悬浮床氮化硅合成热过程的实验研究与数值模拟

针对基于流态化技术利用硅粉直接氮化合成氮化硅粉的新工艺,建立了悬浮床内热过程的二维数学模型,并借助CFD商业软件FLUENT对悬浮床内热过程进行了数值模拟,分析了氮气速度、粉气比和氮化温度等因素对温度场和硅转化率的影响.结果表明,模拟计算值与实验值误差小于5%,该模型可以用来预测悬浮床内的热过程.在本文条件下,当以平均粒径2.7μm的硅粉为原料、氮化温度为1 380℃、氮化时间为54.5 s时,硅的转化率为22.5%.模型预测表明,如果将氮化温度升至1 450℃、氮化时间延长至7.1 min,那么硅转化率可达98.6%,氮化硅纯度达98%以上.

团购合买资源类别：文库，文档格式：PDF，文档页数：6，文件大小：778.74KB

D0I:10.13374/i.issnl00It03.2008.10.007 第30卷第10期北京科技大学学报 Vol.30 No.10 2008年10月 Journal of University of Science and Technology Beijing 0t.2008 悬浮床氮化硅合成热过程的实验研究与数值模拟尹少武王立孙淑凤童莉葛北京科技大学机械工程学院，北京100083 摘要针对基于流态化技术利用硅粉直接氨化合成氨化硅粉的新工艺，建立了悬浮床内热过程的二维数学模型，并借助 CFD商业软件FLUENT对悬浮床内热过程进行了数值模拟，分析了氮气速度、粉气比和氨化温度等因素对温度场和硅转化率的影响·结果表明，模拟计算值与实验值误差小于5%，该模型可以用来预测悬浮床内的热过程。在本文条件下，当以平均粒径2.7m的硅粉为原料、氨化温度为1380℃、氨化时间为54.5s时，硅的转化率为22.5%.模型预测表明，如果将氨化温度升至1450℃、氨化时间延长至7.1mim,那么硅转化率可达98.6%，氨化硅纯度达98%以上. 关键词氮化硅：悬浮床：热过程：数学模型：数值模拟分类号TK124 Experiment research and numerical simulation of thermal process in a suspended bed for Si3N4 synthesis YIN Shaowu,WANG Li,SUN Shufeng.TONG Lige School of Mechanical Engineering.University of Science and Technology Beijing.Beijing 100083.China ABSTRACT Aiming to a method for the synthesis of silicon nitride powder by direct nitridation process based on fluidization technol- ogy.a two-dimensional mathematical model of thermal process in a suspended bed was established,the thermal process was simulated based on the commercial CFD software FLUENT,and the effects of the flow velocity of nitrogen gas.the ratio of particle to gas and nitridation temperature on the temperature of the bed and the conversion rate of silicon were analyzed.The results show that the er- rors between simulation and experimental values are less than 5%and the model can be used to predict the thermal process in the sus- pended bed.Under the experimental conditions in this study,when the silicon powder with a particle size of 2.7Pm is used as raw materials,with a nitridation temperature of 1380C and nitridation time of 54.5s.the conversion rate of silicon is 22.5%.Theoreti- cal predictions suggest that if the nitridation temperature is increased to 1450C and the nitridation time is extended to 7.1min,the conversion rate of silicon and the purity of silicon nitride should reach 98.6%and 98%,respectively KEY WORDS silicon nitride:suspended bed;thermal process:mathematical model:numerical simulation 氮化硅(Si3N4)陶瓷具有优良的抗氧化性、良好预热后的混合物从底部进入到高温悬浮床的高温的热稳定性和化学稳定性、较高的强度和硬度、自润区，以稀相气力输送的方式连续穿过高温悬浮床，在滑性等特点，广泛用于制造各种零部件，如发动机部高温常压下发生燃烧合成反应，最后在出口经冷却件、换热器、泵密封材料、切削刀具以及陶瓷轴承装置冷却后，由收集装置收集，得到氮化产物，在本等四. 工艺中，高温悬浮床（又称高温输送床）是制备优质本文提出了基于流态化技术常压连续合成 S3N4粉的关键设备，而床内温度场的分布会对产 SiN4粉的新工艺).其工艺流程如下：在常温下，品质量产生很大影响，以氨气为载气，将硅粉快速流化并夹带离开供料装悬浮床内的热过程包括流体流动、传热传质和置，硅粉和氮气组成的气固两相流进入到预热器中，化学反应等复杂的物理化学过程，数值求解是确定收稿日期：2007-09-28修回日期：2007-12-06 作者简介：尹少武(1979一)，男，博士研究生：王立(1956一)，男，教授，博士生导师，E-mail:liwang(@me.ustb.edu.cn

