首页/文章/ 详情

突破两相流模拟难题!LBM方法解锁细胞分选与液滴碰撞的精准仿真

精品
作者优秀平台推荐
详细信息
文章亮点
作者优秀
优秀教师/意见领袖/博士学历/特邀专家/独家讲师
平台推荐
内容稀缺
9月前浏览507
  
在两相流数值模拟领域,介电泳分选等场景中粒子(如细胞)的轨迹控制与形变调控是核心技术痛点 —— 传统模拟难以精准兼顾电场作用下的粒子运动规律与柔性粒子的形变特性,且模型准确性缺乏多场景实验验证,同时粒子形变的关键影响因素尚未明确,制约了相关分选技术的优化升级与工程应用。
基于此,本文采用格子玻尔兹曼(LBM)方法开展典型两相流问题模拟,通过构建介电泳分选芯片与液滴撞击液膜两大核心场景,引入伪势模型并融入介电力等关键外力项,精准捕捉粒子轨迹、形变及流场演化规律,系统探究流速比等因素对粒子形变的影响,且经多组实验验证了模型的可靠性。该研究不仅解决了传统模拟中精准度不足、影响因素不明的难题,更为相关分选技术优化、设备设计提供了理论支撑,同时所获取的流场数据也为后续机器学习算法训练奠定了基础,具备重要的学术研究价值与工程应用前景。
01    

几何模型与参数    

本模型基于常用的介电泳分选芯片为例,模型示意图如图 3-1 所示。它由两个入口、两个出口和一个分离区组成,在分离区中,由交变极性的电极Li排列产生的不均匀电场改变了颗粒的轨迹。被分选的细胞随悬浮液从入口ab输入;缓冲液从入口cd输入;细胞经过分选后分别从压力出口ef和gh输出;在电极Li处施加电势。
施加介电泳力情况下的细胞轨迹模拟结果如图 3-2(a)所示,两种不同的颗粒将分别流入两个流道。而细胞等并非刚性粒子,细胞膜在某些情况下会呈现一定流动性,细胞的形变率是我们研究的重点。一旦粒子的形变率过大,则可能会导致细胞活性降低,当细胞表面张力不足以维持细胞形态时甚至会导致细胞破裂。
图-粒子的运动轨迹及形变
设置几何边界ab,cd 为速度边界,ef、gh为压力边界。过程壁面边界设定为反弹边界。电极L1、L3、L5、L7所施加的电势为正电压,电极L2、L4、L6所施加的电势为负电压,频率为100khz;通道宽度为w=40um。流体介质为液态水,密度为1000kg/m3,动力粘度 0.001Pa·s,流体介电属性为0.055S/m,相对介电常数 ɛ f为80。在对细胞进行介电力的计算时,将细胞设定为刚性粒子,给定粒子相关介电参数如下表1所示。
02    

结果分析    

粒子成功分选后,截取某个参数组合时不同位置的形变的情况,如图3-3所示,最终通过对比文献实验结果验证了模型的准确度。为探究该芯片中粒子变形的影响因素,将从芯片入口流速比以及施加的电压幅值进行单因素研究。
图-目标粒子轨迹与形变图
03    

流速的影响    

图-形变率与流速必的关系
粒子的最大形变发生在入口1与入口2的流体交汇处,且随着流速比的减小,且流速梯度越大,粒子在运动过程中就越靠近L1电极的拐角处,粒子形变越大。如图3 5 所示,当流速比达到1/15 时,粒子通过流层时被挤压至壁面附近,粘附在上壁面受到流体剪切作用和来流与边界的挤压作用,粒子表面张力无法维持整体状态而破裂。
04    

模型验证    

研究通过模拟了为 70%甘油与水的混合液体的液滴撞击液膜的实验[58],以模拟结果与实验现象对比,以验证模型的准确性。相比于3.2.3节中,其余条件保持不变,只改变了工质物性,其中液滴的直径为2.5mm,液膜的厚度2.5mm,介质密度为120kg/m3,液膜的粘度为0.022Pa × s,表面张力为0.039N/m。如图3-9所示,将模拟结果图3-9b中的二维图形以图中轴线为旋转轴旋转半周扩展为三维图形,可以看出,形状与实验结果吻合,证明了该模型的准确性。
图-液滴撞击相同工质形态变化与实验对比图
此处运用LBGK伪势模型采用第3.2.3节参数进行LBM的模拟结果如对液滴形态的演变、压力等值以及速度矢量的分布,已迁移至第5.4节结果分析与机器学习模型输出进行对比中展示,故不再赘述。
05    

本章小结    

本章基于LBM方法实现典型两相流问题的模拟,具体包括 
(1)进行粒子介电泳分选的仿真研究。通过有限单元-LBM方法,将介电力作为外力项添加进伪势模型中,并对粒子介电泳分选进行了模拟,进而获取液滴的形态变化,对比实验验证了模型的准确度。并分析形变率的相应影响因素,可为后续对应机器学习算法提供所需要的训练数据来源。 
(2)进行液滴撞击液膜的数值模拟。通过LBM大密度比多松弛伪势模型对液滴碰撞液膜进行了数值模拟,以液滴形态演变对比实验,验证了模型的准确度,进而通过 LBGK 伪势模型获取液滴与液膜的形态变化等流场信息,可为后续对应机器学习算法提供所需要的训练数据来源。
最后推荐笔者原创首发在仿真秀平台视频课程《OpenFoam和AI机器学习14讲:使用人工智能建立流体力学中的数据驱动模型》

可回放,开发票,奖学金,加餐
提供vip交流群/答疑/学习资料
《OpenFoam和AI机器学习14讲:使用人工智能建立流体力学中的数据驱动模型》
图片

来源:仿真秀App
LS-DYNAFluentComsolOpenFOAM碰撞多相流燃烧化学湍流拓扑优化航空电力芯片UM理论人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-01-12
最近编辑:9月前
仿真圈
技术圈粉 知识付费 学习强国
获赞 12103粉丝 23560文章 4677课程 277
点赞
收藏
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