Figure 2. Schematic diagram for pilot-scale cooling-water circulation system (a) along with a real picture of the system (b).

Application of Computational Fluid Dynamics in Chlorine-Dynamics Modeling of In-Situ Chlorination Systems for Cooling Systems

Jongchan Yi 1, Jonghun Lee 1, Mohd Amiruddin Fikri 2,3, Byoung-In Sang 4 and Hyunook Kim 1,*

Abstract

염소화는 상대적인 효율성과 저렴한 비용으로 인해 발전소 냉각 시스템에서 생물학적 오염을 제어하는​​데 선호되는 방법입니다. 해안 지역에 발전소가 있는 경우 바닷물을 사용하여 현장에서 염소를 전기화학적으로 생성할 수 있습니다. 이를 현장 전기염소화라고 합니다. 이 접근 방식은 유해한 염소화 부산물이 적고 염소를 저장할 필요가 없다는 점을 포함하여 몇 가지 장점이 있습니다. 그럼에도 불구하고, 이 전기화학적 공정은 실제로는 아직 초기 단계에 있습니다. 이 연구에서는 파일럿 규모 냉각 시스템에서 염소 붕괴를 시뮬레이션하기 위해 병렬 1차 동역학을 적용했습니다. 붕괴가 취수관을 따라 발생하기 때문에 동역학은 전산유체역학(CFD) 코드에 통합되었으며, 이후에 파이프의 염소 거동을 시뮬레이션하는데 적용되었습니다. 실험과 시뮬레이션 데이터는 강한 난류가 형성되는 조건하에서도 파이프 벽을 따라 염소 농도가 점진적인 것으로 나타났습니다. 염소가 중간보다 파이프 표면을 따라 훨씬 더 집중적으로 남아 있다는 사실은 전기 염소화를 기반으로 하는 시스템의 전체 염소 요구량을 감소시킬 수 있었습니다. 현장 전기 염소화 방식의 냉각 시스템은 직접 주입 방식에 필요한 염소 사용량의 1/3만 소비했습니다. 따라서 현장 전기염소화는 해안 지역의 발전소에서 바이오파울링 제어를 위한 비용 효율적이고 환경 친화적인 접근 방식으로 사용될 수 있다고 결론지었습니다.

Chlorination is the preferred method to control biofouling in a power plant cooling system due to its comparative effectiveness and low cost. If a power plant is located in a coastal area, chlorine can be electrochemically generated in-situ using seawater, which is called in-situ electrochlorination; this approach has several advantages including fewer harmful chlorination byproducts and no need for chlorine storage. Nonetheless, this electrochemical process is still in its infancy in practice. In this study, a parallel first-order kinetics was applied to simulate chlorine decay in a pilot-scale cooling system. Since the decay occurs along the water-intake pipe, the kinetics was incorporated into computational fluid dynamics (CFD) codes, which were subsequently applied to simulate chlorine behavior in the pipe. The experiment and the simulation data indicated that chlorine concentrations along the pipe wall were incremental, even under the condition where a strong turbulent flow was formed. The fact that chlorine remained much more concentrated along the pipe surface than in the middle allowed for the reduction of the overall chlorine demand of the system based on the electro-chlorination. The cooling system, with an in-situ electro-chlorination, consumed only 1/3 of the chlorine dose demanded by the direct injection method. Therefore, it was concluded that in-situ electro-chlorination could serve as a cost-effective and environmentally friendly approach for biofouling control at power plants on coastal areas.

Keywords

computational fluid dynamics; power plant; cooling system; electro-chlorination; insitu chlorination

Figure 1. Electrodes and batch experiment set-up. (a) Two cylindrical electrodes used in this study. (b) Batch experiment set-up for kinetic tests.
Figure 1. Electrodes and batch experiment set-up. (a) Two cylindrical electrodes used in this study. (b) Batch experiment set-up for kinetic tests.
Figure 2. Schematic diagram for pilot-scale cooling-water circulation system (a) along with a real picture of the system (b).
Figure 2. Schematic diagram for pilot-scale cooling-water circulation system (a) along with a real picture of the system (b).
Figure 3. Free chlorine decay curves in seawater with different TOC and initial chlorine concentration. Each line represents the predicted concentration of chlorine under a given condition. (a) Artificial seawater solution with 1 mg L−1 of TOC; (b) artificial seawater solution with 2 mg L−1 of TOC; (c) artificial seawater solution with 3 mg L−1 of TOC; (d) West Sea water (1.3 mg L−1 of TOC).
Figure 3. Free chlorine decay curves in seawater with different TOC and initial chlorine concentration. Each line represents the predicted concentration of chlorine under a given condition. (a) Artificial seawater solution with 1 mg L−1 of TOC; (b) artificial seawater solution with 2 mg L−1 of TOC; (c) artificial seawater solution with 3 mg L−1 of TOC; (d) West Sea water (1.3 mg L−1 of TOC).
Figure 4. Correlation between model and experimental data in the chlorine kinetics using seawater.
Figure 4. Correlation between model and experimental data in the chlorine kinetics using seawater.
Figure 5. Free chlorine concentrations in West Sea water under different current conditions in an insitu electro-chlorination system.
Figure 5. Free chlorine concentrations in West Sea water under different current conditions in an insitu electro-chlorination system.
Figure 6. Free chlorine distribution along the sampling ports under different flow rates. Each dot represents experimental data, and each point on the black line is the expected chlorine concentration obtained from computational fluid dynamics (CFD) simulation with a parallel first-order decay model. The red-dotted line is the desirable concentration at the given flow rate: (a) 600 L min−1 of flow rate, (b) 700 L min−1 of flow rate, (c) 800 L min−1 of flow rate, (d) 900 L min−1 of flow rate.
Figure 6. Free chlorine distribution along the sampling ports under different flow rates. Each dot represents experimental data, and each point on the black line is the expected chlorine concentration obtained from computational fluid dynamics (CFD) simulation with a parallel first-order decay model. The red-dotted line is the desirable concentration at the given flow rate: (a) 600 L min−1 of flow rate, (b) 700 L min−1 of flow rate, (c) 800 L min−1 of flow rate, (d) 900 L min−1 of flow rate.
Figure 7. Fluid contour images from CFD simulation of the electro-chlorination experiment. Inlet flow rate is 800 L min−1. Outlet pressure was set to 10.8 kPa. (a) Chlorine concentration; (b) expanded view of electrode side in image (a); (c) velocity magnitude; (d) pressure.
Figure 7. Fluid contour images from CFD simulation of the electro-chlorination experiment. Inlet flow rate is 800 L min−1. Outlet pressure was set to 10.8 kPa. (a) Chlorine concentration; (b) expanded view of electrode side in image (a); (c) velocity magnitude; (d) pressure.
Figure 8. Chlorine concentration contour in the simulation of full-scale in-situ electro-chlorination with different cathode positions. The pipe diameter is 2 m and the flow rate is 14 m3 s−1. The figure shows 10 m of the pipeline. (a) The simulation result when the cathode is placed on the surface of the pipe wall. (b) The simulation result when the cathode is placed on the inside of the pipe with 100 mm of distance from the pipe wall.
Figure 8. Chlorine concentration contour in the simulation of full-scale in-situ electro-chlorination with different cathode positions. The pipe diameter is 2 m and the flow rate is 14 m3 s−1. The figure shows 10 m of the pipeline. (a) The simulation result when the cathode is placed on the surface of the pipe wall. (b) The simulation result when the cathode is placed on the inside of the pipe with 100 mm of distance from the pipe wall.
Figure 9. Comparison of in-situ electro-chlorination and direct chlorine injection in full-scale applications. (a) Estimated chlorine concentrations along the pipe surface. (b) Relative chlorine demands.
Figure 9. Comparison of in-situ electro-chlorination and direct chlorine injection in full-scale applications. (a) Estimated chlorine concentrations along the pipe surface. (b) Relative chlorine demands.

