehr zur Kollision neigen und häufiger an größeren Partikeln als an Partikeln mit gleichem Durchmesser haften. 83
7 Zusammenfassung Zusammenfassung
107 Es wurden mit dem Lattice-Boltzmann-Verfahren dreidimensionale numerische Simulationen der Partikelumströmung unter verschiedenen Bedingungen durchgeführt und der Widerstands-, der dynamische Auftriebs-
2 Stand des Wissens. 2.1 Der Agglomerationsprozess. 2.2 Mechanismen des Agglomerationsvorganges
Stand des Wissens.1 Der Agglomerationsprozess Der Agglomerationsprozess von Partikeln wird oft in der Natur (wie z.b. bei der Regentropfenbildung) oder in technischen Apparaten beobachtet, wenn feine Partikeln
3. Laminar oder turbulent?
3. Laminar oder turbulent? Die Reynoldszahl Stokes- Gleichung Typisch erreichbare Reynoldszahlen in der Mikrofluik Laminare Strömung Turbulente Strömung 1 Durchmesser L Dichte ρ TrägheitskraG: F ρ ρu 2
Kategorisierung von Partikelmessverfahren
Kategorisierung von Partikelmessverfahren Lehrstuhl für Microtrac-Workshop Partikelanalyse, 30. März 2017 Kategorisierung von Messverfahren Partikelgröße & Verteilung Genauigkeit Art der und Messwertermittlung
4. Transiente Analyse
4. Transiente Analyse Bei der transienten Analyse wird der zeitliche Verlauf der Antwort auf eine zeitlich veränderliche Last bestimmt. Die zu lösende Bewegungsgleichung lautet: [ M ] [ü ]+[ D ] [ u ]+
4. Ergebnisse. Tab. 10:
4. Ergebnisse 4.1 in vitro-ergebnisse Es war aus sicherheitstechnischen und arbeitsrechtlichen Gründen nicht möglich, die für den Tierversuch hergestellten, radioaktiv markierten PMMA-Nanopartikel auf
Zusammenfassung und Ausblick
Kapitel 7 Zusammenfassung und Ausblick Gegenstand der vorliegenden Arbeit ist die Erzeugung und Charakterisierung von Eisenoxid-Nanopartikeln in Gasphasenreaktoren und die Untersuchung des Einflusses sowohl
Theoretische Biophysik - Statistische Physik
Theoretische Biophysik - Statistische Physik 10. Vorlesung Pawel Romanczuk Wintersemester 2018 http://lab.romanczuk.de/teaching/ 1 Brownsche Bewegung Zusammenfassung letzte VL Formulierung über Newtonsche
Übungen mit dem Applet Zentraler Grenzwertsatz
Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3
TU Dortmund. Vorname: Nachname: Matr.-Nr.: Aufgabe 1 (Seite 1 von 3)
Aufgabe 1 (Seite 1 von 3) Bei der Messung eines belasteten Blechs wurden drei Dehnungs-Messstreifen (DMS) verwendet und wie rechts dargestellt appliziert. Die Dehnungen der entsprechenden DMS wurden zu
Dissertation. zur Erlangung des akademischen Grades Doktor-Ingenieur (Dr.-Ing.)
Bestimmung des Widerstandes, uftriebs und Drehmoments und Simulation der Bewegung nihtsphärisher Partikel in laminaren und turbulenten Strömungen mit dem Lattie-Boltzmann-Verfahren Dissertation zur Erlangung
Wechselkurse und Finanzmarkt-Indizes
8. Mai 2008 Inhaltsverzeichnis 1 Wechselkurse Einführung Wechselkurs US Dollar - Deutsche Mark Statistischer Prozess 2 Reinjektion Eigenschaften der Fluktuationen von x(τ) 3 Diffusion auf Finanzmärkten
Flockungs-und Absetzverhalten kohäsiverfeinsedimente im offenen Kreisgerinne - Experimentelle Untersuchungen und numerische Modellierung
Flockungs-und Absetzverhalten kohäsiverfeinsedimente im offenen Kreisgerinne - Experimentelle Untersuchungen und numerische Modellierung Irina Klassen Gesinus-Treffen, 21. /22. Juni 2012 in Koblenz Prof.
