Allert Adema

DEM-CFD MODELLING OF THEIRONMAKING BLAST FURNACE

 

DEM‐CFD Modelling of the 

ironmaking blast furnace  

 

PhD Thesis 

March 2014 

 

 

Allert Adema 

This  research  described  in  this  thesis  was  performed  in  the  Department  of Materials Science and Engineering of Delft University of Technology. 

  

This research was performed under project number MC5.06255 in the frame of the Research  Program  of  the Materials  innovation  institute M2i  in  the Netherlands (www.m2i.nl) 

    

DEM‐CFD Modelling of the  

ironmaking blast furnace 

 

Proefschrift 

 

Proefschrift ter verkrijging van de graad van doctor  

aan de Technische Universiteit van Delft; 

op gezag van de Rector Magnificus prof. ir. K.Ch.A.M. Luyben; 

voorzitter van het College van Promoties 

in het openbaar te verdedigen op dinsdag 4 maart 2014 om 12:30 uur 

 

door  

Allert Tjipke ADEMA 

 

ingenieur in de Technische Aardwetenschappen  

geboren te Surhuizum 

 

   

Dit proefschrift is goedgekeurd door de promotor: 

Prof.dr. R. Boom  Co‐promotor: 

Dr. Y. Yang  Samenstelling promotiecomissie: 

Rector Magnificus    voorzitter Prof.dr. R. Boom     Technische Universiteit Delft, promotor Dr. Y. Yang      Technische Universiteit Delft, co‐promotor Prof.dr. H. Saxen     Åbo Akademi University, Finland Prof.dr. ir. J.A.M. Kuipers    Technische Universiteit Eindhoven Dr.ir. T. Peeters      Tata Steel R&D, IJmuiden Prof.dr. J.H.W. de Wit    Technische Universiteit Delft Prof.dr. ir. J. Sietsma    Technische Universiteit Delft Prof.dr. I.M. Richardson     Technische Universiteit Delft, reservelid     Keywords: blast furnace, solid flow, gas flow, modelling, coupled DEM‐CFD, cohesive zone       ISBN: 978‐94‐91909‐06‐1  Copyright ©2014, by A.T. Adema  All rights reserved. No part of the material protected by this copyright notice may be reproduced or utilized  in any form or by any means, electronic or mechanical, including  photocopying,  recording  or  by  any  information  storage  and  retrieval system, without written permission from the author.  Printed by CPI‐Wöhrmann Print Service – Zutphen, the Netherlands 

   

 

Tableofcontents 

Chapter 1 Introduction   1.1.     Blast furnace ironmaking  1 1.2.     Research question of this thesis  7 1.3.     Structure of this thesis  13 References  14      Chapter 2 Blast furnace ironmaking   2.1.     Introduction  15 2.2.     Overview of integrated steelmaking process  15 2.3.     Blast furnace process and equipment   18 2.4.     Chemical reactions  19 2.5.     Burden materials  21 2.6.     Gas and solid flow  24 2.7.     Cohesive zone  25 2.8.     Process disruptions  26 References  27      Chapter 3 Review of blast furnace modelling   3.1.    Introduction  29 3.2.    Continuum modelling  30 3.3.     DEM Modelling  34     3.3.1.   Burden flow  34   3.3.2.   Raceway modelling  53     3.3.3.   Burden charging modelling  56 3.4.     Conclusion  59 References  61      Chapter 4 Development of a DEM‐CFD blast furnace model   4.1.  Introduction   65 4.2.  Modelling methods  66   4.2.1.   CFD Modelling  66     4.2.2.   DEM Modelling  71     4.2.3.   DEM‐CFD Coupling   73 4.3.  Modelling approach  75     4.3.1.   Lab scale slot model  75     4.3.2.   Pie‐slice model of scaled‐down blast furnace  83     4.3.3.   Blast furnace model with different geometries  87     4.3.4.   Experimental blast furnace model  91 

  4.3.5.   Charging and burden descent models  104 4.4.  Concluding remarks  112 References  113      Chapter 5 Conclusions and recommendations   5.1.  Conclusions  115 5.2.  Recommendations  118      Appendix A Parallel development of sub‐models  121 References  128      Summary  129 Samenvatting   131 List of publications  133 Acknowledgements  135 Curriculum Vitae  136  

1 

Chapter1Introduction 

1.1.BlastfurnaceironmakingIn  2012  the  world  production  of  iron  was  1100  million  tonnes  [1]  equivalent  to approximately 90 million  tons per month;  about  75 % of  this was  created  from pig  iron produced by blast  furnace  ironmaking. Every  second  there  is  a  staggering 26  000  kg  of liquid iron (called pig or iron hot metal) produced by this process worldwide. The pig iron is further  processed  into  steel  for  use  in  e.g.  the  construction,  packaging  or  automotive industry.  

The blast furnace itself is a very large reactor of approximately 40 m high and  15 m wide, producing over  10 000  t/d of pig  iron. The process  is  counter‐current and  takes place at high temperatures. The solids,  iron oxides (in the form of pellets, pellets or  lump ore) and coke, are charged in layers at the top of the furnace as shown in Figure 1.1. Oxygen enriched hot air  is blown  into  the  furnace  through so called  tuyeres at  the bottom. Coke reacts with  oxygen  to  form  the  reduction  gas,  carbon monoxide,  and  part  of  the  heat required  in the process. As the reduction gas rises through the furnace  it reacts to reduce the oxides creating  liquid  iron and carbon dioxide. Molten  iron  is tapped from the bottom of the furnace as well as molten slag which contains the remaining nonferrous materials.  

 

 Figure 1.1. Zones in the blast furnace [2] 

 During the descent through the furnace the solid material charged at the top slowly heats up and at a temperature of 1100 °C the ore starts softening and melting. The zone  in the furnace where the softening and melting takes place is called the cohesive zone. Below the cohesive zone only coke  is present  in  solid  form with  liquid  iron and  slag  trickling down. Where  the blast enters  the  furnace  the Raceway  is created; a  large cavity created by  the high gas velocity and consumption of coke, with temperatures of approximately 2250 °C. In the centre of the furnace hearth is the so‐called ”deadman”, a slowly moving pile of coke.  

2 

Blast  furnace  ironmaking has been used  for centuries and has evolved  into an extremely efficient process. Revolutionary improvements such as the use of coke instead of charcoal in the 18th century are combined with a continuous fine‐tuning of the process.   The use of coke per tonne of hot metal, the amount of reductant required, has nearly halved in the last 50 years as can be seen in Figure 1.2.  

 

 Figure 1.2. Decrease in reductant rate due to technological improvement [3] 

 A blast  furnace  today can operate continuously  for more  than 15 years before  it  requires the  inner  lining  to  be  replaced.  In  Table  1.1  the  evolution  in  blast  furnace  size  and production at Tata Steel, IJmuiden (former Hoogovens and Corus) is shown. From the small Blast Furnace No.  1  to  the much  larger No. 6 and  7  currently  in use,  the production has vastly  increased. The  final or current productivity of each  furnace  is more  than double of what is was initially.     The rapid development of China  in recent years has greatly  increased the global  iron and steel production. Figure  1.3  shows  that blast  furnace production  in China has more  than tripled between 1980 and 2000. Growth then really took off and production grew another 5 times from 2000 to 2012  level, a total of 17 times the 1980  level. During the same period iron production in the rest of the world grew to a maximum in 2007 with 23%, after which the global  financial crisis caused a severe drop  in production. This  increase  in production went together with a shift to larger volume blast furnaces. Tables 1.2 and 1.3 show that for the  initial growth years between 2001 and 2006  the distribution of  furnace capacity over the  volume  ranges  still  remained  the  same,  but  the  total  number  of  blast  furnaces increased  from  196  to  475.  After  2006  the  Chinese  iron  production  capacity  in  blast furnaces with an  inner volume of  less than 1000 m3 went from 41% to the current  level of 19%. This decrease of share  in capacity shifted entirely  to  furnaces with an  inner volume 

3 

>2000 m3. The number of <1000 m3 furnaces has also significantly decreased from 364 to 

206. Compared to the rest of the world China still has a relatively  large percentage of the total production capacity in small furnaces, but is actively restructuring production to larger and more efficient furnaces [4]. 

 Table 1.1. Development of the blast furnaces at Tata IJmuiden,  

The Netherlands [2]   1  2  3  4  5  6  7 

Hearth diameter (m)  4.8/5.6  4.8/5.6  5.2/5.9  8.5  8/9  10/11  13/13.8 

Working volume (m3)  519  519  598  1413  1492  2328  3790 

Built  1924  1926  1930  1958  1961  1967  1972 

Initial production (t/d)  280  280  360  1380  1700  3000  5000 

Most recent production (t/d) 

1000  1000  1100  3500  3700  8000  11000 

Most recent production (t/d∙m

3) 

1.9  1.9  1.8  2.5  2.5  3.4  2.9 

Last renovation            2002  2006 

Demolished  1974  1974  1991  1997  1997      

  

   

Table 1.3.  Total number and percentages  of blast furnaces per inner volume range in China [4, 5] 

Inner volume (m3)  >2000  1000‐2000  <1000 

  #  %  #  %  #  % 2001  21  11  29  15  146  75 2006  51  11  60  13  364  77 2013  109  27  90  22  206  51 

Rest of world 2013  178  43  144  35  89  22  

 

Table 1.2. Percentage of total production capacity per inner volume range in China [4, 5] 

Inner volume (m3)  >2000  1000‐2000  <1000 

2001  38%  21%  40% 2006  38%  21%  41% 2013  59%  21%  19% 

Rest of world 2013  72%  23%  4%  

4 

 The world’s  largest  blast  furnace  is  currently  POSCO’s Gwangyang No.  1 with  an  inner volume of 6000 m3 after finishing relining in June 2013. By using a thinner lining in the blast furnace the volume of an older furnace can be increased, and in this case the inner volume in  1987 was  only  3800 m3

.  Table  1.4  lists  the  top  15  largest  furnaces  in  the world,  and noticeable is that 13 of these are located in Asia. The shift to larger blast furnaces in China can be seen from the fact that the three furnaces from China are all built after 2009. There are currently 27 blast  furnaces under construction or scheduled  for blow‐in  in 2013, 25 of which are in Asia, 10 in China, 7 in India. Of the 27 furnaces, 17 are big furnaces larger than 4000 m3

. These  include what will become  India’s  largest blast  furnace: NMDC’s Nagarnar No.1  built  by  Danieli‐Corus  with  an  inner  volume  of  4506 m3

.  Tata  Steel  is  building  a greenfield steel plant in Odisha: the Kalinganagar No. 1 with an inner volume of 4300 m3

.  A bigger blast furnace has a larger production capacity for that single unit; it is however, a trade‐off for productivity. Table 1.5 shows the top 5 highest productivity for blast furnaces >2000 m3 and the productivity of the top 5  largest furnaces. For productivity the working volume of a blast  furnace  is used; this  is the volume  from stock  level to the raceway and does  not  include  the  hearth.  The  data  in  the  table  is  limited  to  furnaces  for which  the working volume was available.    The  highest  current  productivity  for  blast  furnaces  larger  than  2000  m3  is achieved  by  Tata  Steel  Europe’s  Blast  Furnace No.  6  in  IJmuiden with  3.35  tonnes  per day/m

3.  All  top  5  furnaces  have  productivity  above  3  tonnes  per  day/m3

,  and  this  is considerably more  than  the  5  large  furnaces which  have  an  average  of  2.5  tonnes  per day/m

3.  

 

 Figure 1.3. Blast furnace iron production [1] 

5 

 Table 1.4. Top 15 largest blast furnaces [5] 

Company 

Country 

Plant 

Inner vo

lume 

(m3 ) 

Hearth diameter 

(m) 

Built 

Last reline 

Nominal 

capacity 

(Mt/year) 

POSCO  S. Korea  Gwangyang No. 1  6000  16.1  1987  2013  5.48 Shagang  China  Zhangjiagang II No. 4  5800  15.7  2009    5.00 NSSMC  Japan  Oita No. 1  5775  15.6  1972  2009  4.80 NSSMC  Japan  Oita No. 2  5775  15.6  1976  2004  4.80 POSCO  S. Korea  Pohang No. 4  5600  15.6  1981  2010  5.31 Severstal  Russia  Cherepovets No. 5  5580  15.1  1986  2006  3.90 Shougang  China  Caofeidian No.1  5576  15.5  2009    4.50 Shougang  China  Caofeidian No.2  5576  15.5  2010    4.50 NSSMC  Japan  Kimitsu No. 4  5555  15.2  1975  2003  4.53 ThyssenKrupp  Germany  Schwelgern No.2  5513  14.9  1993    4.30 POSCO  S. Korea  Gwangyang No. 4  5500  15.6  1992  2009  5.00 JFE Steel  Japan  Fukuyama No. 5  5500  15.6  1973  2005  4.18 NSSMC  Japan  Nagoya No.1  5443  15.2  1979  2007  4.25 Kobe Steel  Japan  Kakogawa No. 2  5400  15.3  1973  2007  3.89 NSSMC  Japan  Kashima No.1  5370  15.0  2004    4.00 

 

  

Table 1.5. Blast furnace productivity [5] 

Company 

Country 

Plant 

Inner vo

lume (m

3 ) 

Working volume (m) 

Hearth diameter 

(m) 

Nominal p

roduction 

(tonnes/day) 

Productivity  

(tpd/m

3 ) 

 Top 5 productivity for blast furnaces >2000 m

3 inner volume 

Tata Steel EU  NL  IJmuiden No.6  2678  2328  11  7800  3.35 Severstal  USA  Dearborn No.3  2130  1797  9.2  5890  3.28 Ternium Siderar  Argentina  Ramallo No. 2  2610  2340  10.4  7200  3.08 Wuhan I&S Co.  China  Hubei No.5,6,7   3200  2700  12.4  8300  3.07 Tata Steel EU  UK  Port Talbot No.5   2560  2134  10.8  6500  3.05 

 Productivity of Top 5 inner volume blast furnaces   

Severstal  Russia   Cherepovets No.5 

5580  5200  15.1  11000  2.12 

Shougang  China  Caofeidian No.1,2 

5576  4670  15.5  12650  2.71 

ThyssenKrupp  Germany  Schwelgern No.2  5513  4769  14.9  12000  2.52 Hyundai Steel  S. Korea  Dangjin No.1,2,3  5250  4425  14.8  11650  2.63 NSSMC  Japan  Kimitsu No. 3  4822  4043  14.5  10600  2.62 

 

6 

A  recent  topic  which  has  a  large  influence  on  global  industry  is  the  reduction  of  CO2 emissions. This has a large impact on blast furnace ironmaking due to the high amount of CO2  it  produces.  Therefore  several  large  projects  have  been  started  in  a  number  of countries.  In  Japan  the  governments  Cool  Earth  2050  initiative  has  a  goal  of  a  50% reduction  of  greenhouse  gas  emissions  by  2050. Approximately  7%  of CO2  emissions  in Japan are from the iron making process, so it is an important sector to reduce greenhouse gas emissions. Part of the response from the Japanese steel industry has been to set‐up the COURSE 50,  standing  for: CO2 Ultimate Reduction  in Steelmaking process by  innovative technology for Cool Earth 50. The  idea behind COURSE 50  is to reduce CO2 emissions by utilising hydrogen  from  the coke plant  for  iron ore  reduction  in  the blast  furnace and by applying CO2 separation to the blast furnace top gas and reusing the CO. [6, 7]   In  Europe  the  ULCOS  programme,  Ultra  Low  CO2  Steelmaking,  has  been initiated, aiming to reduce CO2 emissions with 50%. The programme is a consortium of 10 companies, of which Tata Steel Europe  is one. Four  technology options are  investigated, one  of which  is  based  on  the  blast  furnace,  ULCOS‐BF.  The  other  three  are  based  on smelting  reduction  (HISARNA),  direct  reduction  (ULCORED)  and  electrolysis (ULCOWIN/ULCOLYSIS). The HISARNA plant is located on the Tata Steel site in IJmuiden and has had several successful runs.  

 

 Figure 1.4. ULCOS‐BF Flowsheet example [8] 

 The ULCOS‐BF  principle  is  based  on  top  gas  recycling,  in which  the  top  gas  containing approximately as much CO as CO2 is recycled into the furnace after removing the CO2. The second part of CO2 reduction comes from Carbon Capture and Storage (CCS); therefore the efficient  removal of CO2  from  the  top gas  is an  important part. Experimental campaigns have been done at  the LKAB experimental blast  furnace  (EBF)  in which different process set‐ups where  used,  one  of which  is  shown  in  Figure  1.4.  The  recycled  top  gas  can  be injected  in the raceway with the normal blast or/and at a higher  level  in the  furnace. The test  campaigns  have  shown  that  the  EBF  can  be  successfully  operated  with  top  gas 

7 

recycling.  CO2  emissions  in  the  top  gas  were  reduced  by  24%  and  with  CCS  a  total reduction of 60% should be possible for an integrated steel plant. [8, 9]  The above methods describe novel technologies to reduce emissions; the first step should be to increase process and energy efficiency. A highly productive blast furnace using a low reductant rate will reduce emissions and will also be more cost effective. In Japan NSSMC (Nippon Steel & Sumitomo Metal Corporation)  is  increasing  the  productivity  of  its blast furnaces; the same amount of iron can be produced by fewer blast furnaces. This increases energy efficiency and cost effectiveness per tonne of hot metal produced. Techniques used to achieve  this are DEM  simulation and 3D  real  time monitoring  systems which assist  in process optimisation[10].    For a blast  furnace  to have a high productivity and  low  reductant  rate  it  firstly requires high quality  input materials. The  iron oxide ore,  in the form of pellets and sinter, and  coke need  to be of an optimal quality,  strength and  size. When  these demands are fulfilled the blast furnace has to be operated as efficiently and smoothly as possible. This requires  control over  the burden distribution and  knowledge of  the processes  inside  the blast  furnace, which can be  realised  through process modelling and simulation,  including CFD‐DEM based approaches.   

1.2.ResearchquestionofthisthesisInside the blast furnace a large volume of gas is blown through a slowly descending packed bed. The balance between those two is critical and has a large influence on the stability and efficiency of the process.  In the cohesive zone the  layers of ore slowly soften and deform after which  the melting starts. This greatly  reduces  the permeability  forcing  the gas  flow through  the  untouched  coke  layers,  generating  an  upward  force  working  against  the particle descent. The cohesive zone also distributes the reduction gas to the upper part of the furnace where most of the reduction of the iron oxides takes place. Due to the melting of ore a  large solid volume  is removed from the furnace, and this  is one of the drivers for the solid flow above the cohesive zone. The softening and melting of the ore influences the solid  flow  in  the  furnace  and  could  potentially  create  uneven  flow  or  hanging  of  the material. Because it is connected to many phenomena critical to the blast furnace process, the cohesive zone determines  the process efficiency and stability of operation  to a  large extent [2, 11].  

Conditions in the blast furnace make prediction of the behaviour of the cohesive zone  extremely  complex;  temperatures  are  very  high  and  there  is  a  large  number  of interacting  parameters.  Observation  of  the  process  can  only  be  done  indirectly  by measuring  the properties of  the outgoing material  flows e.g. hot metal  temperature and composition.  What  exactly  is  happening  inside  the  furnace  is  impossible  to  measure because besides of its sheer size, it is completely filled with a packed bed of solid material and temperatures go up to 2300C. One method of  investigating the  inside conditions of the blast furnace is to quench it and dig it out, like an archaeological dig. In most cases [12] 

8 

the furnace was quenched by spraying water on the top of the burden; however, during the resulting slow quenching reactions continue and the burden also reacts with the quenching water. An example can be seen in Figure 1.5 which shows the results of the dig‐out of the Sumitomo Metals Corporation Kokura No. 2 Blast Furnace in Japan in 1974. The furnace has an 8.4 m hearth diameter and was quenched with water for nearly 5 hours to “freeze” the internal conditions.  