References

  1. Macknick, J.; Newmark, R.; Heath, G.; Hallett, K.C. Operational water consumption and withdrawal factors for electricity generating technologies: A review of existing literature. Environ. Res. Lett. 2012, 7, 045802.
  2. Pan, S.-Y.; Snyder, S.W.; Packman, A.I.; Lin, Y.J.; Chiang, P.-C. Cooling water use in thermoelectric power generation and its associated challenges for addressing water-energy nexus. Water-Energy Nexus 2018, 1, 26–41.
  3. Feeley, T.J., III; Skone, T.J.; Stiegel, G.J., Jr.; McNemar, A.; Nemeth, M.; Schimmoller, B.; Murphy, J.T.;
    Manfredo, L. Water: A critical resource in the thermoelectric power industry. Energy 2008, 33, 1–11.
  4. World Nuclear Association. World Nuclear Performance Report 2016; World Nuclear Association: London, UK, 2016.
  5. Pugh, S.; Hewitt, G.; Müller-Steinhagen, H. Fouling during the use of seawater as coolant—The development of a user guide. Heat Transf. Eng. 2005, 26, 35–43.
  6. Satpathy, K.K.; Mohanty, A.K.; Sahu, G.; Biswas, S.; Prasad, M.; Slvanayagam, M. Biofouling and its control in seawater cooled power plant cooling water system—A review. Nucl. Power 2010, 17, 191–242.
  7. Cristiani, P.; Perboni, G. Antifouling strategies and corrosion control in cooling circuits. Bioelectrochemistry 2014, 97, 120–126.
  8. Walker, M.E.; Safari, I.; Theregowda, R.B.; Hsieh, M.-K.; Abbasian, J.; Arastoopour, H.; Dzombak, D.A.; Miller, D.C. Economic impact of condenser fouling in existing thermoelectric power plants. Energy 2012,44, 429–437.
  9. Yi, J.; Ahn, Y.; Hong, M.; Kim, G.-H.; Shabnam, N.; Jeon, B.; Sang, B.-I.; Kim, H. Comparison between OCl−-Injection and In Situ Electrochlorination in the Formation of Chlorate and Perchlorate in Seawater. Appl.Sci. 2019, 9, 229.
  10. Xue, Y.; Zhao, J.; Qiu, R.; Zheng, J.; Lin, C.; Ma, B.; Wang, P. In Situ glass antifouling using Pt nanoparticle coating for periodic electrolysis of seawater. Appl. Surf. Sci. 2015, 357, 60–68.
  11. Mahfouz, A.B.; Atilhan, S.; Batchelor, B.; Linke, P.; Abdel-Wahab, A.; El-Halwagi, M.M. Optimal scheduling of biocide dosing for seawater-cooled power and desalination plants. Clean Technol. Environ. Policy 2011, 13, 783–796.
  12. Rubio, D.; López-Galindo, C.; Casanueva, J.F.; Nebot, E. Monitoring and assessment of an industrial antifouling treatment. Seasonal effects and influence of water velocity in an open once-through seawater cooling system. Appl. Therm. Eng. 2014, 67, 378–387.
  13. European Integrated Pollution Prevention and Control (IPPC) Bureau, European Commission. Reference Document on the Application of Best Available Techniques to Industrial Cooling Systems December 2001; European Commission, Tech. Rep: Brussels, Belgium, 2001.
  14. Venkatesan R.; Murthy P. S. Macrofouling Control in Power Plants. In Springer Series on Biofilms; Springer: Berlin/Heidelberg, Germany, 2008.
  15. Kastl, G.; Fisher, I.; Jegatheesan, V. Evaluation of chlorine decay kinetics expressions for drinking water distribution systems modelling. J. Water Supply Res. Technol. AQUA 1999, 48, 219–226.
  16. Fisher, I.; Kastl, G.; Sathasivan, A.; Cook, D.; Seneverathne, L. General model of chlorine decay in blends of surface waters, desalinated water, and groundwaters. J. Environ. Eng. 2015, 141, 04015039.
  17. Fisher, I.; Kastl, G.; Sathasivan, A.; Jegatheesan, V. Suitability of chlorine bulk decay models for planning and management of water distribution systems. Crit. Rev. Environ. Sci. Technol. 2011, 41, 1843–1882.
  18. Fisher, I.; Kastl, G.; Sathasivan, A. Evaluation of suitable chlorine bulk-decay models for water distribution systems. Water Res. 2011, 45, 4896–4908.
  19. Haas, C.N.; Karra, S. Kinetics of wastewater chlorine demand exertion. J. (Water Pollut. Control Fed.) 1984, 56, 170–173.
  20. Zeng, J.; Jiang, Z.; Chen, Q.; Zheng, P.; Huang, Y. The decay kinetics of residual chlorine in cooling seawater simulation experiments. Acta Oceanol. Sin. 2009, 28, 54–59.
  21. Saeed, S.; Prakash, S.; Deb, N.; Campbell, R.; Kolluru, V.; Febbo, E.; Dupont, J. Development of a sitespecific kinetic model for chlorine decay and the formation of chlorination by-products in seawater. J. Mar. Sci. Eng. 2015, 3, 772–792.
  22. Al Heboos, S.; Licskó, I. Application and comparison of two chlorine decay models for predicting bulk chlorine residuals. Period. Polytech. Civ. Eng. 2017, 61, 7–13.
  23. Shadloo, M.S.; Oger, G.; Le Touzé, D. Smoothed particle hydrodynamics method for fluid flows, towards industrial applications: Motivations, current state, and challenges. Comput. Fluids 2016, 136, 11–34.
  24. Wols, B.; Hofman, J.; Uijttewaal, W.; Rietveld, L.; Van Dijk, J. Evaluation of different disinfection calculation methods using CFD. Environ. Model. Softw. 2010, 25, 573–582.
  25. Angeloudis, A.; Stoesser, T.; Falconer, R.A. Predicting the disinfection efficiency range in chlorine contact tanks through a CFD-based approach. Water Res. 2014, 60, 118–129.
  26. Zhang, J.; Tejada-Martínez, A.E.; Zhang, Q. Developments in computational fluid dynamics-based modeling for disinfection technologies over the last two decades: A review. Environ. Model. Softw. 2014, 58,71–85.
  27. Lim, Y.H.; Deering, D.D. In Modeling Chlorine Residual in a Ground Water Supply Tank for a Small Community in Cold Conditions, World Environmental and Water Resources Congress 2017; American Society of Civil Engineers: Reston, Virginia, USA, 2017; pp. 124–138.
  28. Hernández-Cervantes, D.; Delgado-Galván, X.; Nava, J.L.; López-Jiménez, P.A.; Rosales, M.; Mora Rodríguez, J. Validation of a computational fluid dynamics model for a novel residence time distribution analysis in mixing at cross-junctions. Water 2018, 10, 733.
  29. Hua, F.; West, J.; Barker, R.; Forster, C. Modelling of chlorine decay in municipal water supplies. Water Res. 1999, 33, 2735–2746.
  30. Jonkergouw, P.M.; Khu, S.-T.; Savic, D.A.; Zhong, D.; Hou, X.Q.; Zhao, H.-B. A variable rate coefficient chlorine decay model. Environ. Sci. Technol. 2009, 43, 408–414.
  31. Nejjari, F.; Puig, V.; Pérez, R.; Quevedo, J.; Cugueró, M.; Sanz, G.; Mirats, J. Chlorine decay model calibration and comparison: Application to a real water network. Procedia Eng. 2014, 70, 1221–1230.
  32. Kohpaei, A.J.; Sathasivan, A.; Aboutalebi, H. Effectiveness of parallel second order model over second and first order models. Desalin. Water Treat. 2011, 32, 107–114.
  33. Powell, J.C.; Hallam, N.B.; West, J.R.; Forster, C.F.; Simms, J. Factors which control bulk chlorine decay rates. Water Res. 2000, 34, 117–126.
  34. Clark, R.M.; Sivaganesan, M. Predicting chlorine residuals in drinking water: Second order model. J. Water Resour. Plan. Manag. 2002, 128, 152–161.
  35. Li, X.; Li, C.; Bayier, M.; Zhao, T.; Zhang, T.; Chen, X.; Mao, X. Desalinated seawater into pilot-scale drinking water distribution system: Chlorine decay and trihalomethanes formation. Desalin. Water Treat. 2016, 57,19149–19159.
  36. United States Environmental Protection Agency (EPA). Chlorine, Total Residual (Spectrophotometric, DPD); EPA-NERL: 330.5; EPA: Cincinnati, OH, USA, 1978.
  37. Polman, H.; Verhaart, F.; Bruijs, M. Impact of biofouling in intake pipes on the hydraulics and efficiency of pumping capacity. Desalin. Water Treat. 2013, 51, 997–1003.
  38. Rajagopal, S.; Van der Velde, G.; Van der Gaag, M.; Jenner, H.A. How effective is intermittent chlorination to control adult mussel fouling in cooling water systems? Water Res. 2003, 37, 329–338.
  39. Bruijs, M.C.; Venhuis, L.P.; Daal, L. Global Experiences in Optimizing Biofouling Control through PulseChlorination®. 2017. Available online: https://www.researchgate.net/publication/318561645_Global_Experiences_in_Optimizing_Biofouling_Co ntrol_through_Pulse-ChlorinationR (accessed on 1 May 2020).
  40. Kim, H.; Hao, O.J.; McAvoy, T.J. Comparison between model-and pH/ORP-based process control for an AAA system. Tamkang J. Sci. Eng. 2000, 3, 165–172.
  41. Brdys, M.; Chang, T.; Duzinkiewicz, K. Intelligent Model Predictive Control of Chlorine Residuals in Water Distribution Systems, Bridging the Gap: Meeting the World’s Water and Environmental Resources Challenges. In Proceedings of the ASCE Water Resource Engineering and Water Resources Planning and Management, July 30–August 2, 2000; pp. 1–11
PDF 원문 보기
Figure 1- The experimental model [17]

와류형 우수 저류지의 수치 모델링에 대한 난류 슈미트 수의 영향 조사

Investigation of the Turbulent Schmidt Number Effects On Numerical Modelling Of Vortex-Type Stormwater Retention Ponds

S. M. Yamini1; H. Shamloo2; S. H. Ghafari3
1M.Eng., Dep. of Civil Engineering K.N. Toosi University of Technology, Valiasr St., Tehran, Iran.
smyamini@alumni.kntu.ac.ir
2Associate Professor, Dep. of Civil Engineering K.N. Toosi University of Technology, Valiasr St., Tehran, Iran.
hshamloo@kntu.ac.ir
3Ph.D., Dep. of Civil Engineering Univ. of Tehran, Enqelab St., Tehran, Iran. sarvenazghafari@ut.ac.ir

Abstract

정확하고 신뢰할 수 있는 CFD 모델링 결과를 얻는 것은 이러한 시뮬레이션에서 입력의 중요성 때문에 종종 정밀 조사의 대상입니다.