悬浮床氮化硅合成热过程的实验研究与数值模拟尹少武王立孙淑凤童莉葛北京科技大学机械工程学院北京100083 摘要针对基于流态化技术利用硅粉直接氮化合成氮化硅粉的新工艺建立了悬浮床内热过程的二维数学模型并借助 CFD 商业软件 FLUENT 对悬浮床内热过程进行了数值模拟分析了氮气速度、粉气比和氮化温度等因素对温度场和硅转化率的影响．结果表明模拟计算值与实验值误差小于5％该模型可以用来预测悬浮床内的热过程．在本文条件下当以平均粒径2∙7μm 的硅粉为原料、氮化温度为1380℃、氮化时间为54∙5s 时硅的转化率为22∙5％．模型预测表明如果将氮化温度升至1450℃、氮化时间延长至7∙1min那么硅转化率可达98∙6％氮化硅纯度达98％以上．关键词氮化硅；悬浮床；热过程；数学模型；数值模拟分类号 T K124 Experiment research and numerical simulation of thermal process in a suspended bed for Si3N4synthesis Y IN Shaow uW A NG LiSUN ShufengT ONG Lige School of Mechanical EngineeringUniversity of Science and Technology BeijingBeijing100083China ABSTRACT Aiming to a method for the synthesis of silicon nitride powder by direct nitridation process based on fluidization technologya two-dimensional mathematical model of thermal process in a suspended bed was establishedthe thermal process was simulated based on the commercial CFD software FLUENTand the effects of the flow velocity of nitrogen gasthe ratio of particle to gas and nitridation temperature on the temperature of the bed and the conversion rate of silicon were analyzed．T he results show that the errors between simulation and experimental values are less than5％ and the model can be used to predict the thermal process in the suspended bed．Under the experimental conditions in this studywhen the silicon powder with a particle size of 2∙7μm is used as raw materialswith a nitridation temperature of1380℃ and nitridation time of54∙5sthe conversion rate of silicon is22∙5％．T heoretical predictions suggest that if the nitridation temperature is increased to1450℃ and the nitridation time is extended to7∙1minthe conversion rate of silicon and the purity of silicon nitride should reach98∙6％ and98％respectively． KEY WORDS silicon nitride；suspended bed；thermal process；mathematical model；numerical simulation 收稿日期：2007-09-28 修回日期：2007-12-06 作者简介：尹少武（1979—）男博士研究生；王立（1956—）男教授博士生导师E-mail：liwang＠me．ustb．edu．cn．氮化硅（Si3N4）陶瓷具有优良的抗氧化性、良好的热稳定性和化学稳定性、较高的强度和硬度、自润滑性等特点广泛用于制造各种零部件如发动机部件、换热器、泵密封材料、切削刀具以及陶瓷轴承等［1］．本文提出了基于流态化技术常压连续合成 Si3N4 粉的新工艺［2］．其工艺流程如下：在常温下以氮气为载气将硅粉快速流化并夹带离开供料装置硅粉和氮气组成的气固两相流进入到预热器中预热后的混合物从底部进入到高温悬浮床的高温区以稀相气力输送的方式连续穿过高温悬浮床在高温常压下发生燃烧合成反应最后在出口经冷却装置冷却后由收集装置收集得到氮化产物．在本工艺中高温悬浮床（又称高温输送床）是制备优质 Si3N4 粉的关键设备而床内温度场的分布会对产品质量产生很大影响．悬浮床内的热过程包括流体流动、传热传质和化学反应等复杂的物理化学过程数值求解是确定第30卷第10期 2008年 10月北京科技大学学报 Journal of University of Science and Technology Beijing Vol．30No．10 Oct．2008 DOI:10．13374／j．issn1001－053x．2008．10．007

.1170 北京科技大学学报第30卷热过程参数关系的有效手段].本文建立了悬浮床 1.3控制方程内热过程的数学模型，并利用计算流体动力学在二维(r,z)圆柱坐标系下，模型的控制方程 FLUENT软件拥有的流体流动、传热、辐射、化学反如下] 应等通用模型，对床内热过程进行了数值模拟，分析 (1)连续方程：了氨气速度、粉气比和氮化温度等因素对温度场和 PU)+1(rU)=0 r ar (1) 硅的转化率的影响式中，p为密度，p=∑f:U为速度，U= 1物理模型和控制方程 1.1物理模型日Uf为体积分数，：=1：下标i分别悬浮床装置示意图如图1所示，包含预热段与取值为1,2和3，分别表示组分N2、Si和Si3N4 高温段两部分，均垂直放置.其工艺过程为：硅粉和 (2)组分方程：高纯氨气组成的气固两相流经过预热段预热后，进 1a(r(PU,Yi))(OU.Yi)_ 入高温段，反应完成后在出口收集氨化产物.本文将颗粒相看作拟流体，采用多流体模型求解。流体 10 ,a。aY +(2) 介质包括N2、Si和Si3N4三种，它们之间发生下列反应：3Si十2N2Si3N4十740 kJ.mol1.由于预式中，Y为质量分数，Y:=(f)/p,∑Y:=1:D 热段和高温段内流体的雷诺数Re均小于2320，故为分子扩散系数，：=PD,D为动力扩散系数；ω 预热段和高温段内流动状态均为层流，涉及的几何为质量消耗或生成速率。参数变量有：预热段长Ly,内径d,:高温段长Lh,内根据硅粉与N2的反应机理[8)]，考虑到固体产径d·预热段与高温段的径向为r向，轴向为z 物层扩散阻力和化学反应阻力，以N2表示的反应向速度式如下o: 一M1Cg∞ =R一B,十 1 (3) 4πR.ReD'4rRk. 式中，Cg∞为周围环境中氨气浓度：R。为未反应硅核的半径；R。为硅颗粒表面半径；M为分子量；k 为以面积计的反应速率常数，由Arrhenius公式可知，k,=koexp(一E/RT),ko为指前因子，E为活化能，R为通用气体常数，T为温度， (3)动量方程： r向， a(eU.U,)1a(r,U,) ∂r 图1悬浮床装置示意图 (4) Fig.I Sketch map of the suspended bed + ar z向， 1.2假设条件 (U,U)+1〔PUU- 模型所研究的是二维、稳态、层流硅粉氮气流的 r ar 热过程，建立数学模型的假设条件如下： ap十 (1)硅粉在气相中均匀弥散，可看作是均匀气 (5) 固两相流；式中，p为压强：“为动力黏度，=∑f (2)颗粒和氨气在同一位置具有相同温度和速 (4)能量方程：度； d(oU.h)10(roUh) (3)硅粉表面发生非均相反应，采用粒径不变的缩核模型； (4)仅考虑颗粒的辐射，气相为透明介质 ++x]+