Figure 1.5. Dig‐out of the Kokura 2 Blast Furnace [12]   A better and faster way is to quench by injection of liquid nitrogen, which has been done in only a  few cases. Mannesmannröhren‐Werke quenched  their Blast Furnace No. 5  (hearth diameter 8 m)  in December 1981 using  liquid nitrogen  [13]. After quenching  the  furnace was excavated and samples were taken in a grid pattern and with vertical probes. Figure 1.6 was constructed using the data from the excavation, both (a) and (b) show the location of the  cohesive  zone  during  the  excavation.  It  is  the  zone  between  the  line  where temperatures were high enough for melting to start and the  line where the ore  is molten. Figure  1.6(b)  shows  the  location  of  softened  and  partially  molten  cohesive  layers.  By comparing  the  reduction  degree  of  the  ore  at  the  different  grid  points  an  idea  of  the intensity of the gas flow can be obtained, this is illustrated in Figure 1.6(a) by the bars in the furnace. 

  

9 

 (a)  (b) 

Figure 1.6. Dig‐out of Mannesmannrohren‐Werke BF 5  adapted from [13, 14] 

 Another example of a dig out which also shows the  influence of the cohesive zone on the process was from two trials of a British Steel experimental furnace [14]. The furnace is small with a working volume of only 1 m3

, but this gives the advantage that after quenching with nitrogen  the  furnace  can  be  used  again  and  dig‐outs  can  actually  be  compared.  The difference  between  the  two  trials was mainly  the  use  of  oxygen  enrichment  in  trial  B. Results show a poor cohesive zone permeability in trial A and good in trial B. In trial A some cohesive bridges had formed shown  in Figure 1.7, which were not present  in trial B where melting took place  lower  in the furnace. The extent of the reduction of the ore above the cohesive zone was very poor  in trial A but good  in trial B. This  is determined primarily by the permeability of the cohesive zone. The poor cohesive zone permeability and formation of cohesive bridges caused operational difficulties during  trial A, which were not present during trial B. There was severe hanging, when the burden does not descend. The cohesive masses force the gas flow predominantly along the walls of the furnace.  

 

10 

 Figure 1.7. Dig‐out of British Steel Pilot blast furnace [14] 

 These dig‐outs  can give a general  idea of what  the process  conditions were  in  the blast furnace before shut down. The layer structure of the burden can be seen in Figure 1.5 where alternating  layers  of  coke  and  of  ore  are  descending  from  the  top.  In  the  centre  of  the furnace the ore and coke are mixed due to the high gas velocity through the centre of the furnace  causing  fluidization and  local mixing.   The high gas  velocity  can  also be  seen  in Figure 1.6(a) where the arrows indicating gas flow intensity are much larger in the centre of the  blast  furnace.  When  the  ascending  gas  has  heated  the  burden  sufficiently  the descending  ore  layers  starts  softening;  cohesive  masses  are  formed  and  the  layer permeability starts decreasing. This  is the top of the cohesive zone as shown in Figure 1.5 where the softening zone starts and  in Figure 1.6 as the softening  line. The cohesive zone ends when all the ore is molten and only a coke bed remains. This is indicated in Figure 1.5 by the dashed line underneath which only coke is present and in Figure 1.6 by the melting line.    The cohesive zones from both dig‐outs have a similar shape, high in the centre of the  furnace and sloping towards the walls. This shape  is created by the gas  flow which  is higher in the centre in the furnace. The cohesive zone in Figure 1.6 curves upward nearer to the wall, this is an indication of increased gas flow along the walls.  

In the cohesive zone the ore layers become cohesive masses which are shown in both  figure 1.5 and  1.6 as black areas,  the  same  can also be  seen  in Figure 1.7  from  the much  smaller  furnace.  Because  the  cohesive  masses  have  a  low  permeability,  the ascending gas flow is forced through the cohesive zone via the coke layers. The influence of the tuyeres, through which the gas is blown into the furnace, can be seen in Figure 1.5. The 

11 

two  cross‐sections  show  4  tuyeres:  140 mm,  120 mm  and  70 mm  in  diameter  and  one unused. By decreasing the diameter of the tuyere with an equal pressure drop a lower gas volume  enters  the  furnace. This  results  in  a  lower  heat  supply  and  less  reductant being formed in the raceway, consuming less coke. The effect is an increasingly thicker and lower cohesive zone, with the cohesive zone layers still present below the tuyere. 

In  the case of  the British Steel pilot blast  furnace  from Figure 1.7,  the cohesive masses  block  the  centre  of  the  furnace.  This  causes  severe  operational  problems;  the burden descent becomes very  irregular or can even stop altogether. Because the gas can only flow along the wall, there is no reduction taking place in the centre. Since the furnace is small the effect is rather extreme, but it does show the influence of the cohesive zone on the process.  These dig‐outs supply valuable information, but have some significant limitations. They are rare because they can only be done on blast furnaces taken out of production, they are very expensive and  labour‐intensive. They can never give an accurate picture of the conditions during operation and also do not allow the study of the effect on internal conditions when changing process parameters. Another method which  can be used  to  study  the  internal conditions is by horizontal core drilling from the walls. It has been applied by Tata Steel on IJmuiden, but this method is limited by the length of samples which can be taken and it can only be done when the blast furnace is out of operation.    The previous discussion clearly shows the need for a tool which can be used to study the inner workings of  the blast  furnace. Mathematical modelling can deliver  such a  tool and several models have been successfully used. However, such tools generally require a certain degree of simplification. One major simplification applied is the simulation of solid particles by a continuum method. In such models all the individual, discrete particles are replaced by a single continuous phase with generalized flow characteristics. Simulations are not based on  the  theoretical  flow  characteristics  of  individual  particles  but  on  empirical  volume averaged parameters. Discrete particle flow is rather complicated and cannot be accurately simulated  by  these models. What  the  present  research  aims  to  improve  over  previous models  is  the  use  of  a  Discrete  Element Model  to  simulate  the  flow  of  the  individual particles.   Discrete Element Modelling  (DEM) was developed  in  the  late  70’s by Cundall and Strack [15] but was never extensively applied because of  its very heavy computational demands. Due to the increase in computing power DEM came into practical use in recent years and is rapidly gaining popularity.  In the DEM method all the  individual particles are tracked and for each  time‐step  the  location, velocity and acceleration are calculated. For  the present research the DEM method is coupled with Computational Fluid Dynamics (CFD) which can calculate the gas flow in the furnace. A coupling module is used to combine both methods so  that  e.g.  the  particles will  experience  drag  force  from  the  gas  flow.  Two  additional models are required to calculate the chemical reactions and to determine the softening and 

12 

melting of  the ore. Figure 1.8 presents  the  framework of  the  full project which  is divided into a PhD and Post‐Doctoral part. This thesis presents the PhD work on the burden flow model. 

 

 Figure 1.8. Project framework 

 

The full project “Prediction of physical and chemical properties of the burden materials in the 

cohesive zone”, MC5.06255, was  initiated by Materials  innovation  institute, M2i  (formerly Netherlands Institute for Metals Research, NIMR), and Delft University of Technology (TU Delft) in cooperation with Tata Steel (then Corus) as industrial partner. The research work was conducted  in  the group of Metals Production, Refining and Recycling  (MPRR)  in  the Department of Materials Science and Engineering of  the TU Delft supervised by Prof. dr. Rob Boom and Dr. Yongxiang Yang. Cooperation with the industrial partner Tata Steel was with  Jan van der Stel and Mark Hattink  from  the  Ironmaking group of  the Research and Development department.   In order  to accurately simulate  the cohesive zone additional models are  required besides the solid and gas flow models: 

softening and melting can be simulated using a thermodynamic model based on the chemical composition and changes of the burden 

Chemical reactions taking place in the blast furnace require a kinetic model  Using  the  combination  of  the  four  sub‐models  illustrated  in  Figure  1.8  the  final model should be able to simulate the burden descent  in the furnace, how the iron ore is reduced by the CO  in the ascending gas, when the ore starts softening and melting, and what the thermal profile of the blast furnace is. This results in a model with the ability to simulate the location  and  properties  of  the  cohesive  zone,  and  its  interaction with  the  blast  furnace process. 

Solid Flow Model DEM

Thermodynamic Melt Formation 

Model

Kinetic Model Iron Ore Reduction 

Burden Flow Model Cohesive Zone 

Softening and Melt Formation Model Thermodynamic + Kinetic 

Blast Furnace Cohesive Zone Model DEM + CFD + Thermodynamic + Kinetic models 

Gas Flow  Model CFD 

13 

For the development of the thermodynamic and kinetic models two post‐doc researchers, Yuko Enqvist and Vilas Tatavadkhar have worked on both modelling and experiments. The modelling  was  focussed  on  the  thermodynamic  and  kinetic  models  but  also  on  the challenging  integration of  the  four models. Experimental work  focussed on  studying  the softening and melting behaviour of the ore materials.     For both the DEM and CFD models commercial software is used [16, 17], which has several advantages as well as disadvantages. The  software  is  ready  to use and does not  require development from scratch, which also allows for a much easier knowledge transfer within the  research  group  and  to  the  industrial  partner  over  time.  Technical  support  is  easily available  and  the  software  is  continuously  improved.  Because  of  a  larger  user  base  the accuracy  and  quality  of  the  results  are better determined. Besides high  costs  the major disadvantage, also encountered in this research, is the lack of adaptability of the software. Users  are  tied  to  the  software  as  supplied  and  only  a  very  limited  amount  of  user adaptation can be made.  

1.3.StructureofthisthesisThis thesis is built up from 5 chapters. The first gives a short overview of the subject matter as well as the background and structure of the research project. It explains the drive for the research and the aims, and where this thesis fits into the larger research project.  Chapter two goes into more detail on ironmaking, explaining the process of producing pig iron from the raw materials, the process this research project aims to model.   The third chapter gives an overview of the work which has been presented in literature on the  subject  of  the  research  project.  It  shows what  has  been  done  on Discrete  Element Modelling  of  the  blast  furnace,  and  where  this  work  fits  in  and  where  it  differs  from published work.   In  the  fourth  chapter  the  development  of  our model  and  the  results  are  presented  and discussed. Every gradually improved model is applied to a case and also the parallel work in the  research  project  is  discussed.  Chapter  five  contains  the  conclusions  and recommendations.    

 

14 

References1.  Worldsteel Association, Statistics archive.   [Accessed 2013, 17‐8]; Available from: 

www.worldsteel.org/statistics/statistics‐archive.html. 2.  Geerdes, M., Toxopeus, H., and van der Vliet, C., Modern blast furnace ironmaking. 

(2009), IOS Press. 3.  Ameling, D.  and Endemann, G., Ressourcenefficienz:  gute  argumenten  für  stahl. 

Stahl Eisen 127 (2007), p. 85‐93. 4.  Zhang,  S.‐r.  and  Yin,  H.  The  trends  of  ironmaking  industry  and  challenges  to 

Chinese  blast  furnace  ironmaking  in  the  21st  century.  in Proceedings  of  the  5th International  congress  on  the  science  and  technology  of  ironmaking.  (2009), Shanghai. 

5.  VDEh, Blast furnaces worldwide. VDEh PLANTFACTS, Date published: 28‐06‐2013 6.  Miwa,  T.  Development  of  iron‐making  technologies.  in  Proceedings  of  the  5th 

International congress on the science and technology of ironmaking. (2009). 7.  Ariyama, T., Ueda, S., Natsui, S.,  Inoue, R., and Sato, M. Current technology and 

future aspect on CO2 mitigation  in Japanese steel  industry.  in Proceedings of  the 5th Internatinal congress on the science and technology of ironmaking. (2009). 

8.  Stel, J.v.d., Louwerse, G., Sert, D., Hirsch, A., Eklund, N., and Pettersson, M., Top gas  recycling  blast  furnace  developments  for  'green'  and  sustainable  ironmaking. Ironmaking and Steelmaking 40 (2013), p. 483‐489. 

9.  Zou, G. and Hirsch, A., The Trial of the Top Gas Recycling Blast Furnace at LKAB's EBF and Scale‐up. La Revue de Metallurgie (2009), p. 387‐392. 

10.  Ueshima,  Y.,  Higuchi,  Y.,  and  Saito,  K.  Recent  topics  of  iron‐  and  steelmaking technology  in NSSMC.  in  2013 Annual  review  of NSSMC.  (2013), McGill Metals Processing Centre (MMPC). 

11.  Biswas, A.K., Principles of ironmaking. (1981), Cootha Publishing House. 12.  Omori, Y., ed. Blast  furnace phenomena and modelling.  (1987), Elsevier Applied 

Science. 13.  Engel,  K.,  Fix,  W.,  Grebe,  K.,  de  Haas,  H.,  and  Winzer,  G.,  Ergibnisse  von 

Untersuchungen  an  dem  mit  Stickstoff  abgekülten  Hochofen  5  der Mannesmannröhren‐Werke AG. Stahl und Eisen 106 (1986), p. 18‐23. 

14.  Gathergood, D.,  Jones,  J.,  Juckes,  L.,  and Golding, D.,  Progressive  reduction  of burden  in  the  blast  furnace,  in  Technical  Steel  Research.  (1996),  British  steel, Teeside Technology centre. 

15.  Cundall,  P.A.  and  Strack,  O.D.L.,  A  discrete  numerical  model  for  granular assemblies. Geotechnique 29 (1979), p. 47‐65. 

16.  DEM Solutions, EDEM. Available from: www.dem‐solutions.com. 17.  ANSYS, ANSYS Fluent. Available from: www.ansys.com.   

15 

Chapter2Blastfurnaceironmaking 

2.1.IntroductionThe first iron objects were produced from meteoric iron and the oldest known examples are iron beads  from Gerzeh  (3500 BC) and a dagger  from Ur  (3000 BC). Smelted  iron objects appeared  around  2000 BC  and  from  1000 BC  iron began  to  replace bronze  as  the most important material  for  tools  and weapons.  Early  iron  smelting was  done  in  a  bloomery furnace, a batch process  in which the ore does not become  liquid but remains solid while being  reduced  to  iron. The end product was a  large block of  iron called  the bloom which was  then  further processed by hammering out  the  impurities. The earliest blast  furnaces producing  liquid  iron were  built  in  China  as  early  as  200  BC.  In  Europe  the  process  of ironmaking in a blast furnace was first used in the middle ages, since then the process has undergone  large  changes  but  is  essentially  the  same.  It  is  the  first  part  of  a  two  stage process  to produce steel,  the  first stage produces crude pig  iron which  is  then  refined  to steel  in the second stage. The name pig  iron comes  from an old casting process  in which the crude iron was cast into a sand bed with a centre runner and a number of side runners. When the iron is solidified it somewhat resembled piglets drinking from their mother pig.   

In  the medieval  process  the  blast  furnace was  fed with  iron  ore  and  charcoal. Water wheels were used to drive the bellows which pumped air into the furnace as well as to drive hammers for processing of the steel.  During the Industrial Revolution the demand for steel increased dramatically with the development of steam engines, railways, bridges and machinery. Blast furnace iron production rapidly expanded and innovated to meet this demand.  In  the  18th  century  coke  replaced  charcoal  and  steam  engines  replaced water wheels,  the  19th  century  brought  hot  air  blast.  Continuous  research  and  development greatly increased the size, efficiency and productivity of the blast furnace. Table 2.1 shows the development of blast furnaces from the industrial revolution to the modern age.  

 The current process of ironmaking is described in this chapter starting with the place of the blast furnace in the steelmaking process. Focus will then shift to the blast furnace itself and its operating parameters.  

2.2.OverviewofintegratedsteelmakingprocessBlast furnaces are either located on what is called an integrated steel plant or feed different steel plants at some distance from the site. On an integrated steel plant the whole process from iron ore to steel products takes place as shown in Figure 2.1. The process starts with the unloading of the raw materials from ships or trains. These materials are stored, mixed and pre‐processed for use in the blast furnace. The raw materials consist of two types: the iron containing ferrous oxides and the carbon containing reductants. Ferrous oxides can be iron ore or processed pellets or sinter. Production of sinter generally  takes place on‐site; 

16 

pellets are also commonly processed at the mine site. Only two ironmakers produce pellets at  the  integrated  site:  Tata  Steel  IJmuiden  (Netherlands)  and  Kobe  Steel  Kakogawa (Japan).  This  has  some  big  advantages:  better  control  over  pellet  composition,  direct quality  control on‐site, pellets  are warm  and dry,  and  less handling  results  in  less pellet degradation.  The  disadvantages  are  stockpiling  of  pellet  ores,  good  quality  control  is required  and  the  fact  that  an  extra  operation  is  required  on‐site.  The  large majority  of carbon containing material is coal but oil or gas can also be used in small quantities. Coal is processed  to  coke  by  removing  the  volatile matter  and  carbonizing  in  coke  batteries. Unprocessed coal fines are directly blown into the furnace with the blast as Pulverized Coal Injection (PCI).  To this end large coal grinding facilities are needed on the site.  

  

 Figure 2.1. Steelmaking process [1] 

Table 2.1. Development of blast furnaces Year and location  Hearth 

diameter, m2 

Reductant rate, 

kg/tonne of hot metal 

Iron output, tonne per day 

1796 (Gleiwitz, Germany)  0.6  3500  1‐2 (later 4) 1801‐1815 (UK)  ‐  2500  5‐7 1856 (Hasslinghausen, Germany) 

2.1  1600  20‐23 

1880 (USA)  3.4  1510  120 1902 (USA)  4.4  1000  464 1929 (Bruckhausen, Germany)  6.5  740  1100 1993 (Schwelgern 2, Germany)  14.9  480  10600 2013 (Pohang 4, Korea)  15.6  ‐  14600 

 

17 

The  ferrous  oxides  and  coke  are  then  charged  into  the  blast  furnace where  the  ferrous oxides  are  reduced,  thereby  producing  liquid  slag  and  hot  metal.  Slag  contains  the unreduced components from the burden and consists mainly of SiO2, CaO, MgO and Al2O3. It  is much more viscous  than  the hot metal and  its composition  is very  important  for  the process.  Slag  and  hot metal  are  almost  continuously  tapped  from  the  furnace  from  a number of tapholes at the bottom of the furnace. The slag  is solidified and when  it meets certain requirements, can be used  in e.g. road construction or as raw material for cement making  for building  purposes. The  liquid  hot metal  is  poured  into  large  torpedo‐shaped ladles, elongated firebrick insulated rail cars called torpedo cars, for transport. Because the liquid  iron  is  in  constant  contact with  coke  inside  the  blast  furnace  it  contains  a  large amount  of  dissolved  carbon, much  higher  than  required  for  steel. High  carbon  content makes the iron very hard but also very brittle and it has to be reduced from approximately 4.5 wt%  to 2 wt%  ‐ 0.05 wt% depending on  the  type of  steel. This  is done  in  the Basic Oxygen  Steelmaking  (BOS)  process, where  the  hot metal  is  poured  in  a  converter  into which  a water‐cooled  lance  is  used  for  oxygen blowing. The  lance blows  oxygen with  a velocity  higher  than Mach  1  onto  the  hot metal burning  off  the dissolved  carbon. Steel scrap is charged into the furnace before the liquid iron to recycle the steel and use the heat created by  the burning of  the carbon  for melting  the scrap. Besides  reducing  the carbon content the BOS process also removes silicon, titanium and phosphorus. Further  impurity removal can be done in the steps before or after BOS e.g. desulphurization in the torpedo or charging  ladle. Typical batch sizes of  the converter process vary between 100 and 350 tonnes.   After finishing the oxygen blow the steel is tapped from the converter into a steel ladle.  A  second  step  of  refining  follows  in  which  alloying  elements  can  be  added  and impurities  removed  to  fine‐tune  the  composition  to  match  specifications.  Alloying elements can be added by  feeding a wire  into  the melt or by  injecting a powder. Excess dissolved oxygen is removed by deoxidants such as aluminium or silicon. Before casting it is ensured that the  liquid metal has a homogenous temperature and composition by stirring the metal using argon injection or Electromagnetic Stirring (EMS). The temperature can be adjusted by scrap cooling or heating in a ladle furnace.   Steel  is continuously cast  into slabs, blooms or billets with different dimensions depending on the final product, e.g. slabs 1600 mm wide, 250 mm thick and 12 m long. The hot metal is cast into a large tundish, a holding reservoir and distributor which can typically contain 30 to 80 tonnes of  liquid steel. From the tundish the hot metal  is fed  into several vertical water‐cooled copper moulds which  solidifies  the outer  layer of metal. The metal exits  the mould supported by  rollers and still has a molten core; water  is sprayed on  the surface  for secondary cooling. The next step  in the process  is  the hot or cold  rolling. The former  is sometimes placed directly after the continuous caster to take advantage of the heat  remaining  in  the metal. During hot  rolling,  the metal passes between  rolls  reducing the thickness and width. By carefully managing temperature and cooling rates the physical properties of the steel can be controlled. The deformation by successive cold rolling causes hardening and increases the strength of the steel and the roughness of the steel surface. 