난류 모델링이 RANS(Reynolds-Averaged Navier-Stokes) 방정식을 기반으로 하는 경우 난류 스칼라 전송을 추정하려면 난류 흐름에서 질량 1에 대한 운동량 확산의 비율로 정의되는 난류 슈미트 수(Sct)의 정의가 필요합니다.

그러나 이 매개변수는 난류 흐름의 속성이므로 보편적인 값이 허용되지 않았습니다. 우수 저류지의 수치 연구에서 적절한 Sct를 설정하는 실제 역할은 수력 효율의 평가가 추적자 테스트의 출력 질량 농도를 기반으로 하기 때문에 가장 중요합니다.

본 연구에서는 FLOW-3D를 사용하여 와류형 우수 저류지의 여러 수치 시뮬레이션을 체계적으로 수행했습니다. 다양한 난류 슈미트 수의 범위는 메쉬 감도를 조사하기 위해 다른 수의 계산 셀에 의해 수행된 수치 시뮬레이션에 도입되었습니다.

또한 사용자 정의 또는 자동 계산 값으로 최대 난류 혼합 길이의 영향을 평가했습니다. 이 연구의 결과는 실험 결과와 밀접한 일치를 제공하는 Sct= 0.625와 함께 수리학적 직경의 7%와 동일한 최대 난류 혼합 길이의 일정한 값을 갖는 확립된 수치 모델입니다.

특히 수치적 무차원 RDT 곡선의 피크 값은 극적으로 감소하여 실험 결과와 거의 일치했습니다. 이것은 FLOW-3D가 난류 유동의 와류형 물리학에서 질량 확산도를 적절하게 예측하는 상당한 능력을 가지고 있다는 결론을 내립니다.

– Achieving accurate and reliable CFD modelling results often is the subject of scrutiny because of the importance of the inputs in those simulations. If turbulence modelling is based on Reynolds-Averaged Navier-Stokes (RANS) equations, estimating the turbulent scalar transport requires the definition of the turbulent Schmidt number (Sct), defined as the ratio of momentum diffusivity to mass one in a turbulent flow. However, no universal value has been accepted for this parameter as it is a property of turbulent flows.

The practical role of establishing a suitable Sct in numerical studies of stormwater retention ponds is of the utmost importance because the assessment of the hydraulic efficiency of them is based on output mass concentration of tracer tests. In this study, several numerical simulations of a vortex-type stormwater retention pond were systematically carried out using FLOW-3D. A range of various turbulent Schmidt numbers were introduced in numerical simulations performed by different number of computational cells to investigate mesh sensitivity.

Moreover, the effects of maximum turbulent mixing length as a user-defined or automatically computed value were assessed. The outcome of this study is an established numerical model with a constant value of maximum turbulent mixing length equal to 7% of the hydraulic diameter along with Sct= 0.625 which provides a close agreement with experimental results.

Noticeably, the peak values of numerical dimensionless RDT curves are dramatically decreased, resulted in a close match with experimental results. This concludes that FLOW-3D has a considerable ability to appropriately predict mass diffusivity in vortex-type physics of turbulent flows.

Keywords:

turbulent Schmidt number – maximum turbulent mixing length – CFD – mesh sensitivity – vortex-type
stormwater retention pond – environmental fluid mechanics

Figure 1- The experimental model [17]
Figure 1- The experimental model [17]
Figure 2- Schematic of boundary conditions in the numerical model
Figure 2- Schematic of boundary conditions in the numerical model
Figure 3- Positioning of mesh blocks
Figure 3- Positioning of mesh blocks

References

[1] C. Gualtieri, A. Angeloudis, F. Bombardelli, S. Jha, and T. Stoesser, “On the Values for the Turbulent Schmidt Number
in Environmental Flows,” Fluids, vol. 2, p. 17, 2017.
[2] Å. Adamsson, L. Bergdahl, and S. Lyngfelt, “Measurement and three-dimensional simulation of flow in a rectangular
detention tank,” Urban Water Journal, vol. 2, no. 4, pp. 277-287, 2005/12/01 2005, doi: 10.1080/15730620500386545.
[3] C. Gualtieri, “Numerical simulation of flow and tracer transport in a disinfection contact tank,” 2006.
[4] S. Khan, B. Melville, and A. Shamseldin, Modeling the Layouts of Stormwater Retention Ponds using Residence Time.
2009, pp. 77-83.
[5] F. Martínez-Solano, P. L. I. Rey, C. Gualtieri, and P. López-Jiménez, “Modelling flow and concentration field in
rectangular water tanks,” 2010.
[6] W. B. Rauen, A. Angeloudis, and R. A. Falconer, “Appraisal of chlorine contact tank modelling practices,” Water
Research, vol. 46, no. 18, pp. 5834-5847, 2012/11/15/ 2012, doi: https://doi.org/10.1016/j.watres.2012.08.013.

[7] J. Zhang, A. Tejada-Martínez, and Q. Zhang, “Evaluation of LES and RANS for Determining Hydraulic Performance
of Disinfection Systems for Water Treatment,” Journal of Fluids Engineering, vol. 136, 05/15 2014, doi:
10.1115/1.4027652.
[8] J. Zhang, A. E. Tejada-Martínez, and Q. Zhang, “Developments in computational fluid dynamics-based modeling for
disinfection technologies over the last two decades: A review,” Environmental Modelling & Software, vol. 58, pp. 71-
85, 2014/08/01/ 2014, doi: https://doi.org/10.1016/j.envsoft.2014.04.003.
[9] C. Gualtieri and F. Salzano, “DIscussion on “The effect of baffle spacing on hydrodynamics and solute transport in
serpentine contact tanks”,” Journal of Hydraulic Research, vol. 52, pp. 152-154, 02/28 2014, doi:
10.1080/00221686.2013.877528.
[10] A. Angeloudis, T. Stoesser, R. A. Falconer, and D. Kim, “Flow, transport and disinfection performance in small- and
full-scale contact tanks,” Journal of Hydro-environment Research, vol. 9, no. 1, pp. 15-27, 2015/03/01/ 2015, doi:
https://doi.org/10.1016/j.jher.2014.07.001.
[11] A. Angeloudis, T. Stoesser, C. Gualtieri, and R. A. Falconer, “Contact Tank Design Impact on Process Performance,”
Environmental Modeling & Assessment, vol. 21, no. 5, pp. 563-576, 2016/10/01 2016, doi: 10.1007/s10666-016-9502-
x.
[12] D. Valero and D. B. Bung, “Sensitivity of turbulent Schmidt number and turbulence model to simulations of jets in
crossflow,” Environmental Modelling & Software, vol. 82, pp. 218-228, 2016/08/01/ 2016, doi:
https://doi.org/10.1016/j.envsoft.2016.04.030.
[13] F. Sonnenwald, I. Guymer, and V. Stovin, “Computational fluid dynamics modelling of residence times in vegetated
stormwater ponds,” Proceedings of the Institution of Civil Engineers – Water Management, vol. 171, pp. 1-11, 11/07
2017, doi: 10.1680/jwama.16.00117.
[14] F. Sonnenwald, I. Guymer, and V. Stovin, “A CFD-Based Mixing Model for Vegetated Flows,” Water Resources
Research, vol. 55, no. 3, pp. 2322-2347, 2019, doi: https://doi.org/10.1029/2018WR023628.
[15] S. B. Pope, Turbulent Flows. Cambridge, UK: Cambridge University Press, 2000.
[16] R. Rossi and G. Iaccarino, “Numerical simulation of scalar dispersion downstream of a square obstacle using gradienttransport type models,” Atmospheric Environment, vol. 43, no. 16, pp. 2518-2531, 2009/05/01/ 2009, doi:
https://doi.org/10.1016/j.atmosenv.2009.02.044.
[17] R. Chowdhury, M. Ahadi, K. A. Mazurek, G. Putz, D. Bergstrom, and C. Albers, “Physical Scale and Computational
Modeling in the Development of a Vortex-Type Stormwater Retention Pond,” in World Environmental and Water
Resources Congress 2016, 2016, pp. 388-397.
[18] V. Yakhot and L. M. Smith, “The renormalization group, the ɛ-expansion and derivation of turbulence models,” Journal
of Scientific Computing, vol. 7, no. 1, pp. 35-61, 1992/03/01 1992, doi: 10.1007/BF01060210.
[19] Flow Science, Inc., FLOW-3D User manual. Santa Fe, NM, USA. (2015).
[20] M. M. Bishop, J. M. Morgan, B. Cornwell, and D. K. Jamison, “Improving the Disinfection Detention Time of a Water
Plant Clearwell,” Journal AWWA, vol. 85, no. 3, pp. 68-75, 1993, doi: https://doi.org/10.1002/j.1551-
8833.1993.tb05958.x.
[21] F. L. Hart, “Improved Hydraulic Performance of Chlorine Contact Chambers.,” Jounal of Water Pollution Control
Federation, vol. 51(12), pp. 2868–2875, 1979.