热过程参数关系的有效手段［3］．本文建立了悬浮床内热过程的数学模型并利用计算流体动力学 FLUENT 软件拥有的流体流动、传热、辐射、化学反应等通用模型对床内热过程进行了数值模拟分析了氮气速度、粉气比和氮化温度等因素对温度场和硅的转化率的影响． 1 物理模型和控制方程 1∙1 物理模型悬浮床装置示意图如图1所示包含预热段与高温段两部分均垂直放置．其工艺过程为：硅粉和高纯氮气组成的气固两相流经过预热段预热后进入高温段反应完成后在出口收集氮化产物．本文将颗粒相看作拟流体采用多流体模型求解．流体介质包括 N2、Si 和 Si3N4 三种它们之间发生下列反应：3Si＋2N2 Si3N4＋740kJ·mol —1．由于预热段和高温段内流体的雷诺数 Re 均小于2320故预热段和高温段内流动状态均为层流．涉及的几何参数变量有：预热段长 Ly内径 dy；高温段长 Lh内径 dh．预热段与高温段的径向为 r 向轴向为 z 向．图1 悬浮床装置示意图 Fig．1 Sketch map of the suspended bed 1∙2 假设条件模型所研究的是二维、稳态、层流硅粉氮气流的热过程．建立数学模型的假设条件如下：（1）硅粉在气相中均匀弥散可看作是均匀气固两相流；（2）颗粒和氮气在同一位置具有相同温度和速度；（3）硅粉表面发生非均相反应采用粒径不变的缩核模型；（4）仅考虑颗粒的辐射气相为透明介质． 1∙3 控制方程在二维（ rz ）圆柱坐标系下模型的控制方程如下［4—7］．（1）连续方程： ∂（ρUz ） ∂z ＋ 1 r ∂（ rρUr） ∂r ＝0 （1）式中ρ 为密度ρ＝ ∑i fρi i；U 为速度U ＝ 1 ρ∑i fρi iUi；f 为体积分数∑i f i＝1；下标 i 分别取值为12和3分别表示组分 N2、Si 和 Si3N4．（2）组分方程： 1 r ∂（ r（ρUrY i）） ∂r ＋ ∂（ρUz Y i） ∂z ＝ 1 r ∂ ∂r rΓi ∂Y i ∂r ＋ ∂ ∂z Γi ∂Y i ∂z ＋ωi （2）式中Y 为质量分数Y i＝（ρif i）／ρ∑i Y i＝1；Γ 为分子扩散系数Γi＝ρiDiD 为动力扩散系数；ω 为质量消耗或生成速率．根据硅粉与 N2 的反应机理［8—9］考虑到固体产物层扩散阻力和化学反应阻力以 N2 表示的反应速度式如下［10］： ω1＝ — M1Cg∞ Rs— Rc 4πRs Rc D ＋ 1 4πR 2 c ks （3）式中Cg∞为周围环境中氮气浓度；Rc 为未反应硅核的半径；Rs 为硅颗粒表面半径；M 为分子量；ks 为以面积计的反应速率常数由 Arrhenius 公式可知ks＝k0exp（— E／RT）k0 为指前因子E 为活化能R 为通用气体常数T 为温度．（3）动量方程： r 向 ∂（ρUz Ur） ∂z ＋ 1 r ∂（ rρUrUr） ∂r ＝ — ∂p ∂r ＋ ∂ ∂z μ ∂Ur ∂z ＋ 1 r ∂ ∂r rμ ∂Ur ∂r （4） z 向 ∂（ρUz Uz ） ∂z ＋ 1 r ∂（ rρUrUz ） ∂r ＝ — ∂p ∂z ＋ ∂ ∂z μ ∂Uz ∂z ＋ 1 r ∂ ∂r rμ ∂Uz ∂r （5）式中p 为压强；μ为动力黏度μ＝ ∑i f iμi．（4）能量方程： ∂（ρUz h） ∂z ＋ 1 r ∂（ rρUrh） ∂r ＝ 1 r ∂ ∂r r λ ∂T ∂r ＋qr＋ ∑i ΓiY i ∂h ∂r ＋ ·1170· 北京科技大学学报第30卷