18 

2.3.BlastfurnaceprocessandequipmentThe blast furnace is a counter‐current reactor, the ferrous oxides are charged at the top and the reducing gas is blown in at the bottom. Solids are charged in alternating layers of coke and  ferrous  oxides  to  ensure  good  permeability when  the  oxides  start melting.  At  the bottom  of  the  furnace  oxygen  enriched  and  pre‐heated  air  is  blown  in  at  high  velocity through the tuyeres. Gas pre‐heat temperatures are approximately 1200 °C and the flame where the oxygen reacts with the coke has temperatures  in excess of 2100 °C. Additional reductants such as pulverized coal, gas or oil are also injected with the hot blast, reducing the  amount  of more  expensive  coke  required.  The  Tata  blast  furnaces  at  IJmuiden  can currently achieve coke rates of 270 kg per tonne of hot metal with pulverized coal injection (PCI) rates of 230 kg/tHM. The lowest sustainable rate achieved in IJmuiden for a week was 250 kg/tHM at which more than half of the reductants are injected. Yearly averages of 260 kg/tHM have been reached. The gasification of the coke by the blast causes a large cavity called the raceway.  

As the solids slowly descend they are heated by the ascending reductant gas. A large part of  the oxides are  reduced  in  the upper part of  the  furnace with  the  remainder being reduced in the cohesive zone. As the burden reaches temperatures of around 1100 °C the ore starts softening and melting. In the cohesive zone the permeability of the ore layers decreases  and  they  become  nearly  impermeable.  All  of  the  ore  melts  and  only  coke remains solid below the cohesive zone. During melting two  liquid phases are created, the liquid iron and the slag, trickling down through the coke bed into the hearth. The liquid iron contains dissolved carbon as well as  some  impurities which are  reduced besides  the  iron such as silicon, manganese, titanium, sulphur or phosphorus. All the unreduced oxides from the ore and fluxes form a silicate slag.   Around  the blast  furnace  there are  several pieces of equipment  required  for  the process shown in Figure 2.2. The oxygen enriched air is pre‐heated in the hot blast stoves: these are large cylinders filled with fire bricks. A burner inside the hot blast stoves burns furnace gas and/or natural gas  to heat up  the bricks. When  the  required  temperature  is  reached  the burner  is  turned  off  and  air  is  blown  through, whereby  the  heat  stored  in  the  bricks  is transferred to the air. Using multiple stoves the gas is heated continuously. The hot blast is blown  into the bustle pipe which runs around the furnace and then  injected  into the blast furnace via the tuyeres. At the top of the furnace the top gas  is removed via the uptakes and a down‐comer into a dust catcher for the removal of fine particles.   The  solid materials are  stored  in  the  stock house where  they are weighed and  screened before being charged into the blast furnace. Material is charged into the furnace by skips or conveyor belts which bring the material up and by a charging mechanism which deposits the particles into the furnace while keeping the furnace under pressure. There are two main methods: a bell top or a bell‐less top. In the former the particles are charged into a series of bells;  the  charge  can  be  distributed  over  the material  surface  in  the  blast  furnace  by 

19 

movable armour plates which deflect the material. A bell‐less top uses a rotating chute to distribute the material and is far more accurate in the distribution of the burden.   

 Figure 2.2. Blast furnace and equipment [2] 

2.4.ChemicalreactionsIn the blast  furnace the  iron oxides present  in the ore are reduced to metallic  iron by the carbon present  in the coke and additional reductants. In the raceway the carbon from the coke and coal reacts with oxygen to form the main reductant gas CO.   

O2 + 2C  →  2CO  (2.1)  The iron oxide is present in the form of Hematite (Fe2O3) and the reduction takes place with a decreasing ratio of O to Fe, forming Magnetite (Fe3O4) and Wϋstite (FeO). If we follow the descending burden through the furnace the following reactions take place:  

Hematite    3Fe2O3 + CO  →  2Fe3O4  + CO2  (2.2) Magnetite    Fe3O4 + CO  →  3FeO     + CO2  (2.3) Wϋstite  2FeO    + CO  →  2FeO0.5 + CO2  (2.4) 

 These  reactions  take  place  in  the  upper  part  of  the  furnace  at  increasing  temperatures. Hematite starts reducing at about 500 °C, magnetite at 600 °C to 900 °C and the reduction of wϋstite at 900 °C  to 1100 °C. At  the  start of  the melting  temperature of 1100‐1150 °C FeO is generally reduced to FeO0.5.  

20 

Two  types  of  reduction  reactions  take  place  in  the  blast  furnace:  indirect  and  direct reduction.  The  reactions  above  where  CO  reacts  to  form  CO2  take  place  by  indirect reduction; the coke  is not directly  involved  in the reaction. Final reduction of FeO0.5 to Fe takes  place  by  direct  reduction  in  a  solid‐liquid  reaction.  In  direct  reduction  the  iron  is reduced directly by the coke and can be written as:  

2FeO0.5 + C     →  2Fe + CO  (2.5)  However, the reaction actually takes place in two parts:  

2FeO0.5 + CO  →  2Fe + CO2  (2.6) CO2 + C            →  2CO  (2.7) 

 The iron oxide reacts with CO gas forming CO2 which then immediately reacts with carbon creating CO. This  last reaction  is called the Boudouard reaction and describes the balance between CO on the one hand and CO2 and C on the other hand. Figure 2.3 shows both the temperature dependent equilibrium relationship of the Boudouard reaction and the Fe‐O‐C equilibrium diagram. Above 1100 °C all CO2  reacts  to  form CO, at  lower  temperatures an increasing amount of CO2 is present. If CO is decomposed very fine carbon is formed with CO2,  however,  below  400 °C  the  reaction  is  very  slow  and  only  a  negligible  amount  of carbon forms. Figure 2.3 shows the reduction of magnetite to wϋstite requires only 40% to 20% CO/CO+CO2, depending on  the  temperature,  compared  to  60%  and  higher  for  the further reduction of wϋstite to metallic iron.  

 Figure 2.3. The Fe‐O‐C equilibrium diagram combined  

with the Boudouard curve [3]  The  furnace can be divided  into  three zones: upper, middle and  lower.  In  the  lower zone molten material  temperatures  reach  around  1500 °C  and  the  approximately  2100 °C  gas cools down to 900 °C – 1000 °C. All the oxygen reacts with coke to form CO and any formed 

21 

CO2 reacts back according to the Boudouard reaction. The reaction of oxygen with the coke generates  a  very  large  amount  of  energy  and  supplies  the  heat  to  the  furnace.  Direct reduction of iron oxide consumes a large amount of energy and thus significantly cools the lower furnace. 

In  the middle  zone  the  temperature  remains  relatively  constant  at  about  900‐1000 °C and is called the thermal reserve zone. The effects of endothermal and exothermal reactions, burden heating and heat  losses cancel each other.  In the  thermal  reserve zone the wϋstite  is slowly reduced  in equilibrium with CO as shown  in Figure 2.3. By probing  it has been shown that  inside the thermal reserve zone there also  is also a chemical reserve zone where no reactions take place and Fe/FeO and CO/CO2 are in equilibrium. The thermal reserve zone will shrink as the furnace  is pushed to higher productivity. The upper zone  is where the gas temperature drops from 900‐1000 °C to 100‐250 °C and the solids heat up to 800 °C. Hematite and magnetite are reduced to wϋstite and any moisture in the burden is vaporized.  

Besides the CO, hydrogen is present as a second reductant in the blast furnace. At temperatures  above  821  °C  it  has  a  higher  reduction  efficiency  than  CO.  Hydrogen  is formed from the moisture  in the blast and  in the pulverized coal and can then reduce the iron oxides:   

H2O + C     →  CO + H2  (2.8) H2 + FeO  →  Fe + H2O  (2.9) 

 Water generated in the furnace can react with CO to form hydrogen:  

H2O + CO  →  CO2 + H2  (2.10)  Reaction 2.8 only takes place at temperatures above 1000 °C. At  lower temperatures the reaction 2.10,  called  the water‐gas  shift  reaction,  shifts  strongly  to  the  right. Because  it requires  iron as a catalyser  the water‐gas shift  reaction does not  take place  in  the upper part of the furnace.  

2.5.BurdenmaterialsA blast furnace has two main components in its top charged burden: the raw materials that contain  iron oxide and  the materials  that contain carbon. Three  types of oxide materials, shown in Figure 2.4, are used: lump ore, sinter and pellets. Lump ore is used directly from the mine where  it  is screened to get the required size fraction of approximately 6‐25 mm. Lump ore is cheaper than pellets but it has poorer properties for the blast furnace. The ore is weaker  than pellets during  reduction under  the high  temperature  and pressure  in  the blast  furnace. Because  it  is naturally occurring  it has a wider  range of  compositions and physical properties. Lump ore is generally only used in small percentages of the total oxide feed.   

22 

 Sinter  is  a blocky material made by  fusing  iron ore  fines  into  larger  particles. Originally applied to use revert materials from the whole steel making site  in the blast furnace,  it  is currently  used much more widely  as  one  of  the  predominant  sources  of  oxides  beside pellets. The main component of the sinter  is  iron ore fines, either raw material or a return flow  from  the  process. Return  sinter  from  the  sintering  process  is  also  added.  They  are mixed with  limestone as a  flux to ensure a  final slag  in the blast  furnace with the desired properties  for  the  ironmaking  process  and  for  the  use  as  raw  material  for  cement production. The  final  component  is  coke  fines added as  a  fuel  for  the  sintering process. After mixing in a rotating drum where 5 % water is added for primary binding the mixture is charged on a sinter strand in a 35‐65 cm thick layer. A sinter strand, shown in Figure 2.5 is a moving grate through which air is being sucked from the bottom. At the start of the strand the  coke  in  the  bed  is  ignited  using  heated  air.  The  heat  generated  partially melts  and sinters  the material.  As  the  sinter moves  over  the  strand  the  flame  front moves  down through the bed until it reaches the bottom and all of the material is sintered. At the end of the strand the material breaks off and is further reduced in size.   Pellets are created from very fine iron ore (much finer than used for sinter), which has been pre‐processed to separate the iron oxides from gangue materials. These fines are too small for sintering because the bed would be  impermeable. Similar to the sintering process the iron ore  fines are mixed with  fluxes and coke  fines  in a  rotating drum. Then water and a binder  are  added,  the  rotation  causes  snowballing  and  creates  spherical  particles.  The particles, called green pellets, are then charged onto a grate moving through a furnace and heated to 300‐350 °C. This removes the water and the binder creates a chemical bond to hold  the particle  together.   Burners and  the coke  fines  then  increase  the  temperature  to 1250‐1350 °C fusing the particle.   

    

Sinter 90% < 25 mm 

Pellets 11 mm (±2 mm) 

Lump ore 6‐25 mm 

Figure 2.4. Blast furnace ferrous burden materials [2] 

23 

 Figure 2.5. Sinter strand [1] 

  The  second  component  in  the  burden  is  the  coke  which  is  supplying  carbon  for  the reduction and the heat to melt the burden. Coke is produced by mixing and grinding coal to the required specifications which is then charged into a coke oven. In the oven the coke is heated to over 1200 °C in an air‐free environment. The volatile matter in the coke escapes and a solid carbon matrix is formed by the carbonization of the coal. After 16 to 24 hours all the material  is converted and the hot coke  is pushed out and  immediately quenched with water to ensure it does not react with oxygen. 

With  a  size  of  45‐55 mm  coke  is  larger  than  the  other  burden materials. Coke quality is very important for the process; the whole burden is supported by the coke and it has to ensure a good permeability. A large amount of coke can be replaced by injecting coal directly  in  the  raceways, by PCI. The quality demands on pulverized coal are much  lower and it is therefore cheaper. There is a limit on the amount of coke which can be replaced by PCI due to the permeability requirements of the burden. This increases the quality demand of the burden materials on strength and degradation resistance.   Blast Furnace No. 6 in IJmuiden has achieved very low coke rates of 260 kg/t hot metal year average, globally a more usual rate is above 300 kg/tHM. To achieve such low coke rate the burden permeability has to be as high as possible. For this the pellets and sinter need to be of good quality; both need a narrow size distribution to maximise burden porosity and the particles should not break or degrade during descent. The amount of slag generated should be  low, as slag  in the  inter‐particle pores will decrease the permeability. Because the gas flows  through  the packed bed of ore and  coke  layers,  the  structure of  the  layers  is  very important  to  control  the permeability. This also  influences  the  cohesive  zone  shape and location, which has a very  large  influence on the pressure drop  in the blast furnace. Good control of the burden charging and the resulting layer structure is crucial.  

24 

The  choice of  raw materials  for  the blast  furnace  is highly dependent on  their  costs and availability as well as their properties. As the burden descends through the furnace the load onto the particles becomes very high. The strength of the particles determines the amount of  breakage  and  attrition  occurring.  Burden  composition  determines  the  reduction parameters as well as  the  softening and melting  temperatures and behaviour.   The  size distribution  greatly  influences  the  permeability  of  the  bed;  blocky  irregular  sinter  has  a higher permeability  than spherical pellets. Every blast  furnace has  its process specifically balanced to the raw materials it uses.    

2.6.GasandsolidflowIn the research presented in this thesis the main focus is on the solid and gas flow. Because of  the  large  size  of  the  blast  furnace  and  the  complex  character  of  the  process,  the behaviour of  the burden  is hard  to predict. A very  important  feature of  the blast  furnace solid flow is the way the material is charged. The main characteristic is that the material is charged in alternating layers of coke and ferrous oxides. A completely mixed burden would become impermeable to gas flow if the ore starts melting. When charged in layers the gas can flow through the coke slits  if the oxide  layers become  impermeable. The composition of the oxide layers can be varied by pellets, sinter, lump ore or mixtures to get a repeating series of oxide layers in the furnace. Small sized coke is sometimes mixed in the ore layers and has several advantages; it can increase layer permeability when the ore starts softening and melting , and it can improve reduction of the iron oxides by supplying reductant inside the layer. [4] 

The amount of material  charged  can also be distributed  in  the  radial direction. This allows a change in thickness of the layers; a common practice is to charge more coke in the centre of the  furnace creating a highly permeable core. Because more of the hot gas flows now  through  the  centre,  it determines  the  inner  temperature profile  and  thus  the location of the cohesive zone and reductions.   Figure  2.6  shows  the  difference  in  cohesive  zone  shape  between  a  furnace with  a  coke centre  and  one  where  more  coke  is  charged  at  the  walls.  Both  methods  have  their advantages and disadvantages. Clearly the distribution of the burden determines the gas flow in the furnace, which in turn determines where the reduction takes place and how the cohesive zone is formed. The permeability of the individual layers is determined by the size distribution and shape of the particles. A layer of spherical pellets has a lower permeability than a layer of irregular, blocky coke. If the size distribution increases smaller particles tend to fill the gaps between larger ones and the permeability decreases. A high permeability is preferred to allow good distribution of the reductant gas through the furnace.   

 

25 

 Figure 2.6. Two types of cohesive zones: central working (left)  

and wall working (right) [2]  The burden and  solid  flow profiles  in  the  furnace are  for a great part determined by  the consumption of solids;  they  flow  to where  there  is space created. There are a number of processes which consume solids in the furnace of which the largest is the melting of the ore in the cohesive zone. This accounts for over 55 % of the solid volume consumed in the blast furnace. The second and third are coke gasification  in the raceway and  in direct reduction via  the  Boudouard  reaction  around  the  cohesive  zone,  both  at  approximately  15‐20 %. Carburization of the liquid iron is the fourth solids consumer at around 5 %.  

2.7.CohesivezoneFocus of the larger project of which this thesis is a part, is the cohesive zone. It starts when the  oxide  layer  begins  softening  and  ends when  all  solid  iron  oxides  have melted.  The cohesive zone  is highly complex due  to  the  large number of  interacting processes  taking place. Beside softening and melting there are a number of reactions, most importantly the final reduction of the iron oxides combined with the Boudouard reaction.    Softening  and  melting  temperatures  are  highly  dependent  on  the  chemical composition  of  the  ore,  sinter  or  pellets  as  well  as  the  reduction  degree.  Softening temperatures  range  from  1000 °C  to  1100 °C  and melting  temperatures  from  1250 °C  to 1450 °C. When the particle starts softening, its shape changes due to the pressure from the load above  it. The  layer height  reduces and  the pores between  the particles shrink. Melt formation  fills  in  the  remaining  pore  space. Both  softening  and melting  cause  cohesive forces between the particles and the layers more or less become a sticky mass.  

Pellet  softening  and melting  is  complicated due  to  its  round  and homogenous shape. The reduction takes place from the outside of the pellet inwards as shown in Figure 2.7. When melting temperatures are reached the outside of the particle is an iron shell with a molten core due to the lower melting point of the oxides inside. Pure iron has a melting point of 1539 °C and wϋstite of about 1380 °C. Melt formation from the pellet occurs when 

26 

the iron shell is sufficiently weakened by deformation and cracks. Because sinter and lump ore have a much more heterogeneous composition there is no iron shell formed.   

 Figure 2.7. Pellet reduction [1] 

  Due to the low permeability of the ore layers gas can only flow through the coke slits. The cohesive  zone  distributes  the  reductant  gas  to  the  upper  furnace  where  most  of  the reduction  takes place. This makes  the  cohesive  zone  very  important  for an efficient and stable  process.  If  the  ore  layers  touch  each  other  in  a  section  of  a  furnace,  that  area becomes  impermeable to the reductant gas and the oxides above  it will be reduced much more  slowly.  This  causes  an  inhomogeneous  process  in  the  furnace  and  thus  reduced productivity. Another risk is that low permeability causes a gas pressure build up under the cohesive zone. The upward force can become larger than the weight of the burden and the burden  above  starts hanging. Below  the  cohesive  zone  the  flow  continues  and  a  void  is created, at some point the balance will be disturbed and the burden will drop down into the void. This is a very large furnace disruption and could have large consequences. 

2.8.ProcessdisruptionsAn  efficient  and  stable  process  can  only  take  place when  the  gas  can  flow  through  the furnace  with minimum  resistance.  Increasing  resistance  to  gas  flow  can  be  caused  by process disruptions or can in turn cause process disruptions. If the resistance becomes too high  the  pressure  builds  up  causing  hanging  and  slipping  of  the  burden  and  this  can severely  disrupt  the  burden  layer  profile.  Recovery  from  such  events  generally  requires decreasing production and  increasing coke  rates, as well as sufficient  time  to  replace  the burden.    

27 

References1.  Worldsteel  association,  Steeluniversity.org.      [Accessed  2013,  05‐06];  Available 

from: www.steeluniversity.org. 2.  Geerdes, M., Toxopeus, H., and van der Vliet, C., Modern blast furnace ironmaking. 

(2009), IOS Press. 3.  Biswas, A.K., Principles of ironmaking. (1981), Cootha Publishing House. 4.  Song, Q., Effect of nut  coke on  the performance of  the  ironmaking blast  furnace, 

(2013), PhD  Thesis  at Department  of Materials  Science  and  Engineering, Delft University of Technology. 

     

28 

 

29 

Chapter3Reviewofblastfurnacemodelling 

3.1.IntroductionThe blast furnace described in chapters 1 and 2 is one of the most widely used packed bed reactors in the world; it has been for many years and will remain so for a long time. Inside the  furnace  several  types  of  flow  are  present:  a  packed bed  of  solids descending,  liquid dripping  in the  lower zone and gas with powder (dust, pulverized coal) ascending through the packed bed. A stable and efficient operation of the furnace depends for a great part on the  interaction of these  flows. Because the  flows are counter current they  influence each other’s flow pattern as well as react with each other. Because of the high complexity of the processes  taking place  inside  the  furnace and  the  impossibility of  ‘looking  inside’ due  to high pressure and temperature, computer simulation offers a way to gain knowledge about the  process.  Therefore,  the modelling  of  the material  flows  has  received  considerable attention. 