PDF View
Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).

Continuous-Flow Separation of Magnetic Particles from Biofluids: How Does the Microdevice Geometry Determine the Separation Performance?

by 
Cristina González Fernández1, Jenifer Gómez Pastora2, Arantza Basauri1, Marcos Fallanza1, Eugenio Bringas1, Jeffrey J. Chalmers2 and Inmaculada Ortiz1,*
1Department of Chemical and Biomolecular Engineering, ETSIIT, University of Cantabria, Avda. Los Castros s/n, 39005 Santander, Spain
2William G. Lowrie Department of Chemical and Biomolecular Engineering, The Ohio State University, 151 W. Woodruff Ave., Columbus, OH 43210, USA
*Author to whom correspondence should be addressed.
Sensors 2020, 20(11), 3030; https://doi.org/10.3390/s20113030
Received: 16 April 2020 / Revised: 21 May 2020 / Accepted: 25 May 2020 / Published: 27 May 2020
(This article belongs to the Special Issue Lab-on-a-Chip and Microfluidic Sensors)

Abstract

The use of functionalized magnetic particles for the detection or separation of multiple chemicals and biomolecules from biofluids continues to attract significant attention. After their incubation with the targeted substances, the beads can be magnetically recovered to perform analysis or diagnostic tests. Particle recovery with permanent magnets in continuous-flow microdevices has gathered great attention in the last decade due to the multiple advantages of microfluidics. As such, great efforts have been made to determine the magnetic and fluidic conditions for achieving complete particle capture; however, less attention has been paid to the effect of the channel geometry on the system performance, although it is key for designing systems that simultaneously provide high particle recovery and flow rates. Herein, we address the optimization of Y-Y-shaped microchannels, where magnetic beads are separated from blood and collected into a buffer stream by applying an external magnetic field. The influence of several geometrical features (namely cross section shape, thickness, length, and volume) on both bead recovery and system throughput is studied. For that purpose, we employ an experimentally validated Computational Fluid Dynamics (CFD) numerical model that considers the dominant forces acting on the beads during separation. Our results indicate that rectangular, long devices display the best performance as they deliver high particle recovery and high throughput. Thus, this methodology could be applied to the rational design of lab-on-a-chip devices for any magnetically driven purification, enrichment or isolation.

Keywords: particle magnetophoresis; CFD; cross section; chip fabrication

Korea Abstract

생체 유체에서 여러 화학 물질과 생체 분자의 검출 또는 분리를위한 기능화 된 자성 입자의 사용은 계속해서 상당한 관심을 받고 있습니다. 표적 물질과 함께 배양 한 후 비드를 자기 적으로 회수하여 분석 또는 진단 테스트를 수행 할 수 있습니다. 연속 흐름 마이크로 장치에서 영구 자석을 사용한 입자 회수는 마이크로 유체의 여러 장점으로 인해 지난 10 년 동안 큰 관심을 모았습니다. 

따라서 완전한 입자 포획을 달성하기 위한 자기 및 유체 조건을 결정하기 위해 많은 노력을 기울였습니다. 그러나 높은 입자 회수율과 유속을 동시에 제공하는 시스템을 설계하는 데있어 핵심이기는 하지만 시스템 성능에 대한 채널 형상의 영향에 대해서는 덜주의를 기울였습니다. 

여기에서 우리는 자기 비드가 혈액에서 분리되고 외부 자기장을 적용하여 버퍼 스트림으로 수집되는 YY 모양의 마이크로 채널의 최적화를 다룹니다. 비드 회수 및 시스템 처리량에 대한 여러 기하학적 특징 (즉, 단면 형상, 두께, 길이 및 부피)의 영향을 연구합니다. 

이를 위해 분리 중에 비드에 작용하는 지배적인 힘을 고려하는 실험적으로 검증 된 CFD (Computational Fluid Dynamics) 수치 모델을 사용합니다. 우리의 결과는 직사각형의 긴 장치가 높은 입자 회수율과 높은 처리량을 제공하기 때문에 최고의 성능을 보여줍니다. 

따라서 이 방법론은 자기 구동 정제, 농축 또는 분리를 위한 랩온어 칩 장치의 합리적인 설계에 적용될 수 있습니다.

Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).
Figure 1. (a) Top view of the microfluidic-magnetophoretic device, (b) Schematic representation of the channel cross-sections studied in this work, and (c) the magnet position relative to the channel location (Sepy and Sepz are the magnet separation distances in y and z, respectively).
Figure 2. (a) Channel-magnet configuration and (b–d) magnetic force distribution in the channel midplane for 2 mm, 5 mm and 10 mm long rectangular (left) and U-shaped (right) devices.
Figure 2. (a) Channel-magnet configuration and (b–d) magnetic force distribution in the channel midplane for 2 mm, 5 mm and 10 mm long rectangular (left) and U-shaped (right) devices.
Figure 3. (a) Velocity distribution in a section perpendicular to the flow for rectangular (left) and U-shaped (right) cross section channels, and (b) particle location in these cross sections.
Figure 3. (a) Velocity distribution in a section perpendicular to the flow for rectangular (left) and U-shaped (right) cross section channels, and (b) particle location in these cross sections.
Figure 4. Influence of fluid flow rate on particle recovery when the applied magnetic force is (a) different and (b) equal in U-shaped and rectangular cross section microdevices.
Figure 4. Influence of fluid flow rate on particle recovery when the applied magnetic force is (a) different and (b) equal in U-shaped and rectangular cross section microdevices.
Figure 5. Magnetic bead capture as a function of fluid flow rate for all of the studied geometries.
Figure 5. Magnetic bead capture as a function of fluid flow rate for all of the studied geometries.
Figure 6. Influence of (a) magnetic and fluidic forces (J parameter) and (b) channel geometry (θ parameter) on particle recovery. Note that U-2mm does not accurately fit a line.
Figure 6. Influence of (a) magnetic and fluidic forces (J parameter) and (b) channel geometry (θ parameter) on particle recovery. Note that U-2mm does not accurately fit a line.
Figure 7. Dependence of bead capture on the (a) functional channel volume and (b) particle residence time (tres). Note that in the curve fitting expressions V represents the functional channel volume and that U-2mm does not accurately fit a line.
Figure 7. Dependence of bead capture on the (a) functional channel volume and (b) particle residence time (tres). Note that in the curve fitting expressions V represents the functional channel volume and that U-2mm does not accurately fit a line.