第10期尹少武等：悬浮床氨化硅合成热过程的实验研究与数值模拟 ,1171, 品+r, +g* (6) 1化处理：轴向坐标Z=z/(L,+Lh),预热段出口对应Z=0.2.预热段径向坐标R,=2r/d,高温段式中，h为焓；入为热导率，=∑f入；g为化学反径向坐标R=2r/d· 应放热项，g=0.5n△H/M1,△H为单位产物的硅粉平均粒径为2.7m,颗粒临界流化速度和反应放热量；q,为辐射项，q,=nπd6eoo(T4一T), 夹带速度按照文献[11]计算，其值分别为6.5× 10-6ms-1和6.0×10-4ms1.为确保硅粉与氮 T。和T。分别为壁面温度和颗粒温度，d。为颗粒气能在管内正常流动并且充分反应，氨气实际流量直径，e为发射率，o为黑体辐射常数，应超过理论所需的氮气流量，从而确保氮化产物能 (5)状态方程：够被过量的氨气顺利带出.氮气操作范围为3.0~ P=限T头 (7) 9.0L·min1,预热段入口处对应的氨气速度为 0.250.75ms-1. 1.4边界条件边界条件：管壁四周包裹了电阻丝，预热段管壁由于超细Si3N4粉接触空气后容易氧化成为 $02,因此只是在高温段出口进行了氮化产物的收恒热流，高温段管壁通过自动控制保持在某一温度集.所以在下述关于硅的转化率的图中，只有高温不变（即自控恒壁温）段出口(Z=1.0)处的一组实验结果入口条件：硅粉与氨气的混合物，入口温度为 27℃，以某一速度入预热段 3.1悬浮床内温度场分布图3为氮气速度U=0.41ms1、粉气比（即单出口条件：出口为常压位质量的氦气所携带的硅粉质量)9=0.45、预热段 2网格划分壁面热流g=2500W·m-2以及高温段壁面温度 Tw=1350℃时悬浮床内温度分布.图3(a)为氨化因几何图形的轴向尺寸与径向尺寸相差很大，网格的合理划分对计算结果很重要，为确保进出口床轴向温度曲线，理论预测值与实验值变化趋势相和边界计算的准确性，径向网格由边界向中心逐渐同，误差小于5%.在预热段出口处(Z=0.2),温度由密变疏，轴向网格由两端向中间逐渐由密到疏，网达1200℃左右，颗粒与氮气进入高温段后温度迅格划分示意图如图2所示，采用四边形网格，下部速升高，至Z=0.25处，颗粒与氨气的温度趋于稳为预热段网格划分，轴向划分为100份，径向划分为定，接近壁面温度， 8份；上部为高温段网格划分，轴向划分为400份，图3(b)为高温段出口处径向温度曲线，理论预径向划分为44份，共计18400个网格. 测值与实验值变化趋势相同，误差小于5%.径向最大温差约为20℃，这表明径向温度比较均匀，壁面对颗粒的辐射传热以及壁面与气流的对流换热效果良好，确保了氮化产物质量均匀， 3.2氮气速度（氮化时间）对床内温度和硅转化率的影响当预热段入口氮气速度分别为0.25,0.41， 0.58和0.75ms1时，经计算，粉气混合物在高温段的停留时间（即氨化时间）分别为91.8,54.5， 38.7和30.0s,床内温度和硅转化率的变化曲线如图4所示.所对应的其他实验条件为：硅粉平均粒径d=2.7m、粉气比9=0.45、氮化温度T= 1350℃、预热段热流g=2500Wm-2(氨气流速为 0.25ms时，g=1500Wm-2)由图4(a)可知，图2悬浮床网格划分示意图（局部）随着氮气速度的增加，在预热段出口处，粉气混合物 Fig-2 Sketch map of grid for the suspended bed (partly) 的温度逐渐降低，为了确保高温段内的流动和氮化反应顺利进行，预热段出口处的温度尽可能高于 3结果分析与讨论 1200℃.因此，当氮气流量增加时，预热段壁面的热为了描述方便，以下各图横坐标均进行量纲为流应相应增加，由图4()可知，在预热段中，氮化反