Physikalisches Praktikum
Physikalisches Praktikum Viskosität von Flüssigkeiten Laborbericht Korrigierte Version 9.Juni 2002 Andreas Hettler Inhalt Kapitel I Begriffserklärungen 5 Viskosität 5 Stokes sches
Simulation und Optimierung von Spinn- und Ablageprozessen 19. Hofer Vliesstofftage November 2004
Simulation und Optimierung von Spinn- und Ablageprozessen 19. Hofer Vliesstofftage 10. 11. November 2004 Dr. Dietmar Hietel Überblick Problemstellung Modellierung und Simulation Luftströmungen Faserdynamik
Übungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
Übungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
3) Testvariable: T = X µ 0
Beispiel 4.9: In einem Molkereibetrieb werden Joghurtbecher abgefüllt. Der Sollwert für die Füllmenge dieser Joghurtbecher beträgt 50 g. Aus der laufenden Produktion wurde eine Stichprobe von 5 Joghurtbechern
DRUCKABFALL IN SCHÜTTSCHICHTEN
DRUCKABFALL IN SCHÜTTSCHICHTEN Reaktoren, die mit körnigem Packungsmaterial gefüllt sind, werden in der chemischen Industrie häufig verwendet. Bei einhasiger Arbeitsweise bezweckt man dabei den Kontakt
Übungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
Physik I TU Dortmund WS2017/18 Gudrun Hiller Shaukat Khan Kapitel 7
1 Ergänzungen zur Hydrodynamik Fluide = Flüssigkeiten oder Gase - ideale Fluide - reale Fluide mit "innerer Reibung", ausgedrückt durch die sog. Viskosität Strömungen von Flüssigkeiten, d.h. räumliche
Musterlösung: Partikelbewegung im Fluid
Musterlösung: Partikelbewegung im Fluid 0. Januar 016 Wiederholung Ein Ausschnitt notwendiger Grundlagen für die Berechnung stationärer Sinkgeschwindigkeiten von Partikeln im Fluid. Annahmen: Partikel
2 Ausgewählte experimentelle Arbeiten zu Gas- Feststoffströmungen
2 Ausgewählte experimentelle Arbeiten zu Gas- Feststoffströmungen In der jüngeren Vergangenheit wurden mehrere Arbeiten veröffentlicht, die sich mit der experimentellen Analyse von Transporteffekten in
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
Moderne Theoretische Physik III (Theorie F Statistische Mechanik) SS 17
Karlsruher Institut für Technologie Institut für Theorie der Kondensierten Materie Moderne Theoretische Physik III (Theorie F Statistische Mechanik) SS 7 Prof. Dr. Alexander Mirlin Musterlösung: Blatt
Musterlösung: Stromklassierung im Hydrozyklon
Musterlösung: Stromklassierung im Hydrozyklon 22. Februar 2016 Aufgabenstellung Eine Rohkaolinsuspension mit einer Temperatur von T 20 C und einem Feststoffgehalt von c si 250 kg/m 3 soll bei einer Trennkorngröße
Technische Universität München
Technische Universität München Lehrstuhl I für Technische Chemie Lehrstuhl für Energiesysteme Diplomhauptprüfung Mechanische Verfahrenstechnik I (Verfahrenstechnische Grundlagen für Baustoffingenieure)
1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differenzialgleichungssysteme 5.1-1 1.1 Grundlagen
1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
Binomialverteilung Vertrauensbereich für den Anteil
Übungen mit dem Applet Binomialverteilung Vertrauensbereich für den Anteil Binomialverteilung Vertrauensbereich für den Anteil 1. Statistischer Hintergrund und Darstellung.... Wie entsteht der Vertrauensbereich?...
Statistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mathematische Grundlagen der dynamischen Simulation
Mathematische Grundlagen der dynamischen Simulation Dynamische Systeme sind Systeme, die sich verändern. Es geht dabei um eine zeitliche Entwicklung und wie immer in der Informatik betrachten wir dabei
5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
Aufgabe 1: n (2) n (1)
Aufgabe 1: In er mechanischen Verfahrenstechnik weren häufig analytische Funktionen, wie ie RRSB- Verteilung (Rosin-Rammler-Sperling-Bennett) benutzt, um Partikelgrößenverteilungen zu beschreiben. Sin
Technische Universität München
Technische Universität München Lehrstuhl I für Technische Chemie Lehrstuhl für Energiesysteme Prüfung Mechanische Verfahrenstechnik I (Verfahrenstechnische Grundlagen für Baustoffingenieure) Prof. Dr.-Ing.
3.5.6 Geschwindigkeitsprofil (Hagen-Poiseuille) ******
3.5.6 ****** 1 Motivation Bei der Strömung einer viskosen Flüssigkeit durch ein Rohr ergibt sich ein parabolisches Geschwindigkeitsprofil. 2 Experiment Abbildung 1: Versuchsaufbau zum Der Versuchsaufbau
Stochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Biomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
Übungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
Bremsung einer Lokomotive
bernhard.nietrost@htl-steyr.ac.at Seite 1 von 13 Bremsung einer Lokomotive Mathematische / Fachliche Inhalte in Stichworten: Modellierung von Einflussgrößen (Kräften) stückweise stetige Funktionen Regression
Die Widerstandskoeffizientë der Biegungen sind nahezu unabhängig vom Schlauchtyp
Der Einfluß einiger Parameter auf die Reibungs- und Widerstandskoeffizienten der DEC International Schläuche- und Biegungen ist von TNO untersucht worden (Zulassungsnummer 90-042/R.24/LIS). Die folgenden
Kinetische Theorie. Übersicht: Voraussetzungen: Verteilungsfunktionen Grundgleichungen: Kollissionen
Kinetische Theorie Übersicht: Verteilungsfunktionen Grundgleichungen: Boltzmann Vlasov Fokker-Planck Kollissionen neutral trifft neutral neutral trifft geladen geladen trifft geladen Voraussetzungen: keine
Untersuchung der Eigenschaften von Schlacken und Schmelzen in technischen Feuerungen (AiF-FV N)
Aif-Fv: 12597 n Lehrstuhl für Energieanlagen und Energieprozesstechnik Ruhr-Universität Bochum Prof. Dr.-Ing. V. Scherer Deutsche Vereinigung für Verbrennungsforschung e.v. Untersuchung der Eigenschaften
Statistik Übungsblatt 5
Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit
Verwandte Begriffe Maxwell-Gleichungen, elektrisches Wirbelfeld, Magnetfeld von Spulen, magnetischer Fluss, induzierte Spannung.
Verwandte Begriffe Maxwell-Gleichungen, elektrisches Wirbelfeld, Magnetfeld von Spulen, magnetischer Fluss, induzierte Spannung. Prinzip In einer langen Spule wird ein Magnetfeld mit variabler Frequenz
Scheitelrollenprüfstand für Elektrofahrzeuge - Aufgabenstellung
Scheitelrollenprüfstand für Elektrofahrzeuge - Aufgabenstellung Aufgabe 1) Die im Anhang der Aufgabenstellung vorgegebenen Werte für das Fahrzeug sollen in das Interface übertragen werden. Anschließend
Mathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
Lattice-Boltzmann-Methode
Lattice-Boltzmann-Methode Ausarbeitung zum CES-Seminarvortrag Markus Frings (274290) 27. Juli 2013 Inhaltsverzeichnis 1 Einleitung 1 2 Zelluläre Automaten 2 3 Lattic-Gas-Automaten 2 3.1 FHP-I.....................................