References

  1. Gómez-Pastora, J.; Xue, X.; Karampelas, I.H.; Bringas, E.; Furlani, E.P.; Ortiz, I. Analysis of separators for magnetic beads recovery: From large systems to multifunctional microdevices. Sep. Purif. Technol. 2017, 172, 16–31. [Google Scholar] [CrossRef]
  2. Wise, N.; Grob, T.; Morten, K.; Thompson, I.; Sheard, S. Magnetophoretic velocities of superparamagnetic particles, agglomerates and complexes. J. Magn. Magn. Mater. 2015, 384, 328–334. [Google Scholar] [CrossRef]
  3. Khashan, S.A.; Elnajjar, E.; Haik, Y. CFD simulation of the magnetophoretic separation in a microchannel. J. Magn. Magn. Mater. 2011, 323, 2960–2967. [Google Scholar] [CrossRef]
  4. Khashan, S.A.; Furlani, E.P. Scalability analysis of magnetic bead separation in a microchannel with an array of soft magnetic elements in a uniform magnetic field. Sep. Purif. Technol. 2014, 125, 311–318. [Google Scholar] [CrossRef]
  5. Furlani, E.P. Magnetic biotransport: Analysis and applications. Materials 2010, 3, 2412–2446. [Google Scholar] [CrossRef]
  6. Gómez-Pastora, J.; Bringas, E.; Ortiz, I. Design of novel adsorption processes for the removal of arsenic from polluted groundwater employing functionalized magnetic nanoparticles. Chem. Eng. Trans. 2016, 47, 241–246. [Google Scholar]
  7. Gómez-Pastora, J.; Bringas, E.; Lázaro-Díez, M.; Ramos-Vivas, J.; Ortiz, I. The reverse of controlled release: Controlled sequestration of species and biotoxins into nanoparticles (NPs). In Drug Delivery Systems; Stroeve, P., Mahmoudi, M., Eds.; World Scientific: Hackensack, NJ, USA, 2017; pp. 207–244. ISBN 9789813201057. [Google Scholar]
  8. Ruffert, C. Magnetic bead-magic bullet. Micromachines 2016, 7, 21. [Google Scholar] [CrossRef]
  9. Yáñez-Sedeño, P.; Campuzano, S.; Pingarrón, J.M. Magnetic particles coupled to disposable screen printed transducers for electrochemical biosensing. Sensors 2016, 16, 1585. [Google Scholar] [CrossRef]
  10. Schrittwieser, S.; Pelaz, B.; Parak, W.J.; Lentijo-Mozo, S.; Soulantica, K.; Dieckhoff, J.; Ludwig, F.; Guenther, A.; Tschöpe, A.; Schotter, J. Homogeneous biosensing based on magnetic particle labels. Sensors 2016, 16, 828. [Google Scholar] [CrossRef]
  11. He, J.; Huang, M.; Wang, D.; Zhang, Z.; Li, G. Magnetic separation techniques in sample preparation for biological analysis: A review. J. Pharm. Biomed. Anal. 2014, 101, 84–101. [Google Scholar] [CrossRef]
  12. Ha, Y.; Ko, S.; Kim, I.; Huang, Y.; Mohanty, K.; Huh, C.; Maynard, J.A. Recent advances incorporating superparamagnetic nanoparticles into immunoassays. ACS Appl. Nano Mater. 2018, 1, 512–521. [Google Scholar] [CrossRef]
  13. Gómez-Pastora, J.; González-Fernández, C.; Fallanza, M.; Bringas, E.; Ortiz, I. Flow patterns and mass transfer performance of miscible liquid-liquid flows in various microchannels: Numerical and experimental studies. Chem. Eng. J. 2018, 344, 487–497. [Google Scholar] [CrossRef]
  14. Gale, B.K.; Jafek, A.R.; Lambert, C.J.; Goenner, B.L.; Moghimifam, H.; Nze, U.C.; Kamarapu, S.K. A review of current methods in microfluidic device fabrication and future commercialization prospects. Inventions 2018, 3, 60. [Google Scholar] [CrossRef]
  15. Nanobiotechnology; Concepts, Applications and Perspectives; Niemeyer, C.M.; Mirkin, C.A. (Eds.) Wiley-VCH: Weinheim, Germany, 2004; ISBN 3527305068. [Google Scholar]
  16. Khashan, S.A.; Dagher, S.; Alazzam, A.; Mathew, B.; Hilal-Alnaqbi, A. Microdevice for continuous flow magnetic separation for bioengineering applications. J. Micromech. Microeng. 2017, 27, 055016. [Google Scholar] [CrossRef]
  17. Basauri, A.; Gomez-Pastora, J.; Fallanza, M.; Bringas, E.; Ortiz, I. Predictive model for the design of reactive micro-separations. Sep. Purif. Technol. 2019, 209, 900–907. [Google Scholar] [CrossRef]
  18. Abdollahi, P.; Karimi-Sabet, J.; Moosavian, M.A.; Amini, Y. Microfluidic solvent extraction of calcium: Modeling and optimization of the process variables. Sep. Purif. Technol. 2020, 231, 115875. [Google Scholar] [CrossRef]
  19. Khashan, S.A.; Alazzam, A.; Furlani, E. A novel design for a microfluidic magnetophoresis system: Computational study. In Proceedings of the 12th International Symposium on Fluid Control, Measurement and Visualization (FLUCOME2013), Nara, Japan, 18–23 November 2013. [Google Scholar]
  20. Pamme, N. Magnetism and microfluidics. Lab Chip 2006, 6, 24–38. [Google Scholar] [CrossRef]
  21. Gómez-Pastora, J.; Amiri Roodan, V.; Karampelas, I.H.; Alorabi, A.Q.; Tarn, M.D.; Iles, A.; Bringas, E.; Paunov, V.N.; Pamme, N.; Furlani, E.P.; et al. Two-step numerical approach to predict ferrofluid droplet generation and manipulation inside multilaminar flow chambers. J. Phys. Chem. C 2019, 123, 10065–10080. [Google Scholar] [CrossRef]
  22. Gómez-Pastora, J.; Karampelas, I.H.; Bringas, E.; Furlani, E.P.; Ortiz, I. Numerical analysis of bead magnetophoresis from flowing blood in a continuous-flow microchannel: Implications to the bead-fluid interactions. Sci. Rep. 2019, 9, 7265. [Google Scholar] [CrossRef]
  23. Tarn, M.D.; Pamme, N. On-Chip Magnetic Particle-Based Immunoassays Using Multilaminar Flow for Clinical Diagnostics. In Microchip Diagnostics Methods and Protocols; Taly, V., Viovy, J.L., Descroix, S., Eds.; Humana Press: New York, NY, USA, 2017; pp. 69–83. [Google Scholar]
  24. Phurimsak, C.; Tarn, M.D.; Peyman, S.A.; Greenman, J.; Pamme, N. On-chip determination of c-reactive protein using magnetic particles in continuous flow. Anal. Chem. 2014, 86, 10552–10559. [Google Scholar] [CrossRef]
  25. Wu, X.; Wu, H.; Hu, Y. Enhancement of separation efficiency on continuous magnetophoresis by utilizing L/T-shaped microchannels. Microfluid. Nanofluid. 2011, 11, 11–24. [Google Scholar] [CrossRef]
  26. Vojtíšek, M.; Tarn, M.D.; Hirota, N.; Pamme, N. Microfluidic devices in superconducting magnets: On-chip free-flow diamagnetophoresis of polymer particles and bubbles. Microfluid. Nanofluid. 2012, 13, 625–635. [Google Scholar] [CrossRef]
  27. Gómez-Pastora, J.; González-Fernández, C.; Real, E.; Iles, A.; Bringas, E.; Furlani, E.P.; Ortiz, I. Computational modeling and fluorescence microscopy characterization of a two-phase magnetophoretic microsystem for continuous-flow blood detoxification. Lab Chip 2018, 18, 1593–1606. [Google Scholar] [CrossRef] [PubMed]
  28. Forbes, T.P.; Forry, S.P. Microfluidic magnetophoretic separations of immunomagnetically labeled rare mammalian cells. Lab Chip 2012, 12, 1471–1479. [Google Scholar] [CrossRef]
  29. Nandy, K.; Chaudhuri, S.; Ganguly, R.; Puri, I.K. Analytical model for the magnetophoretic capture of magnetic microspheres in microfluidic devices. J. Magn. Magn. Mater. 2008, 320, 1398–1405. [Google Scholar] [CrossRef]
  30. Plouffe, B.D.; Lewis, L.H.; Murthy, S.K. Computational design optimization for microfluidic magnetophoresis. Biomicrofluidics 2011, 5, 013413. [Google Scholar] [CrossRef] [PubMed]
  31. Hale, C.; Darabi, J. Magnetophoretic-based microfluidic device for DNA isolation. Biomicrofluidics 2014, 8, 044118. [Google Scholar] [CrossRef] [PubMed]
  32. Becker, H.; Gärtner, C. Polymer microfabrication methods for microfluidic analytical applications. Electrophoresis 2000, 21, 12–26. [Google Scholar] [CrossRef]