∂ ∂z λ ∂T ∂z ＋ ∑i ΓiY i ∂h ∂z ＋q ∗ （6）式中h 为焓；λ为热导率λ＝ ∑i f iλi；q ∗为化学反应放热项q ∗＝0∙5nΔHω1／M1ΔH 为单位产物的反应放热量；qr 为辐射项qr＝ nπd 2 pεσ0（ T 4 w— T 4 p） T w 和 Tp 分别为壁面温度和颗粒温度dp 为颗粒直径ε为发射率σ0 为黑体辐射常数．（5）状态方程： p＝ρRT ∑i Y i Wi （7） 1∙4 边界条件边界条件：管壁四周包裹了电阻丝预热段管壁恒热流高温段管壁通过自动控制保持在某一温度不变（即自控恒壁温）．入口条件：硅粉与氮气的混合物入口温度为 27℃以某一速度入预热段．出口条件：出口为常压． 2 网格划分因几何图形的轴向尺寸与径向尺寸相差很大网格的合理划分对计算结果很重要．为确保进出口和边界计算的准确性径向网格由边界向中心逐渐由密变疏轴向网格由两端向中间逐渐由密到疏网格划分示意图如图2所示采用四边形网格．下部为预热段网格划分轴向划分为100份径向划分为 8份；上部为高温段网格划分轴向划分为400份径向划分为44份共计18400个网格．图2 悬浮床网格划分示意图（局部） Fig．2 Sketch map of grid for the suspended bed （partly） 3 结果分析与讨论为了描述方便以下各图横坐标均进行量纲为 1化处理：轴向坐标 Z＝ z／（ Ly＋ Lh ）预热段出口对应 Z＝0∙2．预热段径向坐标 Ry＝2r／dy高温段径向坐标 Rh＝2r／dh．硅粉平均粒径为2∙7μm颗粒临界流化速度和夹带速度按照文献［11］计算其值分别为6∙5× 10—6m·s —1和6∙0×10—4 m·s —1．为确保硅粉与氮气能在管内正常流动并且充分反应氮气实际流量应超过理论所需的氮气流量从而确保氮化产物能够被过量的氮气顺利带出．氮气操作范围为3∙0～ 9∙0L·min —1预热段入口处对应的氮气速度为 0∙25～0∙75m·s —1．由于超细 Si3N4 粉接触空气后容易氧化成为 SiO2因此只是在高温段出口进行了氮化产物的收集．所以在下述关于硅的转化率的图中只有高温段出口（Z＝1∙0）处的一组实验结果． 3∙1 悬浮床内温度场分布图3为氮气速度 U＝0∙41m·s —1、粉气比（即单位质量的氮气所携带的硅粉质量）φ＝0∙45、预热段壁面热流 q ＝2500W·m —2以及高温段壁面温度 T w＝1350℃时悬浮床内温度分布．图3（a）为氮化床轴向温度曲线理论预测值与实验值变化趋势相同误差小于5％．在预热段出口处（Z＝0∙2）温度达1200℃左右．颗粒与氮气进入高温段后温度迅速升高至 Z＝0∙25处颗粒与氮气的温度趋于稳定接近壁面温度．图3（b）为高温段出口处径向温度曲线理论预测值与实验值变化趋势相同误差小于5％．径向最大温差约为20℃这表明径向温度比较均匀壁面对颗粒的辐射传热以及壁面与气流的对流换热效果良好确保了氮化产物质量均匀． 3∙2 氮气速度（氮化时间）对床内温度和硅转化率的影响当预热段入口氮气速度分别为0∙250∙41 0∙58和0∙75m·s —1时经计算粉气混合物在高温段的停留时间（即氮化时间）分别为91∙854∙5 38∙7和30∙0s床内温度和硅转化率的变化曲线如图4所示．所对应的其他实验条件为：硅粉平均粒径 d ＝2∙7μm、粉气比 φ＝0∙45、氮化温度 T w＝ 1350℃、预热段热流 q＝2500W·m —2（氮气流速为 0∙25m·s —1时q＝1500W·m —2）．由图4（a）可知随着氮气速度的增加在预热段出口处粉气混合物的温度逐渐降低．为了确保高温段内的流动和氮化反应顺利进行预热段出口处的温度尽可能高于 1200℃．因此当氮气流量增加时预热段壁面的热流应相应增加．由图4（b）可知在预热段中氮化反第10期尹少武等：悬浮床氮化硅合成热过程的实验研究与数值模拟 ·1171·

,1172 北京科技大学学报第30卷应进行缓慢；从高温段入口开始，氮化反应快速进延长至91.8s,硅的转化率从7.0%增加至20.4% 行，硅的转化率也逐渐增大，当氨气速度从经X射线衍射分析，氮化产物为非晶Si3N4粉 0.75ms降至0.25ms1时，氮化时间从30.0s 1500 1400r (a) (b) 1200 1350 ◆ 900 ■ ◆ 一计算值 ■实验值 E1300 600 一计算值 ■实验值 1250 300 R,=R=0 Z=1.0 0.2 0.40.60.81.0 1200 0.2 0.4 0.6 0.81.0 图3床内温度的实验值与计算值比较.()氮化床轴向Z温度曲线：(b)高温段出口处径向R温度曲线 Fig.3 Comparison between the simulated data and experimental values of temperature in the bed:(a)axial temperature curve;(b)radial tempera ture curve at outlet in high temperature segment 1500 (a) 20r (b) 一计算值 O●口■实验值 1200 ◇ 一计算值氨化时间 O●口■实险值 O-91.8s 900 氮气速度 ●—54.5s 0.25ms 10H 038.75 600 ■30.0s ●一0.41m-s1 0-0.58ms1 0.75m.s1 300 R,=R.=0 0.2 0.4 0.6 0.8 1.0 0.2 0.4 0.6 0.8 1.0 图4氮气速度对床内温度(a)和硅转化率(b)的影响 Fig.4 Effects of the flow velocity of nitrogen gas on the temperature in the bed (a)and the conversion rate of silicon (b) 3.3粉气比对床内温度和硅转化率的影响 U=0.41ms1、氮化温度T.=1350℃、预热段热当粉气比分别为0.3,0.45和0.6时，床内温流g=2500Wm2.由图5(a)可知，随着粉气比的度和硅转化率的变化曲线如图5所示.所对应的其增加，床内温度略有增加，因为粉气比增加，硅粉他实验条件为：硅粉平均粒径d=2.7m、氮气速度浓度增大，辐射换热量增加，由图5(b)可知，当 1500 (a) 15 (6) 计算值 1200 。·口实脸值计算值 10 粉气比 900 Q●口实验值 -0-0.30 ●一0.45 粉气比 00.60 600 0-0.30 ●-0.45 0-0.60 300 R-R,=0 0.2 0.4 0.6 0.8 1.0 0.2 0.4 0.6 0.8 1.0 图5粉气比对床内温度(a)和硅的转化率(b)的影响 Fig.5 Effects of the ratio of particle to gas on the temperature in the bed (a)and the conversion rate of silicon (b)