The models used to simulate the blast furnace flows can be divided into two types based on the method applied  to describe  the  solids  flow: continuum models and discrete element methods. Continuum models are based on  the  finite element or  finite volume method  in which a geometry is divided into a finite number of cells over which a set of equations are defined describing flow of scalars such as velocity, mass and temperature. These are solved numerically  to achieve a solution  for each cell and  time step  if  transient.  In each cell  the mass,  velocity,  temperature,  etc.  of  that  specific  cell  is  stored.  This  allows  a  graphic representation of the solution to be made.  

Discrete  element  or  discrete  particle models  are  based  on  the movement  of  separate particles. The method stores the  location, velocity vector and acceleration vector of each particle and uses  these  to calculate where each particle will be the next  time step. When two or more particles collide it uses a contact model to calculate the forces working on the particles and how the collision changes the velocity and acceleration vectors. The discrete element method  is  by  definition  a  transient model.  Because  of  the  high  computational requirements of  the discrete  element method  it has only become widely used  in  recent years in contrast to the continuum method which has been in use for the last decades.  

In this study a combination of both methods is used; a continuum model for gas flow and a Discrete Element Method (DEM) for solid flow. Though the continuum method is not used for solid  flow modelling,  its use  in  that area  is briefly discussed here  for comparison and completeness.  After  that  the  use  of  the  discrete  element  method  for  blast  furnace modelling is described.  

30 

3.2.Continuummodelling Models of  the blast  furnace have been developed using  the continuum method since  the 80’s. Yagi [1] has written an extensive review on the work done since that period, in which general simulations of packed bed flow phenomena are described by the flow of four fluids representing  gas,  liquid,  solid  particles  and  fine  powder.  The  flow  is  mathematically modelled by the generalized equations for continuity and the Navier‐Stokes equations for motion.  As  this  is  a  continuum  approach  based  on  local  averaging,  the  four  fluids  are defined by the volume fraction of the continuum they occupy as shown in Figure 3.1(a). The gas phase G fills the voids of the packed bed, and the flowing powders are regarded as the powder phase F. The  liquid phase L contains the  flowing  liquids as well as the amount of powder entrained in the liquid εf(l,d). The solid phase S consists of the solid packed particles as well as static hold‐up consisting of powder εf(l,s),  liquid εl(s) and powder entrained  in the liquid εf(p,s). The  four  fluids affect each other  through exchange of momentum, mass and 

heat as illustrated in Figure 3.1(b). This is defined by the interaction parameters,  , for each of which there are underlying equations describing the  interaction, e.g. drag force by gas flow on the powder.  

The source  term  in  the continuity equation  includes sources due  to chemical  reactions.  It expresses  the  amount  of  gas  phase  increase  due  to  phase  changes  and  absorption  or desorption at the surface of liquid, powder and packed interface. The source terms for fine particles define powder generation due to physical disintegration and chemical reactions as well as powder entrainment by the liquid and solid phases. For the liquid phase the source terms  express  liquid  generation  due  to  melting,  chemical  reactions  and  powder entrainment. The packed particle source  terms describe mass generation and  loss due  to chemical reactions, melting and physical disintegration as well as static hold up of  liquids and powders. 

   

(a)  (b) 

Figure 3.1. (a) Four fluids in the packed bed,  

(b) Interaction parameters among four fluids, [1]  

31 

Figure 3.2. Simulation results of timelines for packed particles descent by gravity [2] 

 The  paper  from  Yagi  describes  two  models  developed  to  simulate  solid  flow  by  the continuum method: the kinematic and the potential flow model. These methods can, up to a  certain  extent,  predict  simple  solids  flow  but  rely  on  empirical  data  of  the  bulk.  An example of the potential flow model is shown in Figure 3.2 where the solid flow is defined by a solid viscosity µs and compared to experimental results.  Austin, Nogami and Yagi have presented a model of an industrial scale blast furnace based on the four fluid model including heat transfer and reactions, [3, 4], some results of which are shown in Figure 3.3. The method was then applied to several cases on static liquid hold‐up [5], scrap charging [6] and top gas recycling [7]. The model was expanded by De Castro [8] to  include separate hot metal and slag phases and used to do transient simulations.  It further  included  separate phases  for pulverized coal and pre‐reduced ore  [9]. The model was developed for 3D simulations with five phases [10].  

The model has since been refined and applied to several cases: carbon composite agglomerates  charging and  top gas  recycling,  [11,  12]; hydrogen bearing materials,  [13]; novel feed materials [14, 15]; char and fine coke [16] 

Zaïmi presented  a model based on Yagi’s  four  fluid model but using  the hypo‐plasticity model  to  simulate  the  solids  flow  in  the  blast  furnace  [17].  This model  has  the  great advantage of being able  to predict  the deadman  instead of  it being predefined, which  is required in the original four‐fluid model. In this model the deadman is not static but a zone 

32 

of very low moving solid and not a boundary for solid flow. Further work and experimental validation were done [18].     

 (a) 

 (b) 

Figure 3.3. (a) CO and CO2 gas phase mass fraction [3],  

(b) Velocity vectors [4] 

 

Zhang published a blast furnace model including solid flow based on the kinematic model and  gas  flow  [19].  A model  to  investigate  the  dripping  zone  of  the  blast  furnace  was presented  by Wang  based  on  a  discrete  fluid  flow  model  to  simulate  the  interaction 

33 

between  gas  and  liquid  flow  including  an  impermeable  cohesive  zone  [20].  The model shows that the shape of the impermeable cohesive zone has considerable influence on the liquid  flow. Chew presented a model  including gas,  liquid and  solid  flow; heat and mass transfer; and chemical reactions [21]. The main focus of this model is the liquid flow which is shown to be highly influenced by the packed bed profile and the gas flow.  

Zhang proposed a model to simulate solids flow  in a small scale blast furnace to  improve the earlier kinematic and potential flow models as an extension of the earlier work [22]. The work includes solids consumption and a layered burden, an example of the work is shown in Figure 3.4. An  investigation on gas‐powder  flow  in a packed bed was published by Dong [23, 24]. The  continuum method used was able  to predict powder accumulation and  the effect of the presence of an impermeable cohesive zone.  

A more detailed in‐depth review of these and other blast furnace models was published by Dong [25]. 

 

 

Figure 3.4. Layered flow pattern with solids consumption under two initial burden conditions: 

(a) uniform and (b) V‐shaped [22] 

 

34 

3.3.DEMModellingThe basis of discrete particle modelling was  laid down  in 1979 by Cundall and Strack who describe  a  discrete  numerical  model  to  simulate  discrete  particles  [26].  Theoretical development and some applied modelling  took place during  the 1980’s  [27, 28] and ever increasing applied modelling in the 1990’s e.g. references [29‐33]. An overview of the work done  in  Japan  on  discrete  particle  modelling  was  published  by  Tsuji  [34].  With  ever increasing computing power the demanding DEM models became much more widely used after 2000 in fields such as minerals processing, bulk solids handling, pharmaceuticals and geology. The focus in the present project is restricted to the application of DEM simulation on the ironmaking blast furnaces.  

Due  to  the  computational demand of discrete element modelling and  complexity of  the processes in the blast furnace, DEM models are generally simplified or only a section of the furnace  is  simulated. The work  published  in  literature  can be  divided  into  three  general areas: 

Burden flow: simulation of the solid particle flow through the whole or part of the blast furnace. In some cases combined with gas flow or the influence of liquids in the hearth. 

Raceway:  simulation  of  the  raceway  zone  coupling  a  packed  bed  with  gas injection.  

Charging: modelling of  the charging of burden materials  into  the blast  furnace; simulation of bins, chutes and the top layers.  

These different areas of simulation all have their benefits, however, only the  last one can accurately model reality. The first two attempt to simulate more complex processes with more  variables  and  are  simplified.  In  reality  they  include  chemical  reactions,  high temperatures, powder flow and softening and melting; all of which are absent in charging simulations.  

3.3.1.BurdenflowThe  area  of  the  blast  furnace where DEM  has  been most widely  applied  is  the  general simulation of the solid burden flow. These simulations derive from the desire to understand the development of the burden structure as it descends through the furnace as well as the formation of characteristic phenomena such as  the deadman. The  focus of  these models can be on different areas of the furnace such as the top, cohesive zone or hearth. 

Nouchi presented the application of the DEM method for the simulation of solid flow in the hearth  and  studied  how  it  is  influenced  by  the  liquid  levels,  and  the  results  were experimentally  validated  [35].  Both  the  experimental  and DEM models  consist  of  a  box filled with particles which are  removed  through an outlet;  the  vessel  is partly  filled with water to investigate buoyancy effects on the solid flow at different liquid levels and outlet locations. The DEM approach was able to reproduce the experimental results quite well.  

35 

 

 

Figure 3.5. Simulation of solid flow in the hearth: experimental (a) and DEM results (b), residence time; (c), particle velocity vectors [35] 

A  larger model  is  presented  simulating  the  solids  flow  in  the  presence  of  liquids  in  the hearth [36]. The paper presents two parts: a 10° slice of the total blast furnace and of the hearth.  In the simulations the solid flow as well as the force networks are  investigated. A novel  feature  is  the  addition  of  a  coal  abrasion model  in  which  the  coal  particles  are reduced  in  size  under  pressure.  Results  show  the  formation  of  a  force  network  which supports  the  packed  bed  as  illustrated  in  Figure  3.6.  The  stress  in  the  network  is much larger  than  the average  stress. The  coke  abrasion due  to  the  force networks  causes  the continuing  reconfiguration  of  those  networks.  The  force  network  was  more  locally simulated around  the  raceway  in combination with buoyancy  forces due  to  the  liquids  in the hearth. 

Additional results were published where the influence of the shaft angle and tuyere length of  the  furnace were  investigated  [37]. The geometry of  this model  is a 10 pie‐slice of an industrial  size  blast  furnace  containing  20  cm  diameter  particles.  Such  a  large  particle diameter  is  required  to  reduce  the  number  of  particles  to  what  is  computationally managable. The  results  focus on  the  two  clear  indicators of  solid  flow present;  the  layer structure and the deadman size and shape. Figure 3.7 shows the effect of the angle of the furnace wall, the shaft angle, on the packed bed  layer structure; particles are coloured to indicate visualise the flow lines.  

   

36 

In 2003 Zhou presented a small scale 2D blast furnace model combining solid particle flow and gas flow [38]. The model uses DEM to simulate particle flow and computational fluid dynamics  (CFD)  for gas  flow. The CFD method  is a modelling technique extensively used for the simulation of  liquid and gas  flows.  It divides the computational domain  into small cells  over  which  a  number  of  conservation  equations  are  defined.  Using  a  number  of defined  boundary  conditions  and  an  iterative  process  the  flow  pattern,  temperatures, pressures and other parameters are solved for the domain. 

 

   

(I)  (II) 

Figure 3.6. Force networks in: (I) blast furnace and (II) hearth where (a) base case, (b) shallow 

hearth, (c) increased load and (d) moved consumption area [36] 

37 

 

Figure 3.7. Effect of the shaft angle on solid flow; (a) 75, (b) 80 and (c) 85 [37] 

 

DEM and CFD are combined by calculating  the drag  force between  the particles and gas flow with a drag force model. The simulations of solid flow are compared to experimental results and show comparable  layer structures. Gas flow  is shown to strongly  influence the solid flow and size of the deadman. The boundary conditions of the front and back walls of the  geometry were  found  to  have  a  large  influence  on  the  size  of  the  deadman, most significantly  the  sliding  friction between  the  particles  and wall.  Further work  on  the  2D model  shows  a  decrease  on  deadman  size with  increased  solid  flow  velocity  [39].  The model was  compared  to  3D  simulations  of  a  blast  furnace  slot  geometry  in which  the influence of the front and back walls on the particle flow  is much  lower, this results  in the formation of a smaller deadman.  

38 

 Figure 3.8. Normal force network at different gas flow rates; (a) 1.21e‐2 kg/s, (b) 3.62e‐2 kg/s, 

(c) 6.05e‐2 kg/s;  

(d) probability density distribution ((a): , (b):, (c):)[40]  

The  small  scale  3D model  (1 m  height)  is  coupled with  a CFD model  to  investigate  the influence of gas flow [40]. For this, the DEM model is coupled with a 2D continuum gas flow model. Results confirm what was observed  in  the 2D model:  increased gas  flow velocity increases the deadman size. Additional study was made here of the microscopic properties of  the  burden  such  as  porosity,  force‐structure  and  particle  coordination  number.  From Figure  3.8  it  can  be  seen  that  an  increase  in  gas  flow  rate  decreases  the  normal  force network between  the particles,  shown here  in  red  for high  and blue  for  low  forces. The coordination number also decreases and the porosity increases.  

This  work  was  combined  with  an  averaging method  to  extract  time  averaged  particle properties  [41],  allowing  the  discrete DEM  results  to  be  studied  as  approaching  steady‐state. The method is used to study the velocity field and stress distribution. It is shown that a high solid flow rate influences the stress distribution in the burden. The authors mention 

39 

that in an industrial blast furnace changes in descend velocity are so small that they are not likely to have any effect on the stress distribution. 

Zhou et al. present further developments of the model in 2010 [42]. The geometry is a 4 m high  slot model with  a  thickness  of  4  particle  diameters;  this  is  alternatingly  filled with layers of coke and ore particles with different diameters and densities. Static and  rolling friction  coefficients between  the particles are  the  same  for both  coke and ore.  In a pre‐defined cohesive zone the ore particles shrink and disappear, and in the raceway the coke particles are removed. The ore layers in the cohesive zone are identified by the model and made  impermeable  in  the  CFD  gas  flow model.  Liquid  is  introduced  in  the  hearth  to simulate  the  presence  of molten  iron  and  slag.  It  interacts  with  the  solid  particles  by buoyancy and drag force. Interaction with the gas is considered negligible and is not taken into account.  

The  packed  bed  structure  is  very  similar  to  the  previous  simulations;  the  addition  of separate particle removal zones for ore and coke result  in a difference  in descent velocity above and below the cohesive zone. Coke particle removal in the raceway is mainly fed by particles directly from above and below, but there  is also a gradual renewal of coke  in the deadman zone in the centre of the hearth.  

The effect of the cohesive zone shape on the gas flow is demonstrated by comparing two very different cohesive zone shapes: V and W. As  is shown  in Figure 3.9(a) these result  in opposite gas flow directions through the cohesive zone. For the V shape the cohesive zone distributes the gas inward and for the W shape outwards.  

Results for the stress state in the simulation in Figure 3.9(b) show that the highest normal forces on the particles are  in the centre hearth due to the weight of the burden above.  In the raceway normal stress is low due to the removal and fast movement of particles.  

The  influence of  liquid  in  the hearth was studied as shown  in Figure 3.10, when the  liquid  reaches  a  certain  level  the burden  starts  floating due  to  the buoyancy  forces. Because of  the  coke  consumption  in  the  raceway  the  coke‐free  zone  is  larger along  the wall.  It  is  also  shown  that  an  increasing  coke‐free  zone  along  the wall  can  form  due  to increasing coke removal rates.   The authors conclude with a remark that current work is progressing on including thermo‐chemical behaviour into the model.    

40 

  

Figure 3.9. (a) solid flow (top) and gas flow (bottom) for V and W shapes cohesive zones [42] 

(b) Normal contact forces 

 

 

 

Figure 3.10. Solid flow pattern with increasing (top) and decreasing (bottom) liquid levels [42] 

41 

In 2008 a paper was presented by Ueda describing a DEM blast  furnace model  [43]. The geometry of the model is based on a large scale blast furnace, with a 5000 m3 inner volume and 40 tuyeres. An 18 pie‐slice of this furnace was simulated as  illustrated  in Figure 3.11, using periodic boundary conditions the particles exiting the model on one side will re‐enter on  the other.  In order  to make  such a  large  scale  simulation possible,  the particles have significantly  increased diameters of 0.12 m for ore and 0.24 m for coke reducing the total amount of particles  in the simulation. Particles are alternatingly charged at the top of the furnace, ore particles shrink and are  removed  in a pre‐defined cohesive zone and coke  is removed  in  three  pre‐defined  raceway zones.  Additional  coke  is  removed  in  the hearth  at  a  certain  interval  to  account  for dissolution loss of carbon in the hot metal.  

Using  this model  the  influence of a particle hardness  and  rolling  friction  on  solid  flow was  investigated.  The  particle  hardness defined by the Young’s modulus has a  large influence  on  simulation  time;  a  lower hardness  greatly  accelerates  simulations. Figure 3.12 shows that decreasing the Young’s modulus from 2x109 Pa to 2x106 Pa does not have any  clearly  visible effect on  the  layer  structure. Rolling  friction  is  studied here as a method of simulating non‐spherical particle shapes while using spherical particles. When a particle is perfectly rounded it rolls very easily, the more non‐spherical a particle becomes the more difficult  it becomes  to  rotate. The  rolling  friction  is determined by  the particle weight and the rolling friction factor, a property for the resistance to rolling between two materials. By making  it artificially high  it  is attempted to take  into account the  increased rolling resistance caused by the particle shape. Simulations using rolling friction factors of 2,  5,  10  and 20  are done;  the  latter  two  are unrealistically high  and  result  in  very  steep burden levels. With increased rolling friction the deadman size slightly increases and there is  a  change  in  the periodicity  in which  the packed bed descends, however  the  influence seems small.  

The burden profile shows a decrease of the  layer angle closer to the centre and as  layers descend the furnace. Further it is shown that the influence of the tuyeres does not extend to more than 2 m above the raceway.    

A more detailed description of the work was published including a liquid in the hearth [44]. Results of the particle hardness again show that with decreasing hardness there is a larger fluctuation  of  the  descent  velocity.  By  tracing  5  random  particles  it  is  shown  that decreasing hardness results in smoother path‐lines of the particles in the lower part of the furnace. The hardness has an  influence on  the normal  stress distribution  in  the  furnace: lower hardness results in more evenly distributed stresses, with a higher hardness there are particles with much higher stresses exerted on them.   

 

Figure 3.11. Cross‐section of DEM model [43] 

42 

 Figure 3.12. Influence of Young’s modulus on packed bed structure [43] 

 

To  visualize  the  influence  of  the  rolling  friction,  again  5  particles  are  tracked  while descending in the furnace. This shows that increasing the rolling friction creates smoother path‐lines in the lower part of the furnace. The rolling friction has no effect on the normal stress distribution.  The residence time of a particle  in a DEM simulated blast furnace  is much shorter than  is the  case  in  reality, e.g.  from 6 h  to 60  s,  this  shortens  simulation  time  to a manageable level. Figure 3.13 shows the influence of descent velocity acceleration of 0, 90, 180, 360 and 720  times  the actual velocity  in an  industrial blast  furnace. The  total stress distribution  is 

43 

very similar, but there  is an  influence on the stresses  in the raceway due to the  increased particle velocity in this region. Between (a), (b) and (c) the difference is not significant and it is concluded that the stress distribution  in a blast furnace can be simulated  in accelerated conditions up to some extent.   

 

Figure 3.13. Influence of descend velocity on stress distribution [44] 

The model was  applied  to  investigate  asymmetric  phenomena  in  a blast  furnace with  a 2000 m3  inner  volume  and  16  tuyeres  [45]. The modelled  geometry  consists of  half  the furnace with  a  frictionless  front wall  and  8  spherical  raceways. Ore  particles  disappear below a pre‐defined cohesive zone and coke in the raceway at a defined rate. Coke particles have a diameter of 0.3 m and ore of 0.15 m, based on the angle of repose of real coke and ore  the  rolling  friction  factors  are  2.5  and  1.25,  respectively.  The  descent  velocity was accelerated 80 times. 