  33. Pekas, N.; Zhang, Q.; Nannini, M.; Juncker, D. Wet-etching of structures with straight facets and adjustable taper into glass substrates. Lab Chip 2010, 10, 494–498. [Google Scholar] [CrossRef]
  34. Wang, T.; Chen, J.; Zhou, T.; Song, L. Fabricating microstructures on glass for microfluidic chips by glass molding process. Micromachines 2018, 9, 269. [Google Scholar] [CrossRef]
  35. Castaño-Álvarez, M.; Pozo Ayuso, D.F.; García Granda, M.; Fernández-Abedul, M.T.; Rodríguez García, J.; Costa-García, A. Critical points in the fabrication of microfluidic devices on glass substrates. Sens. Actuators B Chem. 2008, 130, 436–448. [Google Scholar] [CrossRef]
  36. Prakash, S.; Kumar, S. Fabrication of microchannels: A review. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 2015, 229, 1273–1288. [Google Scholar] [CrossRef]
  37. Leester-Schädel, M.; Lorenz, T.; Jürgens, F.; Ritcher, C. Fabrication of Microfluidic Devices. In Microsystems for Pharmatechnology: Manipulation of Fluids, Particles, Droplets, and Cells; Dietzel, A., Ed.; Springer: Basel, Switzerland, 2016; pp. 23–57. ISBN 9783319269207. [Google Scholar]
  38. Bartlett, N.W.; Wood, R.J. Comparative analysis of fabrication methods for achieving rounded microchannels in PDMS. J. Micromech. Microeng. 2016, 26, 115013. [Google Scholar] [CrossRef]
  39. Ng, P.F.; Lee, K.I.; Yang, M.; Fei, B. Fabrication of 3D PDMS microchannels of adjustable cross-sections via versatile gel templates. Polymers 2019, 11, 64. [Google Scholar] [CrossRef] [PubMed]
  40. Furlani, E.P.; Sahoo, Y.; Ng, K.C.; Wortman, J.C.; Monk, T.E. A model for predicting magnetic particle capture in a microfluidic bioseparator. Biomed. Microdevices 2007, 9, 451–463. [Google Scholar] [CrossRef]
  41. Tarn, M.D.; Peyman, S.A.; Robert, D.; Iles, A.; Wilhelm, C.; Pamme, N. The importance of particle type selection and temperature control for on-chip free-flow magnetophoresis. J. Magn. Magn. Mater. 2009, 321, 4115–4122. [Google Scholar] [CrossRef]
  42. Furlani, E.P. Permanent Magnet and Electromechanical Devices; Materials, Analysis and Applications; Academic Press: Waltham, MA, USA, 2001. [Google Scholar]
  43. White, F.M. Viscous Fluid Flow; McGraw-Hill: New York, NY, USA, 1974. [Google Scholar]
  44. Mathew, B.; Alazzam, A.; El-Khasawneh, B.; Maalouf, M.; Destgeer, G.; Sung, H.J. Model for tracing the path of microparticles in continuous flow microfluidic devices for 2D focusing via standing acoustic waves. Sep. Purif. Technol. 2015, 153, 99–107. [Google Scholar] [CrossRef]
  45. Furlani, E.J.; Furlani, E.P. A model for predicting magnetic targeting of multifunctional particles in the microvasculature. J. Magn. Magn. Mater. 2007, 312, 187–193. [Google Scholar] [CrossRef]
  46. Furlani, E.P.; Ng, K.C. Analytical model of magnetic nanoparticle transport and capture in the microvasculature. Phys. Rev. E 2006, 73, 061919. [Google Scholar] [CrossRef]
  47. Eibl, R.; Eibl, D.; Pörtner, R.; Catapano, G.; Czermak, P. Cell and Tissue Reaction Engineering; Springer: Berlin/Heidelberg, Germany, 2009. [Google Scholar]
  48. Pamme, N.; Eijkel, J.C.T.; Manz, A. On-chip free-flow magnetophoresis: Separation and detection of mixtures of magnetic particles in continuous flow. J. Magn. Magn. Mater. 2006, 307, 237–244. [Google Scholar] [CrossRef]
  49. Alorabi, A.Q.; Tarn, M.D.; Gómez-Pastora, J.; Bringas, E.; Ortiz, I.; Paunov, V.N.; Pamme, N. On-chip polyelectrolyte coating onto magnetic droplets-Towards continuous flow assembly of drug delivery capsules. Lab Chip 2017, 17, 3785–3795. [Google Scholar] [CrossRef]
  50. Zhang, H.; Guo, H.; Chen, Z.; Zhang, G.; Li, Z. Application of PECVD SiC in glass micromachining. J. Micromech. Microeng. 2007, 17, 775–780. [Google Scholar] [CrossRef]
  51. Mourzina, Y.; Steffen, A.; Offenhäusser, A. The evaporated metal masks for chemical glass etching for BioMEMS. Microsyst. Technol. 2005, 11, 135–140. [Google Scholar] [CrossRef]
  52. Mata, A.; Fleischman, A.J.; Roy, S. Fabrication of multi-layer SU-8 microstructures. J. Micromech. Microeng. 2006, 16, 276–284. [Google Scholar] [CrossRef]
  53. Su, N. 8 2000 Negative Tone Photoresist Formulations 2002–2025; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  54. Su, N. 8 2000 Negative Tone Photoresist Formulations 2035–2100; MicroChem Corporation: Newton, MA, USA, 2002. [Google Scholar]
  55. Fu, C.; Hung, C.; Huang, H. A novel and simple fabrication method of embedded SU-8 micro channels by direct UV lithography. J. Phys. Conf. Ser. 2006, 34, 330–335. [Google Scholar] [CrossRef]
  56. Kazoe, Y.; Yamashiro, I.; Mawatari, K.; Kitamori, T. High-pressure acceleration of nanoliter droplets in the gas phase in a microchannel. Micromachines 2016, 7, 142. [Google Scholar] [CrossRef]
  57. Sharp, K.V.; Adrian, R.J.; Santiago, J.G.; Molho, J.I. Liquid flows in microchannels. In MEMS: Introduction and Fundamentals; Gad-el-Hak, M., Ed.; CRC Press: Boca Raton, FL, USA, 2006; pp. 10-1–10-46. ISBN 9781420036572. [Google Scholar]
  58. Oh, K.W.; Lee, K.; Ahn, B.; Furlani, E.P. Design of pressure-driven microfluidic networks using electric circuit analogy. Lab Chip 2012, 12, 515–545. [Google Scholar] [CrossRef]
  59. Bruus, H. Theoretical Microfluidics; Oxford University Press: New York, NY, USA, 2008; ISBN 9788578110796. [Google Scholar]
  60. Beebe, D.J.; Mensing, G.A.; Walker, G.M. Physics and applications of microfluidics in biology. Annu. Rev. Biomed. Eng. 2002, 4, 261–286. [Google Scholar] [CrossRef] [PubMed]
  61. Yalikun, Y.; Tanaka, Y. Large-scale integration of all-glass valves on a microfluidic device. Micromachines 2016, 7, 83. [Google Scholar] [CrossRef] [PubMed]
  62. Van Heeren, H.; Verhoeven, D.; Atkins, T.; Tzannis, A.; Becker, H.; Beusink, W.; Chen, P. Design Guideline for Microfluidic Device and Component Interfaces (Part 2), Version 3; Available online: http://www.makefluidics.com/en/design-guideline?id=7 (accessed on 9 March 2020).
  63. Scheuble, N.; Iles, A.; Wootton, R.C.R.; Windhab, E.J.; Fischer, P.; Elvira, K.S. Microfluidic technique for the simultaneous quantification of emulsion instabilities and lipid digestion kinetics. Anal. Chem. 2017, 89, 9116–9123. [Google Scholar] [CrossRef] [PubMed]
  64. Lynch, E.C. Red blood cell damage by shear stress. Biophys. J. 1972, 12, 257–273. [Google Scholar]
  65. Paul, R.; Apel, J.; Klaus, S.; Schügner, F.; Schwindke, P.; Reul, H. Shear stress related blood damage in laminar Couette flow. Artif. Organs 2003, 27, 517–529. [Google Scholar] [CrossRef] [PubMed]
  66. Gómez-Pastora, J.; Karampelas, I.H.; Xue, X.; Bringas, E.; Furlani, E.P.; Ortiz, I. Magnetic bead separation from flowing blood in a two-phase continuous-flow magnetophoretic microdevice: Theoretical analysis through computational fluid dynamics simulation. J. Phys. Chem. C 2017, 121, 7466–7477. [Google Scholar] [CrossRef]
  67. Lim, J.; Yeap, S.P.; Leow, C.H.; Toh, P.Y.; Low, S.C. Magnetophoresis of iron oxide nanoparticles at low field gradient: The role of shape anisotropy. J. Colloid Interface Sci. 2014, 421, 170–177. [Google Scholar] [CrossRef] [PubMed]
  68. Culbertson, C.T.; Sibbitts, J.; Sellens, K.; Jia, S. Fabrication of Glass Microfluidic Devices. In Microfluidic Electrophoresis: Methods and Protocols; Dutta, D., Ed.; Humana Press: New York, NY, USA, 2019; pp. 1–12. ISBN 978-1-4939-8963-8. [Google Scholar]
Full Text View
유압 헤드 계산에서는 유선이 평행하다고 가정