第10期尹少武等：悬浮床氨化硅合成热过程的实验研究与数值模拟 ,1173. 粉气比从0.3增加至0.6时，硅的转化率从14.0% 变化曲线如图6所示，所对应的其他实验条件为：下降至11.3%，可能是由于粉气比的增加，导致氨硅粉平均粒径d=2.7m、粉气比p=0.45、氨气速气浓度的相对降低，影响了硅转化率。因此，粉气比度0=0.41ms1、预热段热流g=2500Wm-2 过高时硅转化率较低，粉气比过低时生产效率较低，由图6(a)可知，随着高温段壁面温度的增加，床内故存在一个最佳粉气比，在实际生产中，在保证硅温度（即氮化温度）也相应增加.由图6(b)可知，随的转化率的前提下，尽可能提高粉气比着氮化温度的增加，硅转化率也迅速增加·当氮化 3.4氮化温度对温度场和硅转化率的影响温度由1300℃升高至1380℃时，硅的转化率由当高温段壁面温度（近似为氨化温度）分别为 4.5%增加至22.5%. 1300,1350和1380℃时，床内温度和硅的转化率的 1500 (a) 25r 1200 20 一计算值ㄩ。。实验值 9%w 一计算值 15 壁面温度 u·O实验值 1380℃ ●-1350℃ 壁面温度 600 -口-1380℃ 10 0-1300℃ -●-1350℃ 300 -0-1300℃ R,=R=0 00 02 0.4 0.6 0.8 1.0 0.2 0.4 0.6 0.8 1.0 图6氮化温度对床内温度(a)和硅转化率(b)的影响 Fig.6 Effects of nitridation temperature on the temperature in the bed (a)and the conversion rate of silicon (b) 3.5理论预测浮床内的停留时间，提高硅的转化率.粉气比对温为了获得氨含量较高的Si3N4粉，要求Si3N4纯度场的影响较小，但对硅转化率具有较大影响；增加度大于98.0%，这可以通过提高氨化温度和延长氨粉气比，可提高生产效率，但硅转化率却降低，因此化时间来实现.如果将入口氨气速度U降至存在一个最佳粉气比.在1300~1380℃范围内，提 0.055ms-1,则粉气混合物在悬浮床高温段的停留高氮化温度，可以明显提高反应速率，在本文实验时间可延长至7.1min,同时将氮化温度升高至条件下，当以平均粒径2.7m的硅粉为原料、氨化 1450℃，其他参数分别取d=2.7m、9=0.45和温度为1380℃、氨化时间为54.5s时，硅转化率为 q=500Wm2,经数值模拟，在悬浮床出口处，硅的 22.5%,产物为非晶Si3N4粉转化率达98.6%，Si3N4纯度达98%以上.因此，根 (③)模型预测表明，如果将氨化温度升高至据理论预测，在工业化生产设计中，当设计悬浮床的 1450℃、氮化时间延长至7.1min,那么硅的转化率尺寸（如直径和长度）时，确保粉气混合物在悬浮床可达98.6%，Si3N4纯度达98%以上. 高温段的停留时间大于7,1min,并且在1450℃的温度下进行操作，便可以确保Si3N4纯度大于参考文献 98.0%,获得氨含量较高的Si3N4粉. [1]Riley F L.Silicon nitride and related materials.J Am Ceram Sac,2000,83(2):245 4结论 [2]Wang L,Yin W.Dong J C.et al.Continuous Synthesis Method of Silicon Nitride Pow der at Normal Pressure Based on (1)本文提出了一种基于流态化技术利用硅粉 Fluidization Technology:China Patent.CN1792774.26 直接氨化制备氨化硅粉的新工艺，建立了悬浮床内 28 热过程的数学模型，并借助CFD商业软件Fluent对 (王立，尹少武，董继昌，等.基于流态化技术常压连续合成悬浮床的热过程进行了数值模拟，模拟计算值与实氮化硅粉末的方法：中国，CN1792774.2006-06-28) 验值误差小于5%，说明该模型可以用来模拟悬浮 [3]Tao WQ.Numerical Heat Trangfer.2nd Ed.Xi'an:Xi'an Jiaotong University Press.2001 床内的热过程，模拟结果对悬浮床的进一步优化设 (陶文铨.数值传热学.2版西安：西安交通大学出版社，计具有一定的指导意义 2001) (2)降低氨气速度，可以延长粉气混合物在悬 (下转第1193页)