The base case  in Figure 3.14(a) shows that  layers descend the furnace with equal velocity across the width of the furnace. When a new layer of particles is charged on the burden the descent velocity peaks, most significantly when the much heavier ore  is charged. Besides these regular peaks there are also irregular slips in the raceway causing increases in descent velocity. However  this affects only  the area around  the  raceway. Between  the peaks  the blast furnace reaches a steady state condition. 

44 

   

(a)  (b) Figure 3.14. Layer structure, path‐lines and tuyere configuration (a) base case, (b) 

asymmetrical case [45] 

To study the asymmetric behaviour of the burden half of the tuyeres were made inactive as illustrated in Figure 3.14(b), resulting in coke removal from half of the modelled geometry. The  layer structure seems very much  the same as  the base case, however  the path‐lines show that the particles flow to the right hand side of the furnace. From the horizontal time‐lines  it can be seen that the descent velocity  in the shaft  is only slightly  influenced, but  is higher in the lower part of the furnace on the right hand side where the tuyeres are active. The peaks in descent velocity generated by charging are equal to the base case above the cohesive zone; below this zone the flow is strongly influenced by the inactive tuyeres. Slips occurring around the raceway have a more expanded area of influence on descend velocity.  

Figure 3.15 shows a comparison between the normal stresses  for both cases, the  inactive tuyeres now allow the burden to build up a stress network from the  left side. The area of low stress around the raceway  is  increased  indicating higher particle velocity. The authors introduce a slip index parameter to quantify the stability of solid flow based on the ratio of shear stress to normal stress and friction coefficient. When the shear stress  is higher than the normal stress and contact friction, and thus the slip index is higher than one, slip occurs. Results show more high slip index particles in the raceway zone at asymmetrical conditions due  to  a  decrease  in  normal  stress.  This  causes more  slips  to  occur with  an  increased influence into the upper zone, decreasing the stability of the blast furnace. 

45 

 

Figure 3.15. Normal stress distribution [45] 

The influence of the cohesive zone shape on burden flow was investigated by Fan et al. in a geometry based on a 5000 m3 blast furnace with 40 tuyeres, half of this  is simulated [46]. Coke and ore have diameters of 0.4 m and 0.2 m, respectively. Properties are the same as in the previously described article of Natsui et al. [45]. The presence of molten iron and slag is  taken  into account by adding a buoyancy  force  in  the hearth. Three different  types of cohesive  zones  are  simulated:  in  the base  case  (A)  it  starts  above  the  tuyere  and  has  a maximum height of 8.6 m  in the centre, the second case (B) offsets the top by 5 m to the left and in the third case (C) the cohesive zone has a height of 15 m.  

The results in Figure 3.16 show that due to the buoyancy forces exerted by the liquids in the hearth,  the  burden  only  rests  on  the  bottom  in  the  centre.  For  the  biased melting  or cohesive  zone  (B)  the  layers  become  asymmetric.  The  higher  cohesive  zone  does  not influence the layer angle and for all cases there is no influence on the burden level. 

Figure 3.17 shows the normal stress distributions for the three cases. There are small forces mostly below 0.5 MPa in the shaft of the furnace and very high forces up to 2 MPa between the  raceways  in  the coke zone. The biased cohesive zone  (B) causes asymmetrical stress and the elevated cohesive zone (C) results  in an  increased high normal stress zone. When the stress distribution in the centre of the furnace is plotted in a graph, Figure 3.18, it can be seen that the maximum normal stress shifts from 7 m above the tuyere level to 2.5 m and becomes lower with a higher cohesive zone.  

46 

The forces exerted by the burden on the wall of the furnace gradually increase in the shaft with a maximum  in the belly.  In the hearth the maximum  lies approximately 2.5 m below the tuyeres for all cases. The wall stress also shows an increase when ore is being charged into the furnace. There  is no  influence of the cohesive zone shape on the normal force on the walls.  

 

Figure 3.16. Layer distribution with three cohesive zone shapes [46] 

 

Figure 3.17. Normal stress distribution for three cohesive zone shapes [46] 

47 

 

The  influence of the blast  furnace size and shape on the solid flow  is  investigated by Fan [47]; in which cases (A) 5775 m3

, (B) 3250 m3 and (C) 1444 m3 are compared. Cases (B) and (C)  are  generated  by  reducing  the  diameters  of  case  (A) with  a  factor  of  0.75  for  each subsequent  step,  the  height  is  unchanged.  For  each  furnace  the  coke  removal  rate  is adjusted so each furnace has the same descent velocity. Ore has a diameter of 0.30 m and coke 0.15 m.  

The  results  of  the  influence  of  inner  volume  on  solid  flow  and  stress  distribution  are summarised in Figure 3.19. With an increased blast furnace diameter the relative deadman volume increases. This results in high particle velocities between the wall and deadman in large blast furnaces.  In smaller furnaces the descent velocity  is more uniform  in the  lower part.  The  stress  distribution  is  dependent  on  the  inner  volume.  In  large  blast  furnaces normal stress  is reduced near the walls due to the higher particle velocity there. Both the increased descent velocity and decreased normal stress cause a less stable burden descent due to local slipping.  

 Figure 3.18. Normal stress distribution in the centre [46] 

48 

 Figure 3.19. Illustration of the influence of inner volume on solid flow 

 and stress distribution [47]  

   Figure 3.20. Solid flow pattern 

 [48] Figure 3.21. Simulated particle flow 

 [48] 

49 

DEM  solid  flow  modelling  in  the  blast  furnace  was  also  undertaken  by  Kawai  and Takahashi,  comparing  results  from  an  experimental  model  with  2D  DEM  simulation focussing on deadman behaviour [48]. The experimental model consists of a 1 m high, 6 cm deep  blast  furnace  geometry  filled with  polymer  particles.  To  simulate  the  influence  of hearth  level on  the deadman,  the hearth of  the experimental model  is  filled with water. Figure 3.20 shows the solid flow pattern, plug flow in the upper part becomes funnel flow in the  lower half due to the presence of the deadman. The deadman behaviour was studied when  repeatedly  increasing and  lowering  the water  level  in  the hearth. Results show  the following flow patterns:  

‐ Particles along the centre  line and  in the  lower hearth display a vertical up‐and‐down motion 

‐ Particles in the deadman surface layer are pushed into the funnel flow when the hearth level rises 

‐ Particles below  the outlet  level move  toward  the outlet with a  zigzag up‐and‐down motion 

A 2D DEM model was used  to  simulate particle  flow and  the deadman when  repeatedly raising and lowering the hearth liquid level. Figure 3.21 shows part of the cycle with a rising hearth  level.  Particles  in  the  deadman  show  the  same  behaviour  as  the  experimental model, with the addition that only the particles charged along the centre line of the furnace attribute to the renewal of the deadman. When the hearth level rises the normal forces on the wall increase and decrease when lowering.  

The DEM model was extended to 3D and the influence of particle density on the deadman was investigated by Kawai et al. [49]. The geometry as shown in Figure 3.22 was filled with only alumina spheres (white) or a combination of alumina spheres and higher density glass spheres  (blue).  Figure  3.22(a)  shows  the  result  of  a  simulation where  glass  particles  are charged in the centre of the furnace and alumina at the wall. The timelines in Figure 3.22 (b) represent the alumina‐only simulation in red and two simulations containing a combination of alumina and glass with different friction factors in white and grey. It shows that charging heavier particles in the centre of the furnace causes horizontal flow lines and thus a smaller deadman. 

 

50 

   (a)  (b) 

Figure 3.22. DEM model with timelines: (a) packed bed structure,  (b) comparison of timelines [49] 

 

The  flow  of  solids  in  the  blast  furnace  was  also  studied  by Mio  et  al.  [50]  [51]  where experimental results are compared to an identical DEM simulation. The validated model is then used for a simulation of a 1:3 scale blast furnace.  

Both  the  experimental  and  DEM model  are  780 mm  high  and  filled  with  31098    coke particles  (9.3 mm  diameter)  and  450095  ore  particles  (3 mm  diameter). Results  of  both simulations  show  that  the  descent  velocity  of  tracer  particles  is  very  similar  and  the parameters used are suitable for the blast furnace simulation. 

The model  of  the  1:3  scale  blast  furnace  is  based  on  a  bell  top  charging  system  and approximately 10 m high. Coke particles have a median diameter of 0.0694   m and ore of 0.025 m, the total number of particles  is approximately 330000. Particles are removed by shrinking when they reach the cohesive zone for ore and the raceway for the coke particles. The  shrinkage  rate decreases  inversely  proportional  to  the  surface  area  and  is balanced with  the  charging  rate  to ensure a  constant burden  level. Figure  3.23(a)  shows  the DEM simulation after 2 million time‐steps; the furnace is filled mostly with the initial packing. In Figure 3.23(b) at 10 million  time‐steps  the packed bed  is  fully  replaced creating  the  final layer  structure. The  structure  seems  to  indicate  the  presence of  funnel  flow  in  the  area between the wall and cohesive zone. Particles are observed to flow with pulses as shown in Figure  3.23(c), where  the particles have a higher  flow  rate on  the  right hand  side of  the furnace.   

 

51 

   

 

 

(a)  (a)  (c) Figure 3.23. DEM model: (a) 2M steps; (b) 10M steps;  

(c) descent velocity at 8M steps [50] 

A very large scale CFD‐DEM simulation of a blast furnace is presented by Yuu et al. in 2010 [52].  Using  the  Earth  Simulator  at  the  Japan  Agency  for  Marine‐Earth  Science  and 

Technology  a  quarter  section  of  a  full  scale  blast  furnace was  simulated.  The  furnace  is approximately 28 m high with a hearth diameter of 14.7 m and contains up  to 16 million particles. Coke has a mean diameter of 0.057 m and ore of 0.045 m, particles are shrunk in the cohesive zone and are removed in the raceway. Gas is injected through 10 tuyeres with a velocity of 250 m/s. Due to the large amount of particles the simulated time is relatively small with 3.05 s, this represents approximately 50 minutes of the real process because of a much faster particle removal rate of 600 ‐ 1000 times faster than reality. The model takes into account the volume of melt created  in the cohesive zone and the cohesive forces the melt  creates  between  particles.  Figure  3.24(a)  shows  the  simulation  at  the  end  time  of 3.05 s. Below 11 m the initial particles have settled into a packed bed but above it particles are  still  falling. Because  the  vertical  velocity  of  the  particles  decreases  approaching  the furnace wall on the right hand side, the  layers become nearly vertical there. The raceway size  shown  in  Figure  3.24(b)  is  in good  agreement with  those measured  experimentally, even  though  the  conditions are not  identical. Figure 3.24(c)  shows  the gas  flow  in  radial direction  through  the  furnace. Below  the  cohesive zone gas  flows  to  the  centre, but  the reduced  permeability  of  the  ore  layers  in  the  cohesive  zone  than  changes  the  gas  flow direction diagonally to the wall through the coke layers.  

52 

 

Tuyere level            7m         .             

 

(b) 

 

(a)  (c) 

Figure 3.24. Large scale CFD‐DEM model: (a) layer structure at t=3.05s and cross‐sections; (b) vertical particle velocity; (c) radial gas velocity [52] 

3.3.2.RacewaymodellingThe DEM method has also been used to model the blast  furnace raceway, where the hot blast is injected at high velocity into the furnace. Due to the high velocities of the gas and its interaction with the particles the raceway is a challenging section to model.  

An early combined DEM‐CFD model is presented by Xu et al., in which gas is blown into a 2D particle bed containing 10000 particles [53]. During the simulation the gas velocity was 

53 

steadily  increased  into a packed bed. Figure 3.25 shows the development of the pressure drop over the bed. From point A to B gas velocity is increased and the pressure drop rises. At point B a  cavity or  raceway  starts  forming, and  the pressure drops as  the  cavity  size increases. When  point  C  is  reached  bubbles  start  forming  and  the  bed  becomes  locally fluidised.  If  the gas velocity  is decreased at point C  the cavity collapses and  the pressure drop decreases  to point F. The difference  in paths between A‐C and C‐F  shows a  strong hysteretic effect.   

 

 Figure 3.25. Bed pressure drop vs. gas velocity [53] 

 

Nogami et al. compared a 3D DEM‐CFD raceway model to an experimental model to study the effects of  temperature, gas  composition and  top gas  recycling  [54]. Besides gas and solids the simulation also contains pulverized coal injection.   

 

54 

 

Figure 3.26. Raceway shapes [54] 

Figure  3.26  shows  a  comparison  between  the  experimental  and  computational models. Taking  into  account  the  gas  composition  and  blast  temperature  in  the  raceway,  it was confirmed that these can control raceway shape and temperature. The model was used to study  the  influence  of  top  gas  recycling  on  the  raceway.  Top‐gas  recycling  is  a way  to reduce CO2 emissions of the blast furnace by re‐injecting CO from the top‐gas. This can be done  in both  the  raceway and/or shaft of  the  furnace. The blast composition will be very different,  containing  CO,  higher  O2  and  H2,  and  much  less  N2;  the  blast  is  at  room temperature. This can significantly influence the raceway conditions.   

A  study  of  hysteresis  of  the  raceway  was  reported  by  Singh  et  al.  in  which  2D  DEM simulations  were  compared  to  experimental  results  [55].  A  reasonable  agreement  was found between the results. The cause of the hysteresis was attributed to the change in the inter‐particle interactions with gas flow.  

Umekage et al. simulated  the  raceway  region using a combination of DEM, Hard Sphere Method  (with a simplified contact model) and CFD; for particles, pulverized coal  injection and gas, respectively [56]. The model was applied to study the influence of the tuyere angle and  the  presence  of  scaffolding  on  the  furnace  wall.  At  increasing  tuyere  angle  the difference between raceway depth and height become smaller, at a too high tuyere angle flow becomes  unstable. Scaffolding,  such  as  shown  in  Figure  3.27,  affects  gas  and  solid flow, the raceway shape becomes elongated and is unstable. The effects increase when the scaffolding is closer to the tuyere.  

 

55 

 Figure 3.27. Influence of scaffolding on raceway size [56] 

A comparison between DEM‐CFD model and experimental results was presented by Yuu et al.,  showing  fairly good agreement  [57]. Figure 3.28  shows a  comparison of  the  raceway height (Hr), depth (Dr) and the length of the particle inflow area into the blast (Ds). 

 Figure 3.28. Comparison of calculated and experimental results 

of raceway simulation [57]  

56 

3.3.3.BurdenchargingmodellingThe Discrete Element Method  is very well suited for simulation of blast furnace charging, from  the  stock  house  to  the  burden,  due  to  the  relative  simplicity  of  the  physical phenomena. Main  areas  of  interest  are  particle mixing  and  segregation due  to  size  and weight, and flow behaviour when charged into the furnace. These phenomena have a large influence on the burden distribution in the furnace (which determines gas flow) and thus on the process stability.  

In 2007 Mio et al. [58] presented DEM simulations of particle charging in the blast furnace, focussing on hopper, chute and burden flow. Figure 3.29 shows the simulation of particles charging  in a chute to  investigate particles segregation. A more detailed study combined with  experimental  results  was  further  presented  [59].  Through  a  static  chute  with adaptable angle sinter particles are discharged  into a sampling box. The same  is repeated in DEM to determine the rolling coefficient and then used to study the effect of a damper on  the chute. The DEM proved  to be very good  in  reproducing  the experimental  results. Size segregation takes place with the smaller particles on the bottom of the chute and the larger on top, the dampers reduces segregation by remixing the particles.  

 

Figure 3.29. DEM simulation of blast furnace charging [58] 

Ho  et  al.  investigated  the  behaviour  of  the material  from  the  chute  impacting  on  the burden level by experiments and DEM simulation [60]. When heavier material is charged on a layer of lighter material it gouges into the burden level. Figure 3.30 shows the DEM results of charging wood (red), glass (yellow) and steel (green) balls on a wood (blue) burden.  

57 

 

Figure 3.30. Burden level after charging wood, glass and steel particles  (left to right) [60] 

 

The effect of chute angle on particle flow behaviour and segregation was  investigated by Mio et al. [61]. A hopper and rotating chute are simulated for charging the materials on the burden  level,  similar  to  the  set‐up  shown  in  Figure  3.29.  The  results  indicate  that  the material  is  centrifuged  in  the  chute  due  to  the  rotation,  shown  in  Figure  3.31,  causing particle segregation. When the chute angle is decreased more particles slide downwards on the burden leading to size segregation. 

 

 

Figure 3.31. Particle motion in chute [61] 

An extensive simulation of the behaviour of nut‐coke (small size coke) using a bell‐type top was presented [62]. The simulation contains a conveyor, chute, quad‐hopper and small and large bells. This allows the segregation of nut‐coke from the sinter during the full charging route  to  be  studied.  Figure  3.32  shows  the  particles  flowing  through  the  chute  into  the quad‐hopper and the material in the quad‐hopper, small bell and large bell. In these figures the nut‐coke  is coloured blue and  is charged  first  into  the hopper. Two other cases were simulated: one where  the nut‐coke was charged  last and one where  the nut‐coke  is  fully mixed with  the  sinter. The  results  show particle  segregation at each  transfer where nut‐

58 

coke moves upwards  in  the sinter. After charging most of  the nut‐coke ends up near  the wall due to segregation.  

Size  segregation  in  top‐bunkers  was  investigated  by  Yu  and  Saxén  using  DEM  and experimental methods  [63]. Results  show  that  segregation  is  influenced by a number of particle  properties.  Figure  3.33  shows  the  effect  of  particle‐wall  static  friction  on  the segregation. Also rolling friction, the amount of small particles, the filling method and the size ratio have an influence on segregation.  

 

 

 

 

Figure 3.32. Charging set‐up and size segregation [62] 

 

59 

 

Figure 3.33. Influence of wall friction (top: high, bottom: low) on segregation; large (red), intermediate (grey) and small (green) particles.  [63] 

3.4.Conclusions As  this  chapter  has  shown,  there  has  been  a  significant  increase  in  the  use  of Discrete Element Modelling  for the  ironmaking blast  furnace  in recent years. The  literature shows the DEM method has great potential but  still has  some  significant  challenges. Currently quite a lot of simplifications are required to be able to do any simulation.  

For DEM simulation of the blast furnace there are three fields of interest: the burden flow, the  raceway  and  charging.  The  last  is  well  within  the  current  capabilities  of  the  DEM method; there are no high temperatures, no high gas velocities and no chemical reactions. The DEM method  can be used  very well  to  study blast  furnace  charging  from  the  stock house  to  the  burden  level.  However,  problems  remain  because  of  limitations  on  the number of particles  in the simulation due to the high computational  load and because of the characterisation of the particles. The DEM method uses spherical particles, but  in the blast furnace burden materials there is a large range of shapes and sizes. Particle properties such as the rolling friction factor are not well known for burden materials.  

Simulation  of  the  raceway  requires  DEM  to  be  coupled with  a  CFD model  in  order  to calculate the gas flow. The process in the raceway is much more complicated to model due to the high gas velocities, very high temperatures, chemical reactions and shrinkage of the particles.  Simulations  generally  use  some  simplifications,  but  good  results  have  been achieved by modelling the raceway with DEM. Also here the simulations are limited in the number of particles.    

Large part of  the work has been done on modelling  the  solid  flow of  the blast  furnace. Some  simulations  include  gas  flow  and  some  include  a  liquid  level  in  the  hearth.  These simulations  have  focussed  on  the  solid  flow  distribution  and  the  resulting  burden  layer structure,  on  deadman  shape,  on  particle  stress  networks  and  on  gas  flow  through  the packed bed. The  results give a picture of how  the  layer structure of  the burden develops 

60 

when descending through the furnace. It shows the location of high normal stresses in the hearth and deadman.   

All  these  models  are  significantly  simplified,  either  by  scaling  up  particles  for  large (industrial)  scale  furnaces,  or  scaled‐down  furnace  size  for  real  size  particles.  This simplification  lowers  the  computational  load  by  reducing  the  number  of  particles.  The geometry is further reduced in size by using a slot or pie‐slice instead of the full cylindrical blast furnace shape, again reducing the number of particles in the simulation. Besides these geometry  adaptions,  the model of  the process  is  also  simplified. One  aim  is  in order  to increase the calculation speed; the particle material’s Young’s modulus  is usually reduced allowing a larger time‐step to be used, and the descent velocity is much higher requiring a smaller time which is needed to be simulated.  