FLOW-3D Output variables(출력 변수)

Output variables(출력 변수)

FLOW-3D에서 주어진 시뮬레이션의 정확한 출력은 어떤 물리적 모델, 출력 위젯에 정의된 추가 출력 및 특정 구성 요소별 출력에 따라 달라집니다. 이 문서는 FLOW-3D의 출력에 대해 좀 더 복잡한 출력 변수 중 일부를 참조하는 역할을 합니다.

FLOW-3D Additional output
FLOW-3D Additional output

Distance Traveled by Fluid(유체로 이동 한 거리)

때로는 유체 입자가 이동한 거리가 중요한 경우도 있습니다. FLOW-3D에서 사용자는 모델 설정 ‣ 출력 위젯에서 유체가 이동한 거리에 대한 출력을 요청할 수 있습니다. 이 기능은 유체가 흐름 영역(경계 또는 질량 소스를 통해)에 들어간 시간 또는 유체가 도메인을 통해 이동한 거리를 계산합니다. 이 기능은 모든 시뮬레이션에도 사용할 수 있으며, 특별한 모델을 사용할 필요가 없으며, 흐름에도 영향을 미치지 않습니다. 이 모델을 사용하려면 출력 위젯으로 이동하고 추가 출력 섹션에서 “Distance traveled by fluid” 옆의 체크상자를 선택하십시오.

 노트

추가 출력 섹션은 출력 위젯의 모든 탭에서 사용할 수 있습니다.

유체 도착 시간

유체 도착 시간을 아는 것은 종종 유용합니다. 예를 들어 주조 시뮬레이션에서 주입 시간을 결정하는 데 사용할 수 있습니다. 제어 볼륨은 충전 프로세스 동안 여러 번 채워지고 비워지기 때문에 계산 셀이 채워지는 처음과 마지막 시간 모두 기록되고, 후 처리를 위해 저장될 수 있습니다. 이 작업은 출력 위젯과 추가 출력 섹션 내에서 유체 도착 시간 확인란을 선택하여 수행됩니다.

 노트

이 출력 옵션은 1 유체 자유 표면 흐름에만 사용할 수 있습니다.

유체 체류 시간

때로는 유체가 계산 영역 내에서 보내는 시간인 체류시간을 아는 것이 유용합니다. 이는 출력 ‣ Output ‣ Additional Output ‣ Fluid residence time 확인란을 선택하여 수행합니다. 여기서 S로 지정된 이 변수에 대한 전송 방정식은 단위 소스 항과 함께 Solve됩니다.

유체 체류 시간(Fluid residence time)
유체 체류 시간(Fluid residence time)

여기에서 t는 시간이며 u는 유체 속도입니다.

S의 단위는 시간이다. 계산 도메인에 들어가는 모든 유체에 대한 S의 초기값은 0입니다.

의 값은 항상 second order체계를 가진 데이터로부터 근사치를 구합니다.

이 출력 옵션은 1 유체 및 2 유체 유량 모두에 사용할 수 있습니다.

 노트

경계 조건 또는 소스에서 도메인으로 유입되는 유체가 이미 도메인에 있는 유체와 혼합될 때 체류가 감소하는 것처럼 보일 수 있습니다.

Wall Contact Time

벽면 접촉 시간 출력은 (1)개별 유체 요소가 특정 구성 요소와 접촉하는 시간 및 (2)특정 구성 요소가 유체와 접촉하는 시간을 추적합니다. 이 모델은 액체 금속이 모래 오염물과 접촉했을 때 오염과 상관 관계가 있는 proxy 변수를 제공하기 위한 것입니다. 이 출력은 최종 주조물에서 오염된 유체가 어디에 있는지 확인하는 데 사용될 수 있습니다. 접촉 시간 모델의 또 다른 해석은, 예를 들어, 용해를 통해 다소 일정한 비율로 화학물질을 방출하는 물에 잠긴 물체에 의한 강의 물의 오염입니다.

모델은 Model Setup ‣ Output ‣ Wall contact time 박스를 확인하여 활성화됩니다. 또한 Model Setup ‣ Output ‣ Geometry Data section의 각 구성요소에 대해 해당 구성요소를 계산에 포함하기 위해 반드시 설정해야 하는 Contact time flag가 있습니다.

 추가 정보

Wall Contact Time with Fluid and Component Properties: Contact Time with Fluid for more information on the input variables를 참조하십시오.

 노트

이 모델은 실제 구성 요소, 즉 고체, 다공성 매체, 코어 가스 및 충전 퇴적물 구성 요소로 제한됩니다. 접촉 시간은 유체 # 1과 관련해서만 계산됩니다.

2. 형상 데이터
2. 형상 데이터

Component wetted are

Fluid 1과 접촉하는 구성 요소의 표면 영역은 관심 구성 요소에 대한 Model Setup ‣ Output ‣ Geometry Data ‣ Wetted area 옵션을 활성화하여 History Data로 출력 될 수 있습니다.

구성 요소의 힘과 토크

Forces

Model Setup ‣ Output ‣ Geometry Data ‣ Forces 옵션을 활성화하면 부품에 대한 압력, 전단력, 탄성 및 벽 접착력을 History Data에 출력할 수 있습니다.

압력을 가지지 않은 셀(즉, 도메인 외부에 있거나 다른 구성 요소 안에 있는 셀)이 구성 요소 주변의 각 셀에 대한 압력 영역 제품을 합산하는 동안 어떻게 처리되는지를 제어하는 압력 계산에 대한 몇 가지 추가 옵션이 있습니다. 기본 동작은 이러한 셀에서 사용자 정의 기준 압력을 사용하는 것입니다. 지정되지 않은 경우 기준 압력은 초기 무효 압력인 PVOID로 기본 설정됩니다. 또는, 코드는 Reference pressure is code calculated 옵션을 선택하여 구성요소의 노출된 표면에 대한 평균 압력을 사용할 수 있습니다.

마지막으로, 일반 이동 물체의 경우, 규정된/제약을 받는 대로 물체를 이동시키는 힘을 나타내는 잔류 힘의 추가 출력이 있습니다.

Torques

Model Setup ‣ Output ‣ Force 옵션이 활성화되면 구성 요소의 토크가 계산되고 History Data에 출력됩니다. 토크는 힘-모멘트에 대한 기준점 X, 힘-모멘트에 대한 기준점 Y, 정지 구성 요소에 대한 힘-모멘트 입력에 대한 기준점 Z에 의해 지정된 지점에 대해 보고됩니다. 참조점의 기본 위치는 원점입니다.

General Moving Objects에는 몇 가지 추가 참고 사항이 있습니다. 첫째, 토크는 (1) 6-DOF 동작의 질량 위치 중심 또는 (2)고정축 및 고정점 회전의 회전 축/점에 대해 보고됩니다. 힘에서 행해지는 것과 마찬가지로, 규정된/제한된 바와 같이 물체를 이동시키는 토크를 나타내는 잔류 토크의 출력도 있습니다.

 노트

힘 및 토크 출력은 각 지오메트리 구성 요소의 일반 히스토리 데이터에 기록됩니다. 출력은 개별 힘/토크 기여 (예: 압력, 전단, 탄성, 벽 접착) 및 개별 기여도의 합으로 계산된 총 결합력/토크로 제공됩니다.

Buoyancy center and metacentric height (부력 중심 및 메타 중심 높이)

일반 이동 객체의 부력과 안정성에 대한 정보는 각 구성 요소에 대해 모델 설정 Setup 출력 ‣ 기하학적 데이터 ‣ 부력 중심 및 도량형 높이 옵션을 활성화하여 History Data에서 출력할 수 있습니다. 이렇게 하면 구성 요소의 중심 위치와 중심 높이가 출력됩니다.

  1. Advanced

FLOW-3D Advanced Output Option
FLOW-3D Advanced Output Option

Fluid vorticity & Q-criterion(유체 와동 및 Q 기준)

와동구성 요소뿐만 아니라 와동 구조를 위한 Q-criterion을 계산하고 내보내려면 Model Setup ‣ Output ‣ Advanced 탭에서 해당 확인란을 클릭하여 유체 와동 & Q-criterion을 활성화하십시오.

여기에서:

:  소용돌이 벡터의 다른 구성 요소

 Q-criterion은 속도 구배 텐서의 2차 불변성을 갖는 연결된 유체 영역으로 소용돌이를 정의합니다. 이는 전단 변형률과 와류 크기 사이의 국부적 균형을 나타내며, 와류 크기가 변형률의 크기보다 큰 영역으로 와류를 정의합니다.

Hydraulic Data and Total Hydraulic Head 3D

Hydraulic Data

깊이 기준 유압 데이터를 요청하려면 출력 ‣ 고급으로 이동한 후 유압 데이터 옆의 확인란을 선택하십시오(심층 평균 값과 중력을 -Z 방향으로 가정).

이 옵션은 FLOW-3D가 유압 시뮬레이션에 유용할 수 있는 추가 깊이 평균 데이터를 출력하도록 합니다.