粉气比从0∙3增加至0∙6时硅的转化率从14∙0％下降至11∙3％可能是由于粉气比的增加导致氮气浓度的相对降低影响了硅转化率．因此粉气比过高时硅转化率较低粉气比过低时生产效率较低故存在一个最佳粉气比．在实际生产中在保证硅的转化率的前提下尽可能提高粉气比． 3∙4 氮化温度对温度场和硅转化率的影响当高温段壁面温度（近似为氮化温度）分别为 13001350和1380℃时床内温度和硅的转化率的变化曲线如图6所示．所对应的其他实验条件为：硅粉平均粒径 d＝2∙7μm、粉气比 φ＝0∙45、氮气速度 U＝0∙41m·s —1、预热段热流 q＝2500W·m —2．由图6（a）可知随着高温段壁面温度的增加床内温度（即氮化温度）也相应增加．由图6（b）可知随着氮化温度的增加硅转化率也迅速增加．当氮化温度由1300℃升高至1380℃时硅的转化率由 4∙5％增加至22∙5％．图6 氮化温度对床内温度（a）和硅转化率（b）的影响 Fig．6 Effects of nitridation temperature on the temperature in the bed （a） and the conversion rate of silicon （b） 3∙5 理论预测为了获得氮含量较高的 Si3N4 粉要求 Si3N4 纯度大于98∙0％这可以通过提高氮化温度和延长氮化时间来实现．如果将入口氮气速度 U 降至 0∙055m·s —1则粉气混合物在悬浮床高温段的停留时间可延长至7∙1min同时将氮化温度升高至 1450℃其他参数分别取 d＝2∙7μm、φ＝0∙45和 q＝500W·m —2经数值模拟在悬浮床出口处硅的转化率达98∙6％Si3N4 纯度达98％以上．因此根据理论预测在工业化生产设计中当设计悬浮床的尺寸（如直径和长度）时确保粉气混合物在悬浮床高温段的停留时间大于7∙1min并且在1450℃的温度下进行操作便可以确保 Si3N4 纯度大于 98∙0％获得氮含量较高的 Si3N4 粉． 4 结论（1）本文提出了一种基于流态化技术利用硅粉直接氮化制备氮化硅粉的新工艺建立了悬浮床内热过程的数学模型并借助 CFD 商业软件 Fluent 对悬浮床的热过程进行了数值模拟．模拟计算值与实验值误差小于5％说明该模型可以用来模拟悬浮床内的热过程．模拟结果对悬浮床的进一步优化设计具有一定的指导意义．（2）降低氮气速度可以延长粉气混合物在悬浮床内的停留时间提高硅的转化率．粉气比对温度场的影响较小但对硅转化率具有较大影响；增加粉气比可提高生产效率但硅转化率却降低因此存在一个最佳粉气比．在1300～1380℃范围内提高氮化温度可以明显提高反应速率．在本文实验条件下当以平均粒径2∙7μm 的硅粉为原料、氮化温度为1380℃、氮化时间为54∙5s 时硅转化率为 22∙5％产物为非晶 Si3N4 粉．（3）模型预测表明如果将氮化温度升高至 1450℃、氮化时间延长至7∙1min那么硅的转化率可达98∙6％Si3N4 纯度达98％以上．参考文献［1］ Riley F L．Silicon nitride and related materials． J A m Ceram Soc200083（2）：245 ［2］ Wang LYin S WDong J Cet al． Continuous Synthesis Method of Silicon Nitride Pow der at Normal Pressure Based on Fluidiz ation Technology：China PatentCN1792774．2006—06— 28 （王立尹少武董继昌等．基于流态化技术常压连续合成氮化硅粉末的方法：中国CN1792774．2006—06—28）［3］ Tao W Q．Numerical Heat T ransfer．2nd Ed．Xi’an：Xi’an Jiaotong University Press2001 （陶文铨．数值传热学．2版．西安：西安交通大学出版社 2001）（下转第1193页）第10期尹少武等：悬浮床氮化硅合成热过程的实验研究与数值模拟 ·1173·