The other aim is the simplifications due to the inability of the DEM method to capture the total process as it is taking place inside the blast furnace. Therefore the process is simplified on  the most  complicated  part,  the  cohesive  zone.  It  is  pre‐defined  and  no  softening  or melting  takes  place.  Further  simplifications  have  included  the  absence  of  heat  and chemical reactions.  

As can be seen in literature, with these simplifications reasonable simulations of the burden flow can be made. But  in order  to  really predict and understand  the process  in  the blast furnace the model should fully include a simulated cohesive zone and be able to determine its shape and location. This requires the coupling of the DEM model to a CFD model as well as reaction kinetics and softening and melting models, and is one of the main focus points of the current project where this thesis research is part of. 

   

61 

References1.  Yagi, J.‐i., Mathematical modeling of the flow of four fluids in a packed bed. ISIJ 

International 33 (1993), p. 619‐639. 2.  Chen, J., Akiyama, T., Nogami, H., Yagi, J.‐i., and Takahashi, H., Modeling of solid 

flow in moving beds. ISIJ International 33 (1993), p. 664‐671. 3.  Austin, P.R., Nogami, H., and Yagi, J.‐i., A mathematical model for blast furnace 

reaction analysis based on the four fluid model. ISIJ International 37 (1997), p. 748‐755. 

4.  Austin, P.R., Nogami, H., and Yagi, J.‐i., A mathematical model of four phase motion and heat transfer in the blast furnace. ISIJ International 37 (1997), p. 458‐467. 

5.  Austin, P.R., Nogami, H., and Yagi, J.‐i., Analysis of actual blast furnace operations and evaluation of static liquid holdup effects by the four fluid model. ISIJ International 38 (1998), p. 246‐255. 

6.  Austin, P.R., Nogami, H., and Yagi, J.‐i., Computational investigation of scrap charging to the blast furnace. ISIJ International 38 (1998), p. 697‐703. 

7.  Austin, P.R., Nogami, H., and Yagi, J.‐i., Prediction of blast furnace performance with top gas recycling. ISIJ International 38 (1998), p. 239‐245. 

8.  De Castro, J.A., Nogami, H., and Yagi, J.‐i., Transient mathematical model of blast furnace based on multi‐fluid concept, with application to high PCI operation. ISIJ International 637‐646 (2000), p. 7. 

9.  De Castro, J.A., Nogami, H., and Yagi, J.‐i., Numerical analysis on multiple injection of pulverized coal, prereduced iron ore and flux with oxygen enrichment to the blast furnace. ISIJ International 41 (2001), p. 

10.  De Castro, J.A., Nogami, H., and Yagi, J.‐i., Three‐dimensional multiphase mathemathical modeling of the blast furnace based on the multifluid model. ISIJ International 42 (2002), p. 44‐52. 

11.  Chu, M., Nogami, H., and Yagi, J.‐i., Numerical analysis on charging carbon composite agglomerates into blast furnace. ISIJ International 44 (2004), p. 

12.  Chu, M., Nogami, H., and Yagi, J.‐i., Numerical analysis on blast furnace performance under operation with top gas recycling and carbon composite agglomerates charging. ISIJ International 44 (2004), p. 2159‐2167. 

13.  Chu, M., Nogami, H., and Yagi, J.‐i., Numerical analysis on injection of hydrogen bearing materials into blast furnace. ISIJ International 44 (2004), p. 801‐808. 

14.  Nogami, H., Chu, M., and Yagi, J.‐i., Multi‐dimensional transient mathemathical simulator of blast furnace process based on multi‐fluid and kinetic theories. Computers and Chemical Engineering 29 (2005), p. 2438‐2448. 

15.  Nogami, H., Chu, M., and Yagi, J.‐i., Numerical analysis on blast furnace performance with novel feed material by multi‐dimensional simulator based on multi fluid theory. Applied Mathematical Modelling 30 (2006), p. 1212‐1228. 

16.  Nogami, H., Pintowantoro, S., and Yagi, J.‐i., Numerical analysis on behavior of unburned char and fine coke in blast furnace. ISIJ International 45 (2005), p. 1489‐1495. 

17.  Zaïmi, S.A., Akiyama, T., Guillot, J.‐B., and Yagi, J.‐i., Sophisticated multi‐phase multi‐flow modeling of the blast furnace. ISIJ International 40 (2000), p. 322‐331. 

18.  Zaïmi, S.A., Guillot, J.‐B., and Biausser, H., A solid flow model for blast furnace based on hypo‐plasticity theory. Ironmaking and Steelmaking 30 (2003), p. 475‐482. 

62 

19.  Zhang, S.J., Yu, A.B., Zulli, P., Wright, B., and Tüzün, U., Modelling of the solids flow in a blast furnace ISIJ International 38 (1998), p. 1311‐1319. 

20.  Wang, G.X., Litster, J.D., and Yu, A.B., Simulation of gas‐liquid flow in dripping zone of blast furnace involving impermeable fused layers. ISIJ International 40 (2000), p. 627‐636. 

21.  Chew, S.J., Zulli, P., and Yu, A., Modelling of liquid flow in the blast furnace. Application in a comprehensive blast furnace model. ISIJ International 41 (2001), p. 1122‐1130. 

22.  Zhang, S.J., Yu, A.B., Zulli, P., Wright, B., and Austin, P., Numerical simulation of solids flow in a blast furnace. Applied Mathematical Modelling 26 (2002), p. 141‐154. 

23.  Dong, X.F., Pinson, D., Zhang, S.J., Yu, A.B., and Zulli, P., Gas‐powder flow and powder accumulation in a packed bed II: Numerical study. Powder Technology 149 (2004), p. 10‐22. 

24.  Dong, X.F., Pinson, D., Zhang, S.J., Yu, A.B., and Zulli, P., Gas‐powder flow in blast furnace with different shapes of cohesive zone. Applied Mathematical Modelling 30 (2006), p. 1293‐1309. 

25.  Dong, X.F., Yu, A.B., Yagi, J., and Zulli, P., Modelling of multiphase flow in a blast furnace: recent developments and future work. ISIJ International 47 (2007), p. 1553‐1570. 

26.  Cundall, P.A. and Strack, O.D.L., A discrete numerical model for granular assemblies. Geotechnique 29 (1979), p. 47‐65. 

27.  Campbell, C.S. and Brennen, C.E., Computer simulations of granular shear flows. Journal of Fluid Mechanics 151 (1985), p. 167‐188. 

28.  Walton, O.R. and Braun, R.L., Viscosity, granular‐temperature, and stress calculations for shearing assemblies of inelastic, frictional discs. Journal of Rheology 30 (1986), p. 949‐980. 

29.  Zhou, Y.C., Wright, B., Yang, R.Y., Xu, B.H., and Yu, A.B., Rolling friction in the dynamic simulation of sandpile formation. Physica A 269 (1999), p. 536‐553. 

30.  Tsuji, Y., Tanaka, T., and Ishida, T., Lagrangian numerical simulation of plug flow of cohesionless particles in a horizontal pipe. Powder Technology 71 (1992), p. 239‐250. 

31.  Gu, Z.H., Arnold, P.C., and McLean, A.G., A simplified model for predicting the particle flow‐rate from mass flow bins. Powder Technology 74 (1993), p. 153‐158. 

32.  Langston, P.A., Tuzun, U., and Heyes, D.M., Discrete element simulation of granular flow in 2D and 3D hoppers: dependence of discharge rate and wall stress on particle interactions. Chemical Engineering Science 50 (1995), p. 967‐987. 

33.  Xu, B.H. and Yu, A.B., Numerical simulation of the gas‐solid flow in a fluidized bed by combining discrete particle method with computational fluid dynamics. Chemical Engineering Science 52 (1997), p. 2785‐2809. 

34.  Tsuji, Y., Activities in discrete particle simulation in Japan. Powder Technology 113 (2000), p. 278‐286. 

35.  Nouchi, T., Takeda, K., and Yu, A.B., Solid flow caused by bouyancy force of heavy liquid. ISIJ International 43 (2003), p. 187‐191. 

36.  Nouchi, T., Sato, T., Sato, M., Takeda, K., and Ariyama, T., Stress field and solid flow analysis of coke packed bed in blast furnace based on DEM. ISIJ International 45 (2005), p. 1426‐1431. 

63 

37.  Nouchi, T., Sato, M., and Takeda, K. Studies of ironmaking by discrete element method and examples of application to analysis of phenomena in blast furnace. in Recent progress on mathematical modeling in ironmaking. (2008), Tokyo, Japan. 

38.  Zhou, Z.Y., Pinson, D., Zhu, H.P., Yu, A.B., Wright, B., and Zulli, P. Discrete particle simulation of gas‐solid flow in a blast furnace. in Third International Conference on CFD in the Minerals and Process Industries. (2003), Melbourne, Australia. 

39.  Zhou, Z., Zhu, H., Yu, A., Wright, B., Pinson, D., and Zulli, P., Discrete particle simulation of solid flow in a model blast furnace ISIJ International 45 (2005), p. 1828‐1837. 

40.  Zhou, Z.Y., Zhu, H.P., Yu, A.B., Wright, B., and Zulli, P., Discrete particle simulation of gas‐solid flow in a blast furnace. Computers and Chemical Engineering 32 (2007), p. 1760‐1772. 

41.  Zhu, H.P., Zhou, Z.Y., Yu, A.B., and Zulli, P. Stress fields of the solid flow in a model blast furnace based on CFD‐DEM simulation. in Discrete Element Methods '07. (2007), Brisbane, Australia. 

42.  Zhou, Z., Zhu, H., Yu, A., and Zulli, P., Numerical investigation of the transient multiphase flow in an ironmaking blast furnace. ISIJ International 50 (2010), p. 515‐523. 

43.  Ueda, S., Nogami, H., Kano, J., and Ariyama, T. Development of blast furnace operation simulator including discrete element concept for solid motion. in Recent progress on mathematical modeling in ironmaking. (2008), Tokyo, Japan. 

44.  Ueda, S., Natsui, S., Fan, Z., Nogami, H., Soda, R., Kano, J., Inoue, R., and Ariyama, T., Influences of physical properties of particle in discrete element method on descending phenomena and stress distribution in blast furnace. ISIJ International 50 (2010), p. 981‐986. 

45.  Natsui, S., Ueda, S., Fan, Z., Andersson, N., Kano, J., Inoue, R., and Ariyama, T., Characteristics of solid flow and stress distribution including asymetric phenomena in blast furnace analyzed by discrete element method. ISIJ International 50 (2010), p. 207‐214. 

46.  Fan, Z., Natsui, S., Ueda, S., Yang, T., Kano, J., Inoue, R., and Ariyama, T., Transient behavior of burden descending and influence cohesive zone shape on solid flow and stress distribution in blast furnace by discrete element method. ISIJ International 50 (2010), p. 946‐953. 

47.  Fan, Z., Igarashi, S., Natsui, S., Ueda, S., Yang, T., Inoue, R., and Ariyama, T., Influence of blast furnace inner volume on solid flow and stress distribution by three dimensional discrete element method. ISIJ International 50 (2010), p. 1406‐1412. 

48.  Kawai, H. and Takahashi, H., Solid behavior in shaft and deadman in a cold model of blast furnace with floating‐sinking motion of hearth packed bed studied by experimental and numerical DEM analyses. ISIJ International 44 (2004), p. 1140‐1149. 

49.  Kawai, H. and Takahashi, H. Computer simulation of the effect of center charging solid density on the solid flow and deadman behavior in blast furnace. in Recent progress on mathematical modeling in ironmaking. (2008), Tokyo, Japan. 

50.  Mio, H., Yamamoto, K., Shimosaka, A., Shirakawa, Y., and Hidaka, J., Modeling of solid particle flow in blast furnace considering actual operation by large‐scale discrete element method. ISIJ International 47 (2007), p. 1745 ‐ 1752. 

64 

51.  Mio, H., Yamamoto, K., Shimosaka, A., Shirakawa, Y., and Hidaka, J. Analysis of granular flow in blast furnace by discrete element method. in Recent progress on mathematical modeling in ironmaking. (2008), Tokyo, Japan. 

52.  Yuu, S., Umekage, T., Matsuzaki, S., Kadowaki, M., and Kunitomo, K., Large scale simulation of coke and iron ore particle motions and air flow in actual blast furnace. ISIJ International 50 (2010), p. 962‐971. 

53.  Xu, B.H., Yu, A.B., Chew, S.J., and Zulli, P., Numerical simulation of the gas‐solid flow in a bed with lateral gas blasting. Powder Technology 109 (2000), p. 13‐26. 

54.  Nogami, H., Yamaoka, H., and Takatani, K., Raceway design for the innovative blast furnace. ISIJ International 44 (2004), p. 2150‐2158. 

55.  Singh, V., Gupta, G.S., and Sarkar, S., Study of gas cavity size hysteresis in a packed bed using DEM. Chemical Engineering Science 62 (2007), p. 6102‐6111. 

56.  Umekage, T., Kadowaki, M., and Yuu, S., Numerical simulation of effect of tuyere angle and wall scaffolding on unsteady gas and particle flows including raceway in blast furnace. ISIJ International 47 (2007), p. 659‐668. 

57.  Yuu, S., Umekage, T., and Kadowaki, M., Numerical simulation of particle and air velocity fields in raceway in model blast furnace and comparison with experimental data (cold model). ISIJ International 50 (2010), p. 1107‐1116. 

58.  Mio, H., Miyazaki, S., Seki, T., Shimosaka, A., Shirakawa, Y., Hidaka, J., Matsuzaki, S., and Kunitomo, K. Modeling of solid particle flow in ironmaking process by large‐scale discrete element method. in Discrete Element Methods '07. (2007), Brisbane, Australia. 

59.  Mio, H., Komatsuki, S., Akashi, M., Shimosaka, A., Shirakawa, Y., Hidaka, J., Kadowaki, M., and Matsuzaki, S., Validation of particle size segregation of sintered ore during flowing through laboratory‐scale chute by discrete element method. ISIJ International 48 (2008), p. 1696‐1703. 

60.  Ho, C.K., Wu, S.M., Zhu, H.P., Yu, A.B., and Tsai, S.T., Experimental and numerical investigations of gouge formation related to blast furnace burden distribution. Minerals Engineering 22 (2009), p. 986‐994. 

61.  Mio, H., Komatsuki, S., Akashi, M., Shimosaka, A., Shirakawa, Y., Hidaka, J., Kadowaki, M., Matsuzaki, S., and Kunitomo, K., Effect of Chute Angle on Charging Behaviour of Sintered Ore Particles at Bell‐less Type Charging System of Blast Furnace be Discrete Element Method. ISIJ International 49 (2009), p. 479‐486. 

62.  Mio, H., Komatsuki, S., Akashi, M., Shimosaka, A., Shirakawa, Y., Hidaka, J., Kadowaki, M., Yokoyama, H., Matsuzaki, S., and Kunitomo, K., Analysis of traveling behavior of nut coke particles in bell‐type charging process of blast furnace by using discrete element method. ISIJ International 50 (2010), p. 1000‐1009. 

63.  Yu, Y. and Saxén, H., Experimental and DEM study of segregation of ternary size particles in a blast furnace top bunker model. Chemical Engineering Science 65 (2010), p. 5237‐5250. 

 

 

65 

Chapter4DevelopmentofaDEM‐CFDblastfurnacemodel 

4.1.IntroductionIn  the  previous  chapters  it  has  been  shown  that  blast  furnace  ironmaking  is  a  highly complex process in which the cohesive zone plays a very important role. It is connected to many phenomena critical  to  the blast  furnace process and determines process efficiency and stability of operation to a  large extent. The cohesive zone strongly  influences the gas resistance of  the descending burden  and distributes  the  ascending  reductant  gas  to  the upper furnace part. The burden flow resistance has a direct influence on the burden descent rate and can cause operational problems when a burden hangs and slips. Gas distribution determines the amount of reduction taking place in the upper blast furnace and influences the process in a number of ways.  

It  is very difficult  to know what exactly  takes place where  inside  the blast  furnace during production. Measurement  of  blast  furnace  conditions  is  limited  to  the  in‐  and  outgoing material flows, and conditions along the side walls. Valuable  information has been gained in the past by blast furnace dig‐outs, but these show the process  in a frozen state and do not give information on changing conditions during operation.  

There is a clear demand for better knowledge of the process inside the blast furnace during production and how  it  reacts  to  changing process parameters. This demand  is driven by economic and environmental developments. The  current  financial  crisis asks  for optimal use  of  costly  resources  and  the  drive  for  a  reduction  in  greenhouse  gases  requires  high efficiency and productivity as well as new blast furnace technologies.  

Mathematical modelling  can  produce  a method  to  study  the  conditions  inside  the  blast furnace and how  it  reacts  to a changes  in operational parameters. The blast  furnace has been modelled extensively using continuum methods  in recent decades, but these cannot accurately simulate the discrete nature of the burden. Individual particles can be modelled using  the  Discrete  Element  Method  (DEM)  which  can  accurately  simulate  solids  flow. Recent increases in computing power have seen a fast rise in its use. The research project of which  this  thesis  is a part aims  to  improve  the previous continuum models by combining the DEM model with Computational Fluid Dynamics  (CFD)  for gas  flow simulation, and a number of sub‐models for reaction kinetics and softening and melting.  

The  set‐up  and  results  of  all  of  the  simulations  done  in  this  study  are  presented  in  this chapter. Six different  cases  are  presented  showing  the development  of  the model  from small test conditions to much more realistic simulations. Increasing realism was introduced by  changing geometry  size and  shape, by using non‐spherical particles, by  including gas temperature and by using more realistic operating parameters. Because this PhD thesis  is 

66 

part of a larger project, work is being continued on introducing increased realism to reach our goal of predicting the properties of the cohesive zone. 

 

4.2.ModellingmethodsAll  the  Discrete  Element  Modelling  was  done  using  the  EDEM  software  from  DEM Solutions [1]. For the Computational Fluid Dynamics part ANSYS Fluent from ANSYS was used [2], and for the coupling between DEM and CFD the EDEM Coupling module [3]. 

4.2.1.CFDModelling

Partial differential equations 

Computational  Fluid  Dynamics  (CFD)  is  a  numerical  tool  to  simulate  fluid  flow  related problems.  In this work the general purpose CFD code FLUENT was used with GAMBIT as pre‐processor [2]. A problem is solved by dividing the geometry into a number of cells and solving  a  set  of  conservation  equations  for  them,  constrained  by  pre‐defined  boundary conditions. The  conservation equations are a  set of partial differential equations  (PDE’s) representing  simultaneous  conservation  of  mass,  momentum,  thermal  energy  and chemical species. These govern fluid flow and related transport phenomena for fluids and solids. Because the simulations  in  this  thesis do not consider  thermal energy or chemical species,  these  PDE’s  can  be  disregarded.  The  PDE’s  for  continuity  and momentum  are given by respectively equation (4.1) and (4.2). 

∙   (4.1) 

where    =  density,   =  velocity  factor,  t  =  time  and  Sm  = mass  source.  The  continuity equation governs mass  conservation. The  first  term on  the  left hand  side  represents  the rate of  increase of mass, the second represents rate of flow of mass  into a fluid element. The right hand term represents the mass added to the continuous phase from a dispersed second phase (e.g. due to vaporization) and any user‐defined sources.  

∙ ∙   (4.2) 

 In which the stress tensor   is defined as: 

23

∙   (4.3) 

 

where  p=  static  pressure,   =  gravitational  acceleration,   =  external  body  forces,    = molecular  viscosity,  I  =  unit  tensor.    The  Navier‐Stokes  momentum  equation  satisfies Newton’s second law; the rate of change of momentum equals the sum of forces acting on 

67 

the  element.  The  terms  on  the  left  hand  of  equation  (4.2)  respectively  refer  to  rate  of momentum  increase of the element and the net rate of momentum  into the element. On the right hand the terms refer to the surface force on the element due to viscous stress, due to the pressure gradient and due to gravity and other body forces. 

An extra set of equations  is required to close the system of fluid dynamic equations; they also supply relations between thermodynamic variables as well as between transport and thermodynamic properties. These equations are called equations of state, an example of which is the ideal gas law.  

