Data-driven methods for the analysis of flow phenomena in baffled stirred tanks

Abstract

Mekanisk omrørte tank er vanlig brukt som kjemiske reaktorer i et bredt spekter av industrielle prosesser, med mange forskjellige anvendelser. Etter hvert som kravet om høyere energieffektivitet eller produktrenhet øker, blir designoptimalisering stadig viktigere. For å designe effektivt blandeutstyr er det viktig å forstå strømningsfenomenene som foregår inne i beholderen.

I denne masteroppgave brukes proper orthogonal decomposition (POD), dynamic mode decomposition (DMD) og multi-scale POD (mPOD) for å analysere tredimensjonal hastighetsdata fra en large eddy simulering av et 11-liters omrøringstank utstyrt med et Rushton-type impeller som opererer i vann under turbulente forhold (i det minste i området nær impelleren). Analysen fokuserer på modusene med høyest energiinnhold i POD og mPOD, og kvantifiserer de dynamisk mest signifikante modusene i DMD. Den romlige og tidsmessige informasjonen fra modusene brukes til å identifisere virvelstrukturer i strømningen. Denne oppgave er et første forsøk å anvende mPOD for å undersøke strømningsfenomen i en omrørt tank.

Mechanically agitated vessels are commonly used as chemical reactors in a wide range of industrial processes, with many different applications. As the demand for higher energy efficiency or product purity grows, design optimization is becoming increasingly more important. To design effective mixing equipment, it is essential to understand the flow phenomena taking place inside the vessel.

This thesis employs the proper orthogonal decomposition (POD), dynamic mode decomposition (DMD) and multi-scale POD (mPOD) to analyze three-dimensional velocity data obtained from a large eddy simulation of a 11-liter baffled stirred tank equipped with a Rushton-type impeller operating in water under turbulent condition (at least in the near impeller region). The analysis focuses on the modes with the highest energies in the POD and mPOD, and quantifies the dynamically most significant modes in DMD. The spatial and temporal information from the modes are then used to identify vortical structures in the flow. This work is a first attempt to apply mPOD for the study of flow phenomena in stirred tanks.