Physik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Kapitel 9: Turbulente Strömungen, Grenzflächen, Schwingungen Dr. Daniel Bick 30. November 2016 Daniel Bick Physik für Biologen und Zahnmediziner 30. November 2016
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess
Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern
Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern S. Weihard, A. Hupfer, H.-P. Kau Technische Universität München, Lehrstuhl für Flugantriebe
Untersuchung des Skin-Effekts bei Koaxialkabeln
Untersuchung des Skin-Effekts bei Koaxialkabeln Ein Koaxialkabel ist ein zweiadriges Kabel, das aus einem Innen- und einem Außenleiter besteht. Innen- und Außenleiter sind elektrisch durch einen, den Innenleiter
Hydrodynamik Kontinuitätsgleichung. Massenerhaltung: ρ. Massenfluss. inkompressibles Fluid: (ρ 1 = ρ 2 = konst) Erhaltung des Volumenstroms : v
Hydrodynamik Kontinuitätsgleichung A2, rho2, v2 A1, rho1, v1 Stromröhre Massenerhaltung: ρ } 1 v {{ 1 A } 1 = ρ } 2 v {{ 2 A } 2 m 1 inkompressibles Fluid: (ρ 1 = ρ 2 = konst) Erhaltung des Volumenstroms
Anpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Cox-Regression. Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells
Cox-Regression Ausgangspunkt Ansätze zur Modellierung von Einflussgrößen Das Cox-Modell Eigenschaften des Cox-Modells In vielen Fällen interessiert, wie die Survivalfunktion durch Einflussgrößen beeinflusst
UNTERSUCHUNG VON PM-ERREGTEN LINEAR-
Untersuchung von PM-erregten Linearmotoren mit variabler Magnetform 1 UNTERSUCHUNG VON PM-ERREGTEN LINEAR- MOTOREN MIT VARIABLER MAGNETFORM W.-R. Canders, H. Mosebach, Z. Shi (Kurzfassung des Beitrages
Hausaufgabe Modellierung und Simulation 1
Hausaufgabe Modellierung und Simulation 1 Die Pareto Verteilung Die Pareto-Verteilung ist eine stetige Wahrscheinlichkeitsverteilung in einem rechtsseitig unendlichen Intervall zwischen x min und. Die
Kapitel XI - Operationscharakteristik und Gütefunktion
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XI - Operationscharakteristik und Gütefunktion Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo
Statistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
Kantendiffraktion: Rundung vs. Fase
Kantendiffraktion: Rundung vs. Fase Inhalt Motivation... 2 Simulationen... 3 Harte Kante... 3 Abrundung... 5 Fase... 7 Variation des Winkels... 9 Variation der Laufzeit... 11 Beispiel anhand eines 2-Wegers...
Klausur Strömungsmechanik I
...... (Name, Matr.-Nr, Unterschrift) Klausur Strömungsmechanik I 08. 08. 2014 1. Aufgabe (12 Punkte) Eine Ölbarriere in der Form eines Zylinders mit dem Durchmesser D schwimmt im Meer. Sie taucht in dem
Einführung in die Theorie der Markov-Ketten. Jens Schomaker
Einführung in die Theorie der Markov-Ketten Jens Schomaker Markov-Ketten Zur Motivation der Einführung von Markov-Ketten betrachte folgendes Beispiel: 1.1 Beispiel Wir wollen die folgende Situation mathematisch
Kármánsche Wirbelstraßen in
Kármánsche Wirbelstraßen in der Atmosphäre Untersuchungen mittels Large Eddy Simulation Rieke Heinze und Siegfried Raasch Institut für Meteorologie and Klimatologie Leibniz Universität Hannover DACH 2010
Abrasivpartikelzerfall im Hochdruckwasserstrahl
Abrasivpartikelzerfall im Hochdruckwasserstrahl D. Zaremba 01.12.2015 Wasserabrasiv-Injektorstrahl (WAIS)-Schneiden 1. Hochdruckpumpe: Wasser wird unter Druck gesetzt 2. Wasserdüse: Wasser wird zu Strahl
Statistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Übungen mit dem Applet x /s-regelkarte nach Shewhart
x /s-regelkarte nach Shewhart 1 Übungen mit dem Applet x /s-regelkarte nach Shewhart 1 Statistischer Hintergrund... 2 1.1 Ziel und Vorgehensweise der x /s-regelkarte nach Shewhart...2 1.2 Kurzbeschreibung
Die Entwicklung des Erde-Mond-Systems
THEORETISCHE AUFGABE Nr. 1 Die Entwicklung des Erde-Mond-Systems Wissenschaftler können den Abstand Erde-Mond mit großer Genauigkeit bestimmen. Sie erreichen dies, indem sie einen Laserstrahl an einem
Physik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Kapitel 9: Turbulente Strömungen, Grenzflächen, Schwingungen Dr. Daniel Bick 30. November 2016 Daniel Bick Physik für Biologen und Zahnmediziner 30. November 2016
Simulation Mechanischer Prozesse Übung Kontaktmodelle
Übungsaufgabe: Aufgabe : Bestimmung des kritischen Zeitschritts einer Simulation Der kritische Zeitschritt einer Simulation bestimmt die Stabilität der Lösung Die Zeitschrittweite orientiert sich dabei
Statistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
Reinraumtechnk. VDI Wissensforum
Reinraumtechnk Seite 1 Reinraumtechnk Inhaltsverzeichnis Kontamination und Partikel Partikelquellen in der Umgebung (3 bis 5) Partikelbeschreibung und -Verteilung (6 bis 14) Partikel und Keime (15 bis
Grundoperationen der Verfahrenstechnik. Sedimentation I
Grundoperationen der Verfahrenstechnik 3. Übung, WS 2016/2017 Betreuer: Maik Tepper M.Sc., Maik.Tepper@avt.rwth-aachen.de Morten Logemann M.Sc., Morten.Logemann@avt.rwth-aachen.de Johannes Lohaus M.Sc.,
Wärmelehre/Thermodynamik. Wintersemester 2007
Einführung in die Physik I Wärmelehre/Thermodynamik Wintersemester 007 Vladimir Dyakonov #16 am 0.0.007 Folien im PDF Format unter: http://www.physik.uni-wuerzburg.de/ep6/teaching.html Raum E143, Tel.
Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
4. Dämpfungsmodelle. 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung. Elastodynamik 3.
4. Dämpfungsmodelle 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung 3.4-1 4.1 Grundlagen Dämpfung ist ein Prozess, bei dem Energie dissipiert wird. Dabei
73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
Versuch 41: Viskosität durchgeführt am
Physikalisch-chemisches Grundpraktikum Gruppe 6 Philipp von den Hoff Andreas J. Wagner Versuch 4: Viskosität durchgeführt am 26.05.2004 Zielsetzung: Ziel des Versuches ist es, die Viskosität von n-butan-2-ol
Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. P. Embrechts ETH Zürich Winter 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
k np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr
Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p
Wirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
Modellierung der Schwebstoffaggregation in Verbindung mit persistenten Schadstoffen
Modellierung der Schwebstoffaggregation in Verbindung mit persistenten Schadstoffen Dr.-Ing. Gudrun Hillebrand, BfG Dipl.-Ing. Irina Klassen, KIT (i-1) i (i+1) Übersicht Grundfragestellung Flockungsmodellierung
Physik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Kapitel 8: Hydrodynamik, Grenzflächen Dr. Daniel Bick 01. Dezember 2017 Daniel Bick Physik für Biologen und Zahnmediziner 01. Dezember 2017 1 / 33 Übersicht 1 Mechanik
In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt.
