Show simple document record

Other titre : Optimization of air vortex tubes by analytical and numerical models

dc.contributor.advisorPoncet, Sébastien
dc.contributor.advisorSorin, Mikhail
dc.contributor.authorLagrandeur, Juniorfr
dc.date.accessioned2020-12-16T14:56:52Z
dc.date.available2020-12-16T14:56:52Z
dc.date.created2020fr
dc.date.issued2020-12-16
dc.identifier.urihttp://hdl.handle.net/11143/17832
dc.description.abstractLes tubes à vortex permettent de séparer un gaz comprimé entrant à une température intermédiaire en un écoulement chaud et un écoulement froid. Toutefois, leur faible efficacité exergétique limite leurs applications. Il est difficile d'optimiser un tube à vortex pour chaque application étant donné que le mécanisme de transfert de chaleur reste encore mal compris. Dans cette thèse, plusieurs techniques sont combinées afin d'éclaircir le mécanisme de fonctionnement des tubes à vortex à contre-courant et d'en prédire les performances. Tout d'abord, une revue de la littérature des modèles analytiques prédictifs permet d'analyser les modes de fonctionnement proposés des tubes à vortex sous l'angle de leur capacité à prédire les performances. Aucun des modèles ne prédit adéquatement les performances des tubes, mais cette revue de la littérature a permis d'éliminer déjà quelques options, dont le modèle de l'échangeur de chaleur. Plusieurs des modèles analytiques présentés utilisent le ratio de pression entre l'entrée et la sortie pour calculer les performances du tube. Ce paramètre permet de calculer les propriétés à l'entrée dans un nouveau modèle analytique. Ce modèle calcule la vitesse d'entrée de façon à obtenir un gradient de pression interne correspondant à un vortex forcé. Il utilise aussi un profil de température statique isotherme sur le plan d'entrée pour calculer les températures de sortie. Celui-ci se compare avantageusement avec des résultats expérimentaux issus de la littérature. Ensuite, deux réseaux de neurones artificiels entrainés à partir de mesures provenant de 11 sources différentes prédisent la température de sortie froide et le débit massique à partir d'un nombre réduit de paramètres d'entrée. Les paramètres retenus sont ceux ayant le plus d'influence sur la performance des tubes. Seule la longueur n'est pas utilisée dans le modèle analytique. Ces deux méthodes ont permis d'optimiser la géométrie du tube à vortex. La configuration optimale identifiée à l'aide des réseaux de neurones correspond à une condition avec peu de résultats expérimentaux. Pour le modèle analytique, celui-ci a optimisé l'efficacité exergétique d'un tube à vortex et de combinaisons de tubes à vortex en cascade. Comme ce modèle se base sur une meilleure connaissance du mode de fonctionnement, il a également identifié les principales sources de destruction d'exergie à l'intérieur et à l'extérieur du tube. Finalement, les modélisations numériques de l'écoulement viennent complèter le modèle analytique. Toutefois, certaines hypothèses sous-jacentes sont inadéquates. Le gradient de pression crée l'échange de chaleur. La conductivité thermique turbulente n'en tient pas compte. Le modèle k-w SST avec un solveur basé sur la densité et un terme source additionnel dans l'équation d'énergie permet de prédire adéquatement la température de sortie froide et la pression de sortie chaude lorsque la fraction massique froide est élevée. Lorsque cette fraction massique est plus faible, les modèles de turbulence analysés ne prédisent pas correctement l'éclatement tourbillonnaire dans le tube froid, expliquant leur mauvaise performance sous ces conditions. Des pistes d'amélioration sont proposées pour améliorer le résultat des simulations.fr
dc.description.abstractAbstract : Vortex tubes separate a compressed gas at an intermediate temperature into a cold stream and a hot stream. However, their low exergetic efficiency limits their applications. Optimizing vortex tubes for a specific application is difficult because the heat transfer mechanism is not well understood. This thesis explains the working mechanism of vortex tubes and predicts their performance using different techniques. To begin, this thesis presents a review of predictive models for vortex tubes. This review analyzes theory about the vortex tube working mechanism based on their ability to predict their performance. None of the reviewed models is able to predict vortex tubes' performance. Some model may be discarded, including the heat exchanger analogy. Many of the reviewed models use the pressure ratio between the inlet and the cold outlet to predict vortex tubes' performance. This ratio is used to calculate the inlet velocity to match the pressure gradient generated by a forced vortex in a new analytical model. In addition, this model assumes an isothermal static temperature profile on the inlet plane to calculate the cold outlet temperature. This new model predicts adequately the cold outlet temperature of two vortex tubes studied experimentally in the literature. Thirdly, two artificial neural networks (ANN) are trained from 600 measurements from 11 different sources available in the literature. These two ANN models predict accurately the cold outlet temperature and the mass flow rate from a limited number of parameters. From these, only the vortex tube length is not used in the analytical model. One uses these two methods to optimize the geometry of the vortex tube. The optimal configuration identified by the ANN models corresponds to a condition with few experimental results. The analytical model optimizes the exergetic efficiency of both a single vortex tube and a cascade of vortex tubes. In addition, because this model provides a deeper understanding of the heat exchange mechanism, the model identifies the main sources of exergy destruction inside and outside the vortex tube. Finally, results from numerical simulations complete the outcomes of the analytical model. However, some underlying assumptions are inappropriate. The pressure gradient generates the heat exchange. The turbulent thermal conductivity assumption does not include this effect. The k-w SST model coupled with the density-based solver and an additional source term in the energy equation predict the right cold outlet temperature for high cold mass fractions. When this cold mass fraction is lower, the investigated turbulence models do not predict correctly the vortex breakdown in the cold tube. This may explain the poor performance of these models under this condition. Some improvements to standard turbulence models are finally proposed.fr
dc.language.isofrefr
dc.language.isoengfr
dc.publisherUniversité de Sherbrookefr
dc.rights© Junior Lagrandeurfr
dc.rightsAttribution - Pas d’Utilisation Commerciale 2.5 Canada*
dc.subjectTube à vortexfr
dc.subjectModèle thermodynamiquefr
dc.subjectRéseaux de neurones artificielsfr
dc.subjectExergiefr
dc.subjectModélisations numériquesfr
dc.subjectÉclatement tourbillonnairefr
dc.subjectCouche limite de Bödewadtfr
dc.subjectVortex tubefr
dc.subjectThermodynamic modelingfr
dc.subjectArtificial neural networksfr
dc.subjectExergyfr
dc.subjectTurbulence modelingfr
dc.subjectVortex breakdownfr
dc.subjectBödewadt boundary layerfr
dc.titleOptimisation de tubes à vortex à air par des modèles analytiques et numériquesfr
dc.title.alternativeOptimization of air vortex tubes by analytical and numerical modelsfr
dc.typeThèsefr
tme.degree.disciplineGénie mécaniquefr
tme.degree.grantorFaculté de géniefr
tme.degree.levelDoctoratfr
tme.degree.namePh.D.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record