仿生柔性壁挤压混合器的驱动优化与混合均匀性评估：基于ALE-CFD与荧光成像的研究

《Biomimetics》：Bio-Inspired Flexible-Wall Squeezing Mixer with ALE-CFD-Based Actuation Optimization and Fluorescence-Imaging Assessment of Outlet Mixing Uniformity Wen Yuan and Zhihong Zhang

为解决农业与精细化工中低雷诺数层流下高效、均匀、低能耗混合的瓶颈问题，本研究受生物蠕动启发，开展了仿生柔性壁挤压混合器研究。通过建立任意拉格朗日-欧拉（ALE）动网格模型，系统量化了壁面法向速度振幅（A）与频率（f）对混合指数（MI）和持续阈值混合时间（ts）的影响，并通过荧光成像实验评估了出口混合均匀性。结果表明，优化驱动参数可显著缩短混合时间，为设计可控、节能的层流混合装置提供了新策略。

　　

在现代农业和精细化工生产中，高效混合是一个长久以来的挑战。想象一下，当我们需要将农药、肥料或化学添加剂均匀地混合到水流中，以便进行精准喷洒或灌溉时，理想的混合过程需要在低能量输入、低剪切力（避免破坏敏感成分）的条件下，实现层流状态下的快速、均匀混合。传统的静态混合器结构固定，依赖内部结构元件产生流动分割和折叠，但在高粘度流体或极低流速下容易产生滞留区，导致混合效果不佳。动态混合器则通过旋转部件实现高效混合，但能量消耗大、结构复杂，且可能对剪切敏感的材料造成损害。如何在“简单可控”与“节能高效”之间找到平衡，是工程师们孜孜以求的目标。此时，大自然的智慧或许能提供启发。人体消化系统通过胃壁的蠕动（peristalsis），能够高效地混合食物与消化液，这种“柔性变形”驱动的混合方式，为新型混合器的设计提供了灵感。受此启发，研究人员开展了一项关于“仿生柔性壁挤压混合器”的研究，旨在探究如何通过周期性挤压柔性管道壁，来优化层流状态下的流体混合过程，相关成果发表在期刊《Biomimetics》上。

为了深入剖析这一生物启发式混合器的内在机理，研究人员采用了以计算流体动力学（Computational Fluid Dynamics, CFD）仿真为核心，结合实验验证的综合研究策略。首先，他们基于一个真实的物理混合器原型，构建了一个二维计算模型。这个模型的核心是采用了“任意拉格朗日-欧拉（Arbitrary Lagrangian-Eulerian, ALE）动态网格”方法，该方法能够精确模拟柔性壁随时间发生的周期性形变，并将这种形变参数化为两个关键驱动变量：壁面法向速度峰值振幅A和驱动频率f。通过该模型，研究人员可以系统性地改变A和f的数值，模拟不同驱动条件下的混合场景。其次，为了量化混合效果，他们引入了两种基于浓度方差的评估指标：混合指数（Mixing Index, MI）和持续阈值混合时间（t_s），用于精确评估不同参数组合下的混合均匀度和效率。最后，为了验证数值模拟揭示的趋势，研究团队搭建了一个物理实验平台。他们构建了一个周期挤压式的物理混合回路，并利用荧光成像技术，通过测量出口处荧光强度的变异系数（Coefficient of Variation, CV）来量化实际设备的出口混合均匀性，从而与CFD模拟结果进行趋势层面的交叉验证。

2.1. 几何结构与计算域

研究基于一个实验构建的混合器进行几何理想化，模型包含一个刚性的T型入口段和一个下游的柔性壁挤压段。计算域被简化为二维，旨在捕捉周期性挤压引起的主导传输机制（如界面拉伸和折叠），而忽略了三维效应。这为后续在A-f参数空间内进行高效的机制探索和趋势分析奠定了基础。

2.2. 多物理场与物质传输模型

研究采用了耦合的多物理场框架。流体动力学通过求解不可压缩Navier-Stokes方程来描述，而示踪物质（乙醇）的传输则由对流-扩散方程控制。流体与示踪物之间为单向耦合。关键的模拟参数，如流体密度、粘度、示踪物扩散系数等，均被设定为与真实水-乙醇体系在25°C下的物性一致，确保了模拟的物理真实性。

2.3. 基于ALE的动态网格与壁驱动模型

周期性挤压通过ALE动网格技术实现。壁面运动被规定为正弦形式，上下壁面以相反的相位运动，从而产生对称挤压。网格采用混合非结构网格，并在近壁区域进行加密，以确保对边界层流动的精确解析。通过网格无关性验证，确定了用于所有模拟的最终网格规模。

3.1. 驱动参数对混合性能的影响

CFD模拟结果系统地揭示了驱动参数A和f对混合的单独及耦合影响。相对于无驱动基线，在A=3×10^-3m/s, f=2 Hz时，持续阈值混合时间t_s减少了21.3%。在固定频率f=3 Hz时，增大振幅A可缩短t_s；在固定振幅A=3×10^-3m/s时，提高频率f也能进一步降低t_s。响应面分析表明，在A=4×10^-3m/s, f=5 Hz的参数组合下，混合器达到最优性能，此时混合指数MI峰值达0.9557，最小t_s为7.81秒。这些结果定量证明了“更强、更快”的驱动能有效提升混合效率。

3.2. 荧光成像实验验证

物理实验的结果与CFD揭示的趋势一致。出口荧光强度的变异系数CV随着驱动强度（振幅和频率）的增加而稳定下降。例如，在无挤压时CV约为0.65，而在f=2 Hz, A=30 mm/s时，CV降至0.54。这从实验上证实了增强的驱动能够改善出口混合均匀性，为数值模拟的结论提供了有力的趋势佐证。

3.3. 混合增强的机理分析

通过对流场和浓度场的可视化分析，研究阐释了混合增强背后的物理机制。周期性的壁面挤压主要通过三种方式促进混合：一是产生随时间变化的剪切，增强局部的质量扩散；二是引起流体界面的周期性拉伸与折叠，大幅增加接触面积；三是诱导并强化涡旋结构，通过增强对流来促进流体微元的再分布。这些机制共同作用，加速了浓度梯度的消除，从而实现高效均匀的混合。

本研究通过建立一套结合ALE-CFD数值模拟与荧光成像实验验证的研究框架，系统地评估了仿生柔性壁挤压混合器的性能。研究明确量化了驱动振幅A和频率f这两个关键参数对混合效果的单独与联合影响，并识别出最优操作区间。结果表明，周期性壁面挤压能够通过诱发时变剪切、界面拉伸折叠和涡旋增强等机制，显著提升层流状态下的混合效率和均匀性。荧光成像实验在趋势层面验证了数值模拟的发现。

这项工作的意义在于，它超越了单一案例的演示，为基于柔性变形原理的层流在线混合器设计提供了一个面向驱动的参数化性能分析框架。研究不仅从机理上阐释了生物启发式混合器的工作方式，更重要的是，其建立的二维ALE运动学模型和响应面分析方法，能够为未来实际柔性混合器的几何设计与驱动参数选择提供快速、有效的趋势预测和理论指导。尽管当前模型是对三维圆柱形柔顺原型的二维理想化，未来需要完全三维的、包含柔顺性解析的模拟和更广泛的实验基准测试来实现严格的定量预测，但本研究在揭示主导机制和提供设计导向上迈出了关键一步，为开发下一代高效、节能、可控的仿生混合设备奠定了重要基础。