.3.3 Theoretisch-prozentuale Häufigkeitsverteilung In den letzten zwei Abschnitten wurde die tatsächliche Häufigkeitsverteilung bzw. prozentuale Häufigkeitsverteilung abgehandelt. Charakteristisch für
Institut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
Die Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
Satz von Peano. Sei f stetig und beschränkt auf
Satz von Peano Sei f stetig und beschränkt auf { } Q ab := (t,y) R n+1 : t t 0 a; y y 0 b mit f(t,y) M und α := min(a, b M ). Dann besitzt das Anfangswertproblem y = f(t,y), y(t 0 ) = y 0 Giuseppe Peano
SozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Wahrscheinlichkeitsfunktionen
15 Eindimensionale Strömungen
97 Durch Druckunterschiede entstehen Strömungen, die sich auf unterschiedliche Weise beschreiben lassen. Bei der Lagrange schen oder materiellen Beschreibung betrachtet man das einelne Fluidteilchen, das
Grundlagen und Grundgleichungen der Strömungsmechanik
Inhalt Teil I Grundlagen und Grundgleichungen der Strömungsmechanik 1 Einführung... 3 2 Hydromechanische Grundlagen... 7 2.1 Transportbilanz am Raumelement... 7 2.1.1 Allgemeine Transportbilanz... 7 2.1.2
7 Gültige und zukünftige Richtlinien auf dem Gebiet der Druckentlastung
Eine Verbesserung der Übereinstimmung zwischen berechneten und experimentellen Druck- Zeit-Kurven lässt sich sicherlich auch durch Verfeinerung des Reaktionsmodells erzielen. FLUENT bietet diese Möglichkeit.
Verweilzeitverhalten im Rührkessel / Kaskade und Verweilzeitverhalten im Strömungsrohr
Protokoll Verweilzeitverhalten im Rührkessel / Kaskade und Verweilzeitverhalten im Strömungsrohr Von Christian Terhorst 716822-1- Inhaltsverzeichnis 1 Aufgabenstellung 2 Rührkessel ( -kaskade ) 2.1 Versuchsaufbau
Lösungsvorschlag Übung 2
Lösungsvorschlag Übung Aufgabe : Dichte von Gasen a) Die Dichte ρ eines Gases ist definiert als der Quotient aus Masse m und Volumen V ρ = m V..) Die Masse eines Gases erhält man aus dem Produkt seiner
Numerische Simulation des Mischvorganges von vier vollständig mischbaren Phasen in zwei verschiedenen Biogasfermentern
Numerische Simulation des Mischvorganges von vier vollständig mischbaren Phasen in zwei verschiedenen Biogasfermentern Stefan Pohn, Andras Horvath, Christian Kuttner, Christian Maier, Michael Harasek Institut
IMW - Institutsmitteilung Nr. 36 (2011) 51
IMW - Institutsmitteilung Nr. 36 (2011) 51 Untersuchungen eines parameterbasierten, einfach verseilten, einlagigen Rundlitzenseilmodells Leng, M. Die Geometrie eines Seils wird durch viele Parameter, z.b.
Semi-volatile Organic Compound (SVOC) Aerosols. Verhalten von mittelflüchtigen Stoffen
Semi-volatile Organic Compound (SVOC) Aerosols Verhalten von mittelflüchtigen Stoffen George-Constantin Dragan 4. Symposium Gefahrstoffe am Arbeitsplatz Überblick Einleitung Aerosole Dispersionen aus festen
1. Was ist eine Wahrscheinlichkeit P(A)?
1. Was ist eine Wahrscheinlichkeit P(A)? Als Wahrscheinlichkeit verwenden wir ein Maß, welches die gleichen Eigenschaften wie die relative Häufigkeit h n () besitzt, aber nicht zufallsbehaftet ist. Jan
Physik I Mechanik und Thermodynamik
Physik I Mechanik und Thermodynamik 1 Einführung: 1.1 Was ist Physik? 1.2 Experiment - Modell - Theorie 1.3 Geschichte der Physik 1.4 Physik und andere Wissenschaften 1.5 Maßsysteme 1.6 Messfehler und
Simulation des Rayleigh-Zerfalls eines Flüssigkeitsstrahls mit ANSYS FLUENT
Simulation des Rayleigh-Zerfalls eines Flüssigkeitsstrahls mit ANSYS FLUENT Mario Ramlow Technische Hochschule Wildau [FH] m.ramlow@gmx.net Dr. Andreas Spille-Kohoff CFX Berlin Software GmbH andreas.spille@cfx-berlin.de
Landau-Theorie der Phasenumwandlung von Membranen
Landau-Theorie der Phasenumwandlung von Membranen Vorbemerkung Vorbemerkung: Um Einblick in die thermodynamischen aber auch strukturellen Eigenschaften von Lipidschichten zu erhalten, ist die klassische