第10期王建国等：改进粒子群优化神经网络及其在产品质量建模中的应用 ,1193, Proceeding of IJCNN.Washington.1999:84 swarm optimization based BP neural network on engineering pro- [9]Suganthan P.Particle swarm optimizer with neighborhood opera- ject risk evaluating//Third International Conference on Natu- tor//Proceeding of Congress on Evolutionary Computation.Pis ral Computation (ICNC 2007).Haikou,2007:750 cataw ay,1999:1958 [12] UCI-MLR:University of California Irvine Machine Learning [10]Shi Y.Eberhart R.Fuzy adaptive particle swarm optimization Repository[DB/OL].California Irvine,Tex:University of Cali- /Proceeding of the Congress on Evolutionary Computation. fornia Irvine Libraries.1987 [2007]-http://archive.ics-uci. Seol,2001:101 edu/ml/index-html [11]Chang C G.Wang D W.Liu Y C.et al.Application of particle (上接第1173页) Sei Technol,2002.1(2):113 [4]Liu X J,Du B Y,Pan X B.Numerical simulation of flow and (刘华飞，张欣欣、干炮炉内传热和流体流动的数学模型。热 heat transfer process in a reheating furnace.Univ Sci Technol 科学与技术，2002,1(2)：113) Beijing,2005,27(3):287 [8]Koike J.KimuraS.Mechanism of nitridation of silicon powder in (刘向军，杜冰雁，潘小兵，步进式加热炉内流动与传热过程 a fluidized-bed reactor.J Am Ceram Soc.1996,79(2):365 的数值模拟.北京科技大学学报，2005,27(3)：287) [9]Maalmi M,Varma V,Strieder WC.Reaction-bonded silicon ni- 5]Zhang Y J.Fluid Mechanics Encyclopedia.Beijing:Beihang tride synthesis:experiments and model.Chem Eng Sci.1998. University Press.1991 53(4):679 (张远君·流体力学大全·北京：北京航空航天大学出版社， [10]Liang B.Duan T P.Fu H M.et al.Chemical Reaction Engi- 1991) neering.Beijing:Science Press.2003 [6]Chen J,Yang Y,Yin W,et al.Numerical simulation on ther- (梁斌，段天平，傅红梅，等，化学反应工程，北京：科学出 mal process in an Si3N4 furnace with CFX.J Univ Sci Technol 版社，2003) Beijing,2005,27(6):710 [11]Jin Y,Zhu J X.Wang Z W.et al.Fluidiz ation Engineering (陈锦，杨晶，尹少武，等.基于CFX软件的氮化硅反应炉内 Principles.Beijing:Tsinghua University Press,2001 热过程的数值模拟.北京科技大学学报，2005,27(6)：710) (金涌，祝金旭，汪展文，等.流态化工程原理.北京：清华 [7]Liu HF,Zhang X X.Mathematical model for fluid flow and heat 大学出版社，2001) transfer in the cooling shaft of coke dry quenching unit./Therm

Proceeding of IJ CNN．Washington1999：84 ［9］ Suganthan P．Particle swarm optimizer with neighborhood operator∥ Proceeding of Congress on Evolutionary Computation．Piscataway1999：1958 ［10］ Shi YEberhart R．Fuzzy adaptive particle swarm optimization ∥ Proceeding of the Congress on Evolutionary Computation． Seoul2001：101 ［11］ Chang C GWang D WLiu Y Cet al．Application of particle swarm optimization based BP neural network on engineering project risk evaluating∥ Third International Conference on Natural Computation （ ICNC2007）．Haikou2007：750 ［12］ UCI-MLR：University of California Irvine Machine Learning Repository ［DB／OL ］．California IrvineTex：University of California Irvine Libraries1987 ［2007］．http：∥archive．ics．uci． edu／ml／index．html （上接第1173页）［4］ Liu X JDu B YPan X B．Numerical simulation of flow and heat transfer process in a reheating furnace．J Univ Sci Technol Beijing200527（3）：287 （刘向军杜冰雁潘小兵．步进式加热炉内流动与传热过程的数值模拟．北京科技大学学报200527（3）：287）［5］ Zhang Y J． Fluid Mechanics Encyclopedia．Beijing：Beihang University Press1991 （张远君．流体力学大全．北京：北京航空航天大学出版社 1991）［6］ Chen JYang YYin S Wet al．Numerical simulation on thermal process in an Si3N4 furnace with CFX．J Univ Sci Technol Beijing200527（6）：710 （陈锦杨晶尹少武等．基于 CFX 软件的氮化硅反应炉内热过程的数值模拟．北京科技大学学报200527（6）：710）［7］ Liu H FZhang X X．Mathematical model for fluid flow and heat transfer in the cooling shaft of coke dry quenching unit．J Therm Sci Technol20021（2）：113 （刘华飞张欣欣．干熄炉内传热和流体流动的数学模型．热科学与技术20021（2）：113）［8］ Koike JKimura S．Mechanism of nitridation of silicon powder in a fluidized-bed reactor．J A m Ceram Soc199679（2）：365 ［9］ Maalmi MVarma VStrieder W C．Reaction-bonded silicon nitride synthesis：experiments and model．Chem Eng Sci1998 53（4）：679 ［10］ Liang BDuan T PFu H Met al．Chemical Reaction Engineering．Beijing：Science Press2003 （梁斌段天平傅红梅等．化学反应工程．北京：科学出版社2003）［11］ Jin YZhu J XWang Z Wet al．Fluidiz ation Engineering Principles．Beijing：Tsinghua University Press2001 （金涌祝金旭汪展文等．流态化工程原理．北京：清华大学出版社2001）第10期王建国等：改进粒子群优化神经网络及其在产品质量建模中的应用 ·1193·

点击进入文档下载页（PDF格式）

已到末页，全文结束

点击下载（PDF格式）

浏览记录