Numerical schemes 

FLUENT can use two numerical schemes to solve the PDE’s, the segregated or the coupled solver shown in Figure 4.1 [2]. Both are control volume based methods that consist of: 

Division of the domain into discrete control volumes using a computational grid  Integration of the governing PDE’s on the control volumes to construct algebraic 

equations  Linearization of the discretized equations and solution of the resultant linear 

equation system to yield updated values of the dependent variables 

Segregated solver  

The  segregated  solver  solves  the governing equations  sequentially,  i.e.  segregated  from one another. To obtain a converged solution many iterations are necessary. Each iteration consists of the following steps: 

1. Fluid properties are updated based on the current solution (for the first iteration initialized values are used) 

2. The u, v and w momentum equations are each solved in turn using current values of the pressure and face mass fluxes in order to update the velocity field 

3. The velocities obtained in step 2 may not satisfy the continuity equation for the volume, and an equation for a pressure correction is derived from the continuity equation and the linearized momentum equations. This pressure correction equation is then solved to obtain the necessary corrections to the pressure and velocity fields and face mass fluxes to satisfy continuity.  

4. The equations for the scalars such as turbulence, energy, species, radiation and user‐defined scalars are solved using the previously updated values for the other variables 

5. A check for convergence of the equation set is made  These steps are repeated until convergence is reached. 

68 

Coupled solver 

The  governing  equations  for  continuity, momentum,  energy  and  species  transport  are solved simultaneously,  in other words coupled. Governing equations for additional scalars will be solved sequentially using the following procedure: 

1. Fluid properties are updated based on the current solution (for the first iteration initialized values are used) 

2. The continuity, momentum, energy and species equations are solved simultaneously  

3. Equations for additional scalars such as turbulence, radiation or user defined are solved using the previously updated values of the other variables 

4. The convergence is checked, the steps are repeated until convergence is reached  

 

Figure 4.1. Segregated and coupled solution methods [2] 

Linearization: implicit versus explicit 

The  discrete  non‐linear  governing  equations  are  linearized  to  produce  a  system  of equations for the dependent variables in every computational cell [2]. This linear system is solved to obtain an updated flow field solution. 

The governing equations can be linearized in two ways, “implicit” and “explicit”: 

Implicit: The unknown variable in a cell is calculated using a relation which includes existing and unknown values from neighbouring cells. Each unknown appears in multiple equations, and these equations are solved simultaneously.    

Explicit: Each unknown variable is calculated using a relation that includes only existing values. Each unknown will appear in only one equation and the equations are solved one at a time. 

Solve momentum equations

Update properties

Solve pressure correction (Continuity equation)

Update pressure, face mass flow rate

Solve energy, species, turbulence and other scalar equations

Converged? Stop

Update properties

Solve continuity, momentum, energy and species equations

simultaneously

Solve turbulence and other scalar equations

Converged? Stop

69 

 In the segregated solution method implicit linearization is used. The segregated approach solves for a single variable field (e.g., pressure) by considering all cells at the same time. It then solves the next variable field, again considering all cells at the same time, and so on. There is no explicit option for the segregated solver.  

In  the  coupled  solution  method  implicit  or  segregated  linearization  of  the  governing equations are available. These, however, only refer to the simultaneously solved equations. The additional variables such as turbulence, radiation or a user defined scalar are linearized and solved  implicitly using the segregated solving method. The coupled  implicit approach solves all variables in all cells at the same time. A point implicit (block Gauss‐Seidel) linear equation solver is used in combination with the Algebraic Multigrid method (AMG). This is a method to accelerate convergence by solving the problem on a coarser grid or resolution and  interpolating  this  data  on  a  finer  grid.  The  coupled  explicit  approach  solves  for  all variables one cell at a time, using a multi stage (Runge‐Kutta) solver and the AMG method.  

Discretisation 

To solve the PDE’s, first the flow domain is discretised by generating a large amount of cells or  control  volumes. FLUENT  then uses a  control‐volume‐based  technique  (finite  volume method, FVM) to discretise the governing PDE’s to algebraic equations that can be solved numerically for each cell [2]. This technique consists of integrating the governing equations about  each  control  volume,  giving  discrete  equations  that  conserve  each  quantity  on  a control‐volume basis. Using this technique the integral form for an arbitrary control volume V can be written as: 

∅ ∙ Γ ∅ ∙ ∅   (4.4) 

 where:   ρ  density    scalar quantity    velocity vector     surface area factor 

Γ    diffusion coefficient for  ∅   gradient of  

SΦ  source of  per unit volume 

 

Equation (4.4) is applied to each control volume, or cell, in the computational domain. The discretisation of equation (4.4) on a given cells is: 

70 

∅ ∙ Γ ∅ ∙ ∅   (4.5) 

 where:   

Nfaces  number of faces enclosing cell 

∅    value of convected through face f 

∅ ∙    mass flux through the face 

   area of face f 

∅    magnitude of normal to face f 

V  cell volume 

The equations solved by FLUENT are similar  to equation  (4.5) and can be used  for multi‐dimensional, unstructured meshes composed of polyhedra. 

First‐ and second‐order upwind 

FLUENT stores discrete values of the scalar at the cell centres, however, face values for øf are  required  in  equation  (4.5). These  values  therefore have  to be  extrapolated  from  the values  stored  at  the  cell  centres. This  can be done using  an upwind  scheme; upwinding means  that  the  face  value  is derived  from quantities  in  the  cell upstream  relative  to  the direction  of  the  normal  velocity  in  equation  (4.5).  There  are  several  upwind  schemes available  in FLUENT:  first‐order upwind, second‐order upwind, power  law and QUICK.  In this thesis work only first‐ and second‐order upwind schemes were used. 

When the first‐order upwind scheme is used quantities at the cell faces are determined by assuming that the cell centre values of any field variable represent a cell average value and hold throughout the entire cell; the face quantities are  identical to the cell quantities. The second‐order upwind scheme cell face quantities are computed using a multi‐dimensional linear  reconstruction method. Higher  order  accuracy  is  obtained  at  cell  faces  through  a Taylor series expansion of the cell centred solution about the cell centroid. The face value is computed by: 

∅ ∅ ∅ ∙ ∆   (4.6) where 

  ∅ ∑ ∅   (4.7) 

 

where and are the cell centred value and its gradient in the upstream cell, and sis 

the displacement vector from the upstream cell centroid to the face centroid. The gradient 

71 

is calculated using the divergence theorem. Face values  f are computed by averaging  

from the two adjacent cells.   

Under‐relaxation 

Because  of  the  non‐linearity  of  the  equation  set  solved  by  FLUENT,  it  is  necessary  to control  the change of ø. Under‐relaxation  reduces  the change of ø during each  iteration, and can be seen as: 

 ∅ ∅ ∆∅  (4.8) 

 where: 

∅   old value of variable ø ∆∅  computed change in ø α  under‐relaxation factor 

 

4.2.2.DEMModellingIn  the  Discrete  Element  Method  every  individual  particle  is  tracked  and  its  motion  is calculated based on Newton’s  second  law of motion and  the governing equation  for  the translational motion can be written as: 

F F F   (4.9) 

 

where particle i has mass mi and velocity vi. The right hand side contains terms for contact, gravity and drag forces. This general governing equation for the solid motion is solved with the general purpose DEM software package EDEM [1]. In equation (4.9), the collision forces are calculated using the Herz‐Mindlin No Slip contact model based on the work of Mindlin and Deresiewicz [4]. The two forces governing the contact model are the normal force and the damping force. The former is a function of the equivalent Young’s modulus E* (stress‐strain relation) according to equation (4.10) where R* and δn are the equivalent radius and normal  overlap.  Damping  force  shown  in  equation  (4.11)  is  a  function  of  the  particle properties; equivalent mass m* and the normal component of the relative velocity vn

rel; and 

material properties; the normal stiffness Sn and the coefficient of restitution e.  

F43

∗ ∗ ⁄   (4.10) 

F 2 56

∗ (4.11) 

72 

with ln

√ln   

and 

2 ∗ ∗     

Besides  translational  motion  as  governed  by  equation  (4.9)  particles  also  undergo rotational motion, which is governed by equation (4.12).  

T M   (4.12) 

 

where  Ii  is  the moment of  inertia, ωi  the angular velocity, Ti  the  torque generated by  the tangential forces and Mi is the torque generated by the rolling friction. The tangential force torque given in equation (4.13) depends on two components: the tangential force Ft and the tangential  damping  force  Ft

d.  The  former  is  shown  in  equation  (4.14),  where  δt  is  the 

tangential overlap and St  the  tangential stiffness; and  the  latter  in equation  (4.15) where vt

rel is the relative tangential velocity.  

T R F F   (4.13) 

F   (4.14) with 

8 ∗ ∗   

F 2 56

∗   (4.15) 

 

Coulomb  friction, μsFn with μs the coefficient of static  friction,  limits the tangential  force. Rolling  friction  is  included  in  the  equations  by  applying  the  negative  torque  shown  in equation (4.16), where μr is the coefficient of rolling friction, Ri the distance from the centre of mass to the contact point and ωi the unit angular velocity vector at the contact point.   

M   (4.16) For an extensive background on the theory of discrete particle modelling we would like to refer to Zhu et al. [5]. 

 

73 

4.2.3.DEM–CFDCouplingThe EDEM – Fluent Coupling Module is used to couple the DEM simulation with CFD, and uses the existing Eulerian – Eulerian multiphase model in Fluent. Equations (4.17) and (4.18) show  the continuity and momentum equations  for  the gas phase, where ε  is  the volume fraction, ρ the density, u the velocity, μ the viscosity, p the pressure and S the momentum sink. The momentum equation is based on the Model B as proposed by Gidaspow [6] where the  pressure  drop  is  only  in  the  gas  phase  and  is  not  shared  by  the  solid  phase  as  is described  by Model  A.  For mono‐sized  particles  there  is  little  difference  between  both models, for the fluidization of binary mixtures Model B  is preferred as shown by Feng [7]. Although  in  this simulation  two particle sizes are used  they are separated  in mono‐sized layers and even if mixed, Model B is preferred.  

∙ u 0  (4.17) 

u∙ uu ∙ u g S  (4.18) 

The solid volume fraction is copied from the DEM to the CFD model; the coupling module over‐rides the continuity equation for the solid phase such that it is not solved by FLUENT. To determine the solid  fraction  in a cell, regular sample points are taken  in the bounding box of each particle. A point  is kept  if the point  lies  in a particle and  it  is then checked  in which CFD cell it lies. When this is done for all particles the solid fraction for each cell can be determined by: 

1   (4.19) 

In which nc  is  the number of  sample points of particle  p  in  the mesh  cell, N  is  the  total number of sample points for a particle and Vp the particle volume. 

The momentum  coupling  causes  an  additional  force on  the DEM particles based on  the local drag force. In the CFD simulation a momentum sink is added to each of the mesh cells to  represent  the  effect  of  the momentum  transfer  to  the  DEM  particles.  Consider  the momentum sink, S, on a mesh cell: 

∑ ∑  (4.20) 

 

where F is the force on a particle in a particular iteration from the fluid. The sum is over the number of DEM iterations carried out between CFD iterations which generally have a larger time step than the DEM simulation. The drag force on the individual particles is calculated using the Di Felice [8] drag model as shown in Equation (4.21). 

74 

  (4.21) 

where: 0.5 v v v v    

0.634.8

.    

 where ε is voidage and χ is given by: 

3.7 0.651.5 log

2  (4.22) 

 

 

75 

4.3.ModellingapproachThe  work  described  here  is  based  on  several  different  geometries  to  describe  the ironmaking blast furnace. A full scale industrial blast furnace has a height of approximately 35 m  and  is  up  to  15 m  in  diameter. Due  to  high  computational  requirements  for DEM simulations,  it  is  as  yet  impossible  to model  the  full  scale  furnace  with  its millions  of particles. Therefore, a reduced scale geometry has to be chosen  in order to decrease the total amount of particles to be simulated. During the course of this work two main options have been used: the slot model and the pie‐slice model. The former is a cross‐section of the furnace with parallel front and back planes and is more or less a semi‐2D model as it does not truly capture the three dimensional cylindrical blast furnace shape. The pie‐slice model does and its front and back planes converge on the centre‐line of the furnace. 

This chapter  is divided  into several sections each describing  the particulars of a case;  the geometry, boundary conditions, results and discussion. Six cases are described: 

Lab scale slot model:  Small scale slot model with single spherical particle type, to compare with experimental and simulated literature data. 

Pie‐slice model of scaled‐down blast furnace:  Pie‐slice model of a scaled down industrial blast furnace, simulations with a single particle type of spherical or non‐spherical particles. To investigate influence of particle shape on solid flow. 

Blast furnace models with different geometry:  Study on the influence of the geometry shape; pie‐slice, slot model and full cylindrical furnace. 

Slot model of Experimental blast furnace:  Slot model of an experimental blast furnace with both spherical and non‐spherical particle layers. Includes gas flow to investigate its influence on solid flow. 

Modelling the burden charging and wall conditions: 

Small supplementary study on the charging of the burden in the blast furnace 

4.3.1.LabscaleslotmodelThe first simulations were performed to assess the performance of the software used in this research with the results from the work by Zhou et al. [9] and to study the influence of non‐spherical particles.  In the experiments  from the  literature an approximately 250 mm high blast  furnace  scale model was  filled with  glass  beads.  In  the model  there  is  no  hearth present and the particles are removed from the bottom while new particles are charged in layers at the top. This is compared with a DEM model with the same scale and geometry. A second simulation in the study of Zhou compares the results to a DEM model of a 1 m high geometry including a hearth, where the particles are removed from the raceway zones.  

76 

These literature results were compared to two DEM simulations. The first has a very similar geometry  as  the  experimental model,  though at  the  larger  scale of  the DEM  simulation from  literature, which we  shall call Case  Ia. The  second adds a hearth and non‐spherical particles  to  the  simulation  to  study  their effect on particle  flow, Case  Ib. Our  results are compared  to  both  the  experimental  results  and  the  DEM  simulation  presented  in  the journal paper of Zhou et al .  

Geometry and particles 

The geometries  in  this  simulation are based on  the experimental and  simulation  set‐ups from the literature [1]. Two geometries are presented in which the particles at the start of the  simulation are  coloured grey and  the ones with which  the model  is  refilled after  the start  are  red  and  white.  The  sole  purpose  of  these  colours  is  to  create  distinct  layers allowing the flow pattern to be studied; all particles are physically exactly equal. Both the front and back planes of the model are made of Perspex to make the particle flow visible in the experiments. Particles are discharged by gravity through two gaps in the bottom next to side‐walls of the furnace. The first literature DEM simulation uses the same geometry as is used in the experiment, and the second literature DEM simulation is four times larger in height and width. These literature results are compared to a DEM simulation of a geometry with an equal size to the larger DEM simulation. This geometry is shown in Figure 4.1; it has a height of 0.925 m, width at the top  is 0.275 m and the depth  is 0.05 m. All particles are spherical  and  have  a  diameter  of  0.01 m,  particle  properties  and model  parameters  are shown in Table 4.1 and are determined based on the values from literature.  

The second geometry used here is similar to the first but extends below the raceway zones to  contain  a  hearth  zone.  In  the  literature  [9]  particles  are  removed  in  two  rectangular zones representing the raceway zones rather than through the bottom for comparison with the experimental results. Due to software restrictions particles  in our model are removed by gravity  through 0.03 m high outlets  in  the  side walls. Case  Ib  is a  slot model  1.025 m high,  0.275 m  wide  and  0.050 m  thick.  Expanding  the  literature  research  besides comparison  of  the  results,  the  influence  of  non‐spherical  particles  has  also  been investigated. A  simulation using only 0.01 m  spherical particles has been  compared  to  a case  including  non‐spherical  particles. The  former  represents  only  pellets  and  the  latter coke  and  pellets  in  the  actual  blast  furnace  process.  By  combining  8  spheres  of  0.01 m diameter  in a cubic arrangement with 0.004 m overlap non‐spherical particles are created with a height, width and depth of 0.016 m, shown in Figure 4.1(b). 

 

77 

 

 

(a)  (b) 

Figure 4.1. (a) DEM model geometry of the present study, case Ia and Ib 

with hearth extension; (b) particle shape 

 

Table 4.1. Simulation parameters Variable  Case Ia  Case Ib Particle diameter  0.01  m  0.01 – 0.016 mm Particle density  2500 kg/m3  2500 kg/m3 Poisson’s ratio  0.172  0.172 Shear modulus  3×10

8 Pa  3×108 Pa 

Coefficient of restitution  0.0001  0.6 Coefficient of static friction (part.‐part.)  0.4  0.4 Coefficient of static friction (part.‐wall)  0.4  0.4 Coefficient of rolling friction  0.1  0.1 Time step  2.5×10

‐5 s  3×10‐5 s 

 

Boundary conditions and simulation procedure 

Both front and back walls in the models are physical walls, representing the Perspex walls used in the experiments of the literature [1]. The simulation parameters are taken from the literature or are very  similar  to  it due  to a difference  in  the elastic constants used  in  the model, in EDEM described with the Shear modulus and Poisson’s ratio, but in the literature model with Young’s modulus. To be able to run the simulations within an acceptable time 

0.275 m

0.925 m

0.1 m

0.430 m

Ia

Ib

78 

the  shear modulus,  which  determines  for  a  large  part  the  size  of  the  time  step,  was reduced. This  is an unavoidable and general practice  for  larger size DEM simulations and simulations show  it does not have a significant  influence on  the packed bed  flow  [10].  In case  Ia  the  coefficient  of  restitution, which  is  the  ratio  of  the  velocity  before  and  after particles collision,  is kept at a minimal value to ensure the stability of the simulation with which  there were  some  issues. At higher values  the  simulations would  regularly become unstable with particles generating very high velocities within a time‐step.  

Each simulation starts by creating random particles in the geometry, and they settle into a packed  bed which  is  the  initial  packing  for  the  simulation.  In  the  first  picture  in  Figure 4.2(a), which shows the results of case Ia, the initial particles are coloured grey. When the furnace is filled up to approximately 100 mm under the top, the two outlets in the bottom are opened and the particles flow out by gravity. When the surface of the packed bed drops down to the level where the vertical throat ends and the sloping shaft starts , a new layer of 1000 particles is created. These layers are alternatingly coloured red and white to visualize the emerging flow patterns.  

In  case  Ib  the  initial  packing  consists  of  17300  spherical  beige  particles.  After filling, the outlets  in the sidewalls are opened and the particles flow out under gravity. As the  packed  bed  level  drops  layers  of  grey  and  green  particles  are  created.  For  the simulations containing only spherical particles, all particles are  the same  in  their physical properties. When non‐spherical particles are included in the simulation these are coloured grey and alternate with green layers of spherical particles. Each spherical layer contains 750 particles and each non‐spherical  layer 150. The simulation  is stopped when 1230 spherical particles are removed or the equivalent volume in spherical and non‐spherical particles.    

Results and discussion 

The results of case Ia and the results from the literature are presented in Figure 4.2, where the first row shows the results from our DEM simulations, the second row the experimental results from the literature and the third row the DEM results from the literature. Due to the uncontrolled outflow of particles the simulations cannot be compared based on simulation time. From the results  in Figure 4.2(a) three different flow regions can be observed  in the model. In the top part of the furnace there is plug flow where particles have the same speed across the width of the furnace. In the stack the flow changes and the layer structure starts to resemble a W‐shape caused by slow flow in the centre of the furnace, rapid flow to the outlets at ¼ and ¾ of the width and again slow flow close to the walls. The W‐shape of the layer  is generally associated with materials  flow  in  the blast  furnace. The  third picture  in Figure 4.2(a) shows the formation of a low velocity zone in the lower area of the furnace. In the real blast furnace this zone is present as the Deadman which is a stagnant zone in the lower  part  of  the  furnace where  the  coke  has  a much  longer  residence  time  than  the particles in other parts of the furnace. In the last picture the zone becomes invisible due to the gradual  replacement of grey particles by  red and white ones,  though  the outline can still be seen in these layers as well. 

79 

  t = 5.5 s  t = 17.6 s  t = 23.3 s  t = 40.8 s   

 

(a) DEM Simulation from this work 

 

(b) DEM Simulations, literature [9] 

 

(c) Experimental results, literature [9]  

  Figure 4.2. Comparison experimental results and DEM simulations 

 

80 

Most of the results are in good agreement with the literature; the first three snapshots are very similar. The fourth snapshot shows a different flow pattern in the lower area. Both the literature experiment and the literature DEM model show particle mixing directly above the Deadman.  This  is  caused  by  layer  break‐up  in  the  literature model,  the  slightly  thicker layers  in our model do not break up and  therefore do not show  this particle mixing. This mixing  is also concealed due  to  the uncontrolled outflow  in our model,  the  rate of which can only be partially influenced, e.g. reducing the outlet size to slow down the flow causes hanging  and  all  flow  is  stopped.  Particle  mixing  does  occur  when  the  simulation  is continued a bit  longer, however, at that point the Deadman has disappeared. The smaller Deadman  is  the main  difference  between  the  literature  and  our  simulation. Downward pressure from the particles in the centre push the particles outwards to the outlets.   

Due to the small and rapidly disappearing Deadman the geometry was changed to include the  hearth  below  the  raceway  level.  The  presence  of  particles  between  the  raceways creates an uneven level compared to the smooth bottom from Case Ia; this was expected to assist in the creation of a Deadman extending above the raceways. A similar geometry was also  studied  in  the  literature  [9].  In  addition  to  the  changed  geometry  there  are  non‐spherical particles  introduced  to  the  simulation  to  study  the  shape effect on  the particle flow.  

The results presented  in Figure 4.4(a) show similar results to the previous model  in Figure 4.2(a). There  is plug flow  in the upper part, a W‐shaped  layer structure  in the  lower zone and the presence of a small Deadman extending above the raceway level. Comparison with the results from  literature  in Figure 4.4(c) again shows a smaller Deadman and much  less particle mixing. In this case the ways in which the particles are removed are rather different in our work compared to the literature. This is likely to have a significant effect on the flow pattern, but software restrictions at this stage did not allow for a similar method of particle removal. The literature DEM results seem to differ from the experimental results: the layers in  the simulation curve downwards at  the walls where  the experimental  results  in Figure 4.2(c) clearly show upwardly curving layers also seen in our DEM results presented in Figure 4.4(a) and (b).    The  simulation was  also performed using  a  reduced particle‐wall  static  friction coefficient [11], shown in Figure 4.4(d) and is much more similar to our simulation results in Figure 4.3(a). For this simulation the static friction coefficient was reduced from 0.4 to 0.1.  Layer mixing  is  still  stronger, but  the  layer  structure has become much more horizontal. Most  importantly,  the  Deadman  is  significantly  smaller  and much more  in  line  to  our results.   Presence of non‐spherical particles has a large influence on the particle flow as can be seen in Figure 4.4(b). Layer curvature at the walls and the W‐shape of the layers become much less  pronounced.  The  particles  become more  evenly  distributed  along  the width  of  the furnace. This can also be seen in the reduced size of the Deadman due to the increased flow through  the centre pushing  it down. Cause of  these effects  is  the  increased  resistance  to 

81 

particle shear. Non‐spherical particles are interlocking in a larger degree, making it harder for a cluster of particles (in this case a vertical band) to move past another cluster.  A close‐up  view  is  shown  in Figure 4.3,  (a) and  (b) of  the mixed  simulation of Figure 4.4(b), and 4.3(c) of the spherical simulation in Figure 4.4(a). From the angular velocity in Figure 4.3(a) can be  seen  that  the  spherical particles  rotate considerably more  than  the non‐spherical particles. The non‐spherical particles resist rotation due to their shape. This causes a higher torque to be applied to the non‐spherical particles compared to the spherical particles, as shown  in  Figure  4.3(b).  In  the  simulation where  only  spherical  particles  are  present  the torque  is also significantly  lower. This causes the non‐spherical particle  layers to be more resistant to deformation than those consisting of only spherical particles.   

(a)  (b)  (c) 

Figure 4.3. (a) Angular velocity, scale blue to red: 0 – 15 rad/s,  

(b) and (c) Torque, scale blue to red: 0 – 0.008 Nm 

 The results from  literature have not been entirely comparable to our simulations. General flow patterns are similar but the Deadman is consistently smaller than those present in the literature experiments and  simulations. These dissimilarities are  likely  in part due  to  the differences  in geometry and models. But  the  low‐friction  results  from Figure 4.3(d) show that  the  front  and  back  walls  have  a  very  large  influence  on  the  particle  flow.  This demonstrates that these small models are very strongly influenced by boundary conditions and  simulation parameters. The use of non‐spherical particles has also proven  to have a large effect on particle flow and should be included in simulations of the blast furnace.    The experimental models used to validate the DEM simulations represent small slots filled with plastic or glass beads, they do not represent a blast furnace. The validity of the  results  for  the DEM method when used on much  larger  problems  remains  an  issue. However,  several  papers  have  described  good  results  comparing  experimental  to  DEM models  [12‐19].  This  sufficiently  proves  that  the  DEM method  can  accurately  simulate particle flow. It is the goal of this project to simulate a large scale blast furnace, making it 

82 

infeasible  to  do  validation  experiments  on  a meaningful  scale.  Therefore,  no  lab‐scale experiments have been done as part of this work. 

   (a)  (b) 

   (c)  (d) 

Figure 4.4.  Slot DEM model simulation results:  (a) spherical (beige, green, grey), 

(b) spherical (beige, green) and non‐spherical (grey), 

 (c) spherical (blue, green, red) literature [9],   

(d) spherical (blue, green, red) low particle‐wall friction [11] 

83 

4.3.2.Pie‐slicemodelofscaled‐downblastfurnaceWith the previous cases experience was gained with the DEM modelling technique and our method was compared to the  literature results. The two main points from the slot model (Case I) were a smaller Deadman than what was to be expected from the literature results and  the  influence  of  non‐spherical  particles  on  the  flow  pattern.  The  large  degree  of simplification and abstraction of our model compared to the actual blast furnace as well as the limited availability of data for validation, have made us decide to focus on comparative parameter studies rather than direct simulation of real problems. Care should therefore be taken when drawing conclusions from these results on the actual blast furnace.  

In this case the geometry is changed to a small size blast furnace rather than based on an experimental set‐up. The solid burden in the blast furnace can contain pellets, sinter, lump ore  and  coke.  These  have  very  different  sizes  and  shapes  ranging  from  small  spherical pellets to large blocky coke. Because the particle shape has proven to influence the particle flow in this case several different non‐spherical particle types are compared.   

Geometry and particles 

A pie‐slice model  (Case  II) was  created based on  a  scaled down  industrial blast  furnace. Compared  to  the  slot  model  from  the  previous  case  the  pie‐slice  model  is  a  better representation  of  the  3D  blast  furnace  shape.  The  surface  area  of  the  horizontal  cross‐section of the pie‐slice model has cubic growth when the furnace diameter widens, but with the slot model the cross‐section only increases linearly. The pie‐slice model has a height of 3.5 m and a maximum radius of 0.77 m, giving the total blast furnace a width of 1.54 m. The angle of the pie‐slice at the centre‐line is 15 degrees, the sharp edged zone created here is removed  from the geometry because the depth  is smaller than the particle diameter and thus it would be open to gas flow if it were included. As in Case I the particles are removed by gravity through an outlet in the side wall, and thus the size of the outlets determines the removal rate of the particles.  

Four  different  particle  types  are  used  in  the  simulations:  one  spherical  and  three  non‐spherical. The latter are a square bi‐pyramidal formation consisting of 6 spheres, a cubical formation of 8 spheres and an elongated particle of three spheres. The particles all have a maximum diameter of  approximately 0.022 m  and only  a  single  type was used  for  each simulation. The particles and the pie‐slice geometry are shown in Figure 4.5. 

Boundary conditions and simulation procedure 

The simplified geometry used in the simulation contains front and back (physical) walls not present in the real blast furnace. To minimize the influence of the walls on the particle flow specific  wall  parameters  were  chosen  to  mimic  realistic  conditions.  In  reality  the  bed extends  forwards  and  backwards  and  at  the  location  of  the  front  and  back  planes  the particle packing  is unrealistically disturbed by  the presence of  the walls.  Ideally, periodic boundary conditions should be used where a particle exiting  from  the back plane will  re‐enter  through  the  front  plane.  The  software  used,  however,  did  not  allow  periodic 

84 

boundary  conditions  at  that  stage.  Therefore,  in  order  to  realistically  simulate  the continuation of the packing, the static wall friction was set at a very  low value to account for the absence of friction when the bed  is moving down at an equal rate at both sides of the boundary. In reality the particles are interlocking causing a large resistance to rolling as the particles would have to roll over each other. To prevent the particles rolling along the wall  a high wall  rolling  friction was  chosen. Boundary  conditions  for  the  simulations  are shown in Table 4.2, where the last two values for static and rolling friction are for the front and back walls.      

Spherical  Non‐spherical 1 

   

1 particle, 22 mm  6 particles, 6 x 13 mm  square bi‐pyramidal 

Non‐spherical 2  Non‐spherical 3 

  

8 particles, 8 x 14 mm cubical 

3 particles, 3 x 16 mm  elongated 

Figure 4.5.  Particle and geometry shapes 

 

 

15° 

3.5 m 

0.77 m 

85 

Table 4.2. Particle properties Variable  Pie‐slice model Particle size  ±0.022 m Particle density  1000 kg/m3 Poisson’s ratio  0.5 Shear modulus  1×10

7 Pa

 

Time step  5×10‐5 s 

Coefficient of restitution  0.5 Coefficient of static friction (particle‐particle)  0.6 Coefficient of static friction (particle‐wall)  0.4 Coefficient of rolling friction  0.05 Coefficient of static friction (particle‐inner wall)  0.001 Coefficient of rolling friction (particle‐inner wall)  0.5 

 The  shear modulus  is decreased  to  speed up  the  simulations  to workable  levels. Density and Poisson’s ratio are default values as the simulation focuses on comparing the influence of particle shapes, not attempting to accurately simulate the real process. A fifth case was done where the front and back walls are given the same friction coefficients as between the particles  themselves  to  simulate  a  real  wall  in  order  to  compare  with  the  previous simulations.  Each simulation  is started by  filling  the geometry with particles  for  the  initial packing.  In each  simulation  only  a  single  particle  type  is  present  both  as  initial  packing  as  in  the charged layers during the simulation. When the furnace is filled particle removal starts from the  outlet  in  the  sidewall.  The  initial  packing  consists  of  layers with  equal  thickness  as shown in Figure 4.6(a). As the burden level at the top descends new layers are added each containing  1500 particles. These  layers will have  slightly different  layer heights  for  each particle type as the particle volumes and resulting bed porosities differ. The use of coloured particles  in  layers  is  to create distinct  layers allowing  the  flow pattern  to be  studied The simulation  is stopped when 1000 magenta particles have been removed from the furnace and all  initial  layers have been  removed.   When  the  simulation would continue  the  layer structure could change slightly due to flow patterns evolving which take longer to develop than the current simulation time. This could also result in a slightly different deadman, but this would be increasingly hard to see due to the increased particle mixing.   

Results and discussion 

The results from the pie‐slice simulations are shown in Figure 4.6; in (a) the initial packing of equal height spherical particle layers is shown before the particle removal is started; this initial  packing  is  similar  for  the  other  cases but with  the different  non‐spherical  particle types. The spherical case (b)  is compared to the three non‐spherical cases (c), (d) and (e). The  latter  are  filled  with  non‐spherical  particles  only  and  the  particle  colours  serve  to 

86 

visualize the flow pattern. Figure 4.6(f) shows the results when front and back walls are real walls as was done in the previous cases.   

(a)  (b)  (c)  (d)  (e)  (f) 

Figure 4.6. Pie‐slice model: (a) initial packing; and simulation results:  (b) spherical, 

(c) non‐spherical 1, (d) non‐spherical 2, (e) elongated, (f) physical inner walls 

 The pie‐slice model used  in Case  II  for scaled down blast  furnace shows similar  results  to the slot model of Case  I when  looking at the overall  layer structure, though the cases use very  different wall  conditions.  The  simulation  of  the  spherical  particles  in  Figure  4.6(b) shows strongly upward curving  layers at the side wall, a distinct W‐shape cannot be seen due  to  the much  smaller Deadman. The  non‐spherical particles  of  the  first  type  show  a significantly  reduced  but  still  present  layer  curvature,  but  the  non‐spherical  2  and  3 particles hardly show any  layer curvature. These results are comparable to the ones from the  slot model and  show again  that  the non‐spherical particles  create a more even  flow across the width of the furnace.  

87 

A noticeable difference  can be  seen  in  the Deadman  size which grows with  increasingly non‐spherical particles. This seems to contradict the results from the slot model where the contrary happens. It can be explained by the fact that the Deadman in Case I is composed of  the spherical particles  from  the  initial packing and  in  the pie‐slice model only a single particle shape  is used  in each simulation. A Deadman formed by non‐spherical particles  is more  stable  than  a  spherical one due  to  its  resistance  to  rolling  and  thereby  resists  the increased pressure  in  the centre caused by  the more even  flow across  the  furnace width. The  more  the  particle  shape  deviates  from  a  perfect  sphere  the  larger  the  Deadman becomes. 

When the simulations containing only spherical particles are compared it can be seen that the Deadman  in Figure 4.3(b)  is considerably  larger than the one formed  in Figure 4.6(b). This  can  be  attributed  to  the  front  and  back wall  friction  coefficient, which  for  the  slot model simulation represent actual walls and for the pie‐slice are defined to represent the conditions  inside  the blast  furnace as mentioned  in Section 4.3.2. Deadman  formation  in slot models with physical walls  can be attributed  to  the presence of  these planes  rather than particle or solid flow properties. If the simulations of the pie‐slice model are made with physical walls with friction coefficients equal to the particle‐particle coefficients the results change drastically, as can be seen in Figure 4.6(f). It should be mentioned that the effects of the  front  and  back  planes  are  strongly  magnified  by  the  decreasing  thickness  of  the geometry  near  the  centre.  It  is,  however,  clear  that  even  taking  this  into  account  the influence of the planes on the formation of the Deadman is very large. 

In  cold  solid  flow models with  a  simplified  geometry  the  presence of  the Deadman  can largely be attributed to the front and back plane boundary conditions rather than particle flow characteristics. The geometry used should be carefully chosen as  it has a very  large influence on the solid flow. A small increase in the size of the Deadman can be seen if it is build‐up from non‐spherical rather than spherical particles.  

The presence of non‐spherical particles creates a more evenly distributed  flow across the width of the geometry. This is caused by the increased resistance to shearing of the packed bed due to the reduced freedom of particles to rotate in the bed. 

4.3.3. BlastfurnacemodelswithdifferentgeometriesThe  previous  simulations  have  shown  a  very  large  effect  of  the  shape  and  boundary conditions of the geometry on the solid flow pattern. A very important consideration in the choice  of  geometry  is  the  amount  of  particles  present  in  the  simulation.  An  increasing number of particles quickly decreases computation speed. The geometry  influence clearly shows  the  need  for  a  more  detailed  investigation,  specifically  on  the  formation  of  a Deadman in cold single phase solid flow. Five simulations were done to compare the main geometry  choices  available  to  find  the optimal  shape. The  simulations  investigate  three aspects: slot model thickness, slot model width and the pie‐slice geometry. 

88 

Geometry and particles 

The first geometry  is a half diameter, 0.77 m, slot model of 3.5 m high filled with 0.022 m spherical particles. Thickness  is 0.4 m and  the geometry  is  filled with 9000 particles. This case is compared to two other slot models: one with double thickness and one with the full diameter of 1.54 m, both of  these contain 18000 particles. The  fourth geometry  is a pie‐slice model,  as was  used  in  previous  simulations, with  an  8°  angle  and  containing  9000 particles.  

For  the  simulations  in  the  next  chapter  (4.5.  Experimental  blast  furnace  model)  a  3D geometry  was modelled  to  investigate  the  deadman  size  and  shape.  Due  to  the  time required to run this simulation only one 3D simulation was done. The results are presented here  as  a  comparison,  even  though  the geometries  are  slightly different. The  3D model contains 105000 spherical particles with a diameter of 0.04 m.  If the 0.022 m diameter of the other simulations would have been used the number of particles becomes too large to solve within a reasonable time. In all the models the particles are removed at a pre‐defined rate from a volume representing the raceway. For the 3D case this is a ring‐shaped volume, not separate raceway zones, to allow accurate comparison with the other models 

BoundaryconditionsandsimulationprocedureNew software developments allowed the use of periodic boundary conditions for the front and back planes. Using  these  conditions particles moving  through  the back wall will  re‐enter the simulation at the same position at the front wall. This creates much more realistic boundary  conditions  at  the  front  and  back walls  compared  to  the  previous  cases.  The volumetric particle removal has a pre‐defined rate for each case ensuring the same draw‐down rate. The cases are compared after 345 seconds of real time and each case has the same amount of  layers  removed. Particle properties are  the  same as have been used  in Case II and are presented in Table 4.3. 

Results and discussion 

The earlier simulations of the pie‐slice model have shown the influence of the presence of front  and  back  planes  in  the  simulation.  Using  a  slot model  allows  us  to  use  periodic boundary conditions but  is  less representative of the actual 3D blast furnace shape. When compared to a full diameter slot model, simulating only half of the diameter is a convenient way of halving the amount of particles in the simulations, assuming that the results can be mirrored along the centre line. This is shown in Figure 4.7(a) and (b) where the left wall, the 

Table 4.3. Geometry comparison 

  (a) Half 

diameter 

(b) Double 

Thickness 

(c) Full 

diameter 

(d) Pie‐slice 

(e) 

Full 3D 

Thickness (m)  0.04  0.075  0.04  ‐  ‐ Pie angle  ‐  ‐  ‐  8°  ‐ No. of Particles  9 000  18 000  18 000  9 000  105 000 

89 

centre  line,  is a  frictionless wall. To  investigate  the  influence of  the  thickness of  the  slot model, it was doubled from 0.04 m to 0.075 m, doubling the amount of particles from 9000 to 18000. This has  little  influence on the Deadman size as shown  in Figure 4.7(a) and  (b), and on the solid flow lines (not shown here). However, a thicker slot is always preferred to lower the wall effects on the particle flow. A full diameter slot model geometry with 0.04 m thickness again doubles the amount of particles to 18000. The result in Figure 4.7(c) shows that  restriction  of  flow  in  horizontal  direction  by  the  frictionless  bounding  wall  at  the furnace centreline does  significantly  influence  the  flow. There  is a clearly distinguishable deadman present  in Figure 4.7(a) and  (b), which has mostly disappeared  in Figure 4.7(c). The 3D case in Figure 4.7(e) confirms the absence of a deadman when modelling cold solid flow. The pie‐slice geometry in Figure 4.7(d) with realistic front and back plane conditions, as described for Case II, also shows good agreement to the results of Figure 4.7(c) and (e). The geometry, however, has several problems; it has no periodic boundary conditions and the  sharp edge along  the  centre  line means  that  the area  remains empty or  is  removed from  the simulation. The  former would be highly unrealistic  if gas  flow  is  included  in  the simulation. Therefore, the full diameter slot geometry  is considered most appropriate for the simulations, confirmed by the full 3‐D model results.  

   

90 

     

(a)  (b)  (d) 

 

 (c) (e) 

Figure 4.7. Geometry comparison, coloured by residence time: 

(a) half diameter, (b) double thickness, (c) full diameter, (d) pie‐slice, (e) full 3D 

 

91 

4.3.4.ExperimentalblastfurnacemodelIn the previous subsection it has been determined what geometry approximation gives the optimal  balance  between  realistic  results  and  computation  speed within  the  constraints given  by  the  software.  To  increase  the  realism  of  the  simulation  the  geometry  for  the present  case  is based  on  an  experimental blast  furnace. The  smaller  size  of  the  furnace allows us to simulate the actual process rather than downscaling parameters as done when simulating  the  industrial  blast  furnace.  It  also  opens  up  the  opportunity  to  validate  the results  with  data  from  the  experimental  furnace  when  the model  has  been  developed further. 

In  the