  • Flow depth
  • Maximum flow depth
  • Free surface elevation
  • Velocity
  • Offset velocity
  • Froude number
  • Specific hydraulic head
  • Total hydraulic head

이 수량 각각에 대해 하나의 값 이 메쉬의 모든 (x, y) 위치에서 계산되고 수직 열의 모든 셀에 저장됩니다 (이 수량이 깊이 평균이기 때문에 z 방향으로 데이터의 변화가 없습니다). 변수는 정확도를 보장하기 위해주기마다 계산됩니다. 모든 경우에,  깊이 평균 속도, z- 방향  의 중력 가속도, 유체 깊이, 및 컬럼 내 유체의 최소 z- 좌표입니다.

  • 자유 표면 고도는 수직 기둥의 맨 위 유체 요소에 있는 자유 표면의 z-좌표로 계산됩니다.
  • The Froude number 은   

식으로 계산됩니다.

  • 유체 깊이는 깊이 평균 메쉬 열의 모든 유체의 합으로 계산됩니다.

특정 유압 헤드 

및 총 유압 헤드

변수는 다음에서 계산됩니다.  

 노트

  • 깊이 기준 유압 출력 옵션은 예리한 인터페이스가 있고 중력이 음의 z 방향으로 향할 때에만 유체 1에 유효합니다.
  • 유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.

Total Hydraulic Head 3D(총 유압 헤드 3D)

또한 총 유압 헤드 3D 옵션을 확인하여 국부적(3D) 속도 필드, 플럭스 표면에서의 유압 에너지(배플 참조) 및 플럭스 기반 유압 헤드를 사용하여 유체 1의 총 헤드를 계산할 수 있다. 3D 계산은 국부 압력을 사용하여 수행되며(즉, 압력이 유체 깊이와 관련이 있다고 가정하지 않음) 원통 좌표와 호환됩니다.

 노트

  • 유압 헤드 계산은 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 문제가 발생할 수 있습니다. 이 경우, 플럭스 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산 시 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.
  • 3D 유압 헤드 계산은 입력 파일에 중력이 정의되지 않은 경우 중력 벡터의 크기를 1로 가정합니다.

Flux-averaged hydraulic head

특정 위치 (즉, 배플)의 플럭스 평균 유압 헤드는 다음과 같이 계산됩니다.

Flux-averaged hydraulic head
Flux-averaged hydraulic head

유압 헤드 계산에서는 유선이 평행하다고 가정합니다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치된 경우 (예: 아래에 표시된 것과 같이) 문제가 될 수 있습니다.

유압 헤드 계산에서는 유선이 평행하다고 가정




유압 헤드 계산에서는 유선이 평행하다고 가정

이 경우 플럭스 표면에 보고된 플럭스 평균 유압 헤드는 헤드 계산 시 흐름 방향이 무시되므로 예상보다 클 수 있습니다.

FLOW-3D에는 History Probes, Flux surface, Sampling Volumes의 세 가지 주요 측정 장치가 있습니다. 이러한 장치를 시뮬레이션에 추가하는 방법은 모델 설정 섹션에 설명되어 있습니다(측정 장치 참조). 이들의 출력은 기록 데이터 편집 시간 간격으로 flsgrf 파일의 일반 기록 데이터 카탈로그에 저장됩니다. 이러한 결과는 Analyze ‣ Probe 탭에서 Probe Plots을 생성하여 액세스할 수 있습니다.

히스토리 프로브 출력

히스토리 프로브를 생성하는 단계는 모델 설정 섹션에 설명되어 있습니다(기록 프로브 참조). 시뮬레이션에 사용된 물리 모델에 따라 각각의 History Probe에서 서로 다른 출력을 사용할 수 있습니다. 프로브를 FSI/TSE로 지정하면 유한 요소 메시 안에 들어가야 하는 위치에서 응력/스트레인 데이터만 제공한다. 유체 프로브가 솔리드 형상 구성 요소에 의해 차단된 영역 내에 위치하는 경우, 기하학적 구조와 관련된 수량(예: 벽 온도)만 계산된다. 일반적으로 프로브 좌표에 의해 정의된 위치에서 이러한 양을 계산하려면 보간이 필요하다.

플럭스 표면 출력

플럭스 표면은 이를 통과하는 수량의 흐름을 측정하는데 사용되는 특별한 물체입니다. 플럭스 표면을 만드는 단계는 모델 설정 섹션에 설명되어 있습니다(플럭스 표면 참조). 각 플럭스 표면에 대해 계산된 수량은 다음과 같습니다.

  • Volume flow rate for fluid #1
  • Volume flow rate for fluid #2 (for two-fluid problems only)
  • Combined volume flow rate (for two-fluid problems only)
  • Total mass flow rate
  • Flux surface area wetted by fluid #1
  • Flux-averaged hydraulic head when 3D Hydraulic Head is requested from additional output options
  • Hydraulic energy flow when hydraulic data output is requested
  • Total number of particles of each defined species in each particle class crossing flux surface when the particle model is active
  • Flow rate for all active and passive scalars this includes scalar quantities associated with active physical models (eg. suspended sediment, air entrainment, ect.)

 노트

  • 유속과 입자수의 기호는 유동 표면을 설명하는 함수의 기호에 의해 정의된 대로 흐름이나 입자가 플럭스 표면의 음에서 양으로 교차할 때 양의 부호가 됩니다.
  • 플럭스 표면은 각 표면의 유량과 입자 수가 정확하도록 그들 사이에 적어도 두 개의 메쉬 셀이 있어야 합니다.
  • 유압 데이터 및 총 유압 헤드 3D 옵션을 사용할 때는 유압 헤드 계산이 스트림 라인이 평행하다고 가정한다는 점을 유념해야 한다. 예를 들어 플럭스 표면이 재순환 흐름 영역에 배치되는 경우 이 문제가 발생할 수 있습니다. 이 경우, 유량 표면에서 보고된 유량 평균 유압 헤드는 헤드의 계산에서 흐름 방향이 무시되기 때문에 예상보다 클 수 있습니다.

샘플링 볼륨 출력

샘플링 볼륨은 해당 범위 내에서 볼륨을 측정하는 3 차원 데이터 수집 영역입니다. 샘플링 볼륨을 만드는 단계는 모델 설정 섹션에 설명되어 있습니다(샘플링 볼륨 참조). 각 샘플링 볼륨의 계산 수량은 다음과 같습니다.

  • 시료채취량 내에서 #1 유체 총량
  • 시료채취량 내 #1 유체질량 중심
  • 샘플링 용적 가장자리에 위치한 솔리드 표면을 포함하여 샘플링 용적 내의 모든 벽 경계에 작용하는 좌표계의 원점에 상대적인 유압력 및 모멘트.
  • 샘플링 용적 내 총 스칼라 종량: 이것은 부피 적분으로 계산되므로 스칼라 양이 질량 농도를 나타내면 샘플링 용적 내의 총 질량이 계산된다. 거주 시간과 같은 일부 종의 경우, 평균 값이 대신 계산됩니다.
  • 샘플링 볼륨 내의 입자 수: 각 샘플링 볼륨 내에 있는 각 입자 등급의 정의된 각 종별 입자 수(입자 모델이 활성화된 경우)
  • 운동 에너지, 난류 에너지, 난류 소실율 및 와류에 대한 질량 평균
  • 표본 체적의 6개 경계 각각에서 열 유속: 유체 대류, 유체 및 고체 성분의 전도 및 유체/구성 요소 열 전달이 포함됩니다. 각 플럭스의 기호는 좌표 방향에 의해 결정되는데, 예를 들어, 양방향의 열 플럭스도 양수입니다. 출력에서 확장 또는 최대 디버그 수준을 선택하지 않는 한 이러한 디버그 수준은 fsplt에 자동으로 표시되지 않습니다.

FLOW-3D 및TruVOF는 미국 및 기타 국가에서 등록 상표입니다.

[FLOW-3D 물리모델]Fluid Residence Time / 유체 체류시간

Fluid Residence Time 유체 체류시간

가끔 유체가 계산영역 내에서 얼마나 머무는지 Residence Time 을 아는 것이 유용하다. 이는 Output → Additional Output → Fluid residence time 항목을 선택함으로써 가능하다. 이동방정식이 여기서 S 라고 지정된 단위 소스항을 갖는 변수에 대해서 해석된다.

∂S/∂t + u · ∇S = 1

여기서 t 는시간이고 u 는 유체속도이다.

S 의 단위는 시간이다. 계산영역에 들어오는 어느 유체에 대한 S 의 초기값은 0이다. u · S 의 값은 항상 2차 정확도를 갖는 방법으로 얻어진 데이터로부터 근사 된다.

이 출력 옵션은 하나 또는 두 유체에 대해 가능하다.