Simulation numérique de l’écoulement et mélange granulaires par des éléments discrets ellipsoïdaux

• Main Author: Trabelsi, Brahim
• Other Authors: Toulouse, INPT
• Language: fr
• Published: 2013
• Subjects: Métodes des éléments discrets; Conctat entre ellispoïdes; Milieux Granulaire; Simulation numérique; Condition algébrique de contact; Particules ellipsoïdales; Modélisation; Mélange des poudres; Chaîne de Markov; Couplage DEM chaîne de Markov; Discret Elements Methods DEM; Ellipsoids contact; Granular simulation; Algebraic conditions; Ellipsoidal particles; Modelling; Powder mixing; Markov chain; Coupling DEM and Markov chain
• Online Access: http://www.theses.fr/2013INPT0020/document

Les matériaux granulaires sont omniprésents, ils se trouvent aussi bien dans la nature que dans quelques applications industrielles. Parmi les applications industrielles utilisant les matériaux granulaires, on cite le mélange des poudres dans les industries agro-alimentaires, chimiques, métallurgiques et pharmaceutiques. La caractérisation et l'étude du comportement de ces matériaux sont nécessaires pour la compréhension de plusieurs phénomènes naturels comme le mouvement des dunes et les avalanches de neige, et de processus industriels tel que l'écoulement et le mélange des grains dans un mélangeur. Le comportement varié des matériaux granulaires les rend inclassables parmi les trois états de la matière : solide, liquide et gazeux. Ceci a fait dire qu'il s'agit d'un ``quatrième état'' de la matière, situé entre solide et liquide. L'objectif de ce travail est de concevoir et de mettre en oeuvre des méthodes efficaces d'éléments discrets pour la simulation et l'analyse des processus de mélange et de ségrégation des particules ellipsoïdales dans des mélangeurs culbutants industriels tels que le mélangeur à cerceaux. Dans la DEM l'étape la plus critique en terme de temps CPU est celle de la détection et de résolution de contact. Donc pour que la DEM soit efficace il faut optimiser cette étape. On se propose de combiner le modèle du potentiel géométrique et la condition algébrique de contact entre deux ellipsoïdes proposée par Wang et al., pour l'élaboration d'un algorithme efficace de détection de contact externe entre particules ellipsoïdales. Puis de de prouver un résultat théorique et d'élaborer un algorithme pour le contact interne. D'autre part, le couplage DEM-chaîne de Markov permet de diminuer très sensiblement le temps de simulation en déterminant la matrice de transition à partir d'une simulation à courte durée puis en calculant l'état du système à l'aide du modèle de chaîne de Markov. En effet, en utilisant la théorie des matrices strictement positives et en se basant sur le théorème de Perron-Frobenius on peut approximer le nombre de transitions nécessaires pour la convergence vers un état donné. === The importance of granular mixing for many process industries dealing with powders and grains can hardly be exaggerated. For example, chemical, food, and pharmaceutical industries usually require blending different particulate materials. High-quality products ranging from polymers and pharmaceuticals to ceramics and semiconductors increasingly depend on reliable granular flow and high quality and controllable granular mixing processes. In this work we implement a discrete element method for the simulation and analysis of mixing and segregation of ellipsoidal particles inside industrial tumbling blenders. The most critical step in term of time CPU in a discrete element simulation is the detection and resolution of contact. We use the algorithm of separating plane of ellipsoids and the algebraic condition on the separation of two ellipsoid algebraic conditions for the development of an efficient contact detection algorithm for ellipsoidal particles and to prove a theoretical result and a new algorithm for the internal contact. However, the coupling between DEM and Marckov chain makes it possible to very appreciably decrease the simulation time by determining the transition matrix of a short time simulation then by calculating the state from the system using the model from chain from Markov. Indeed, by using the theory of the strictly positive matrices and while basing oneself on the theorem of Perron-Frobenius we can approximate the number of transitions necessary for convergence towards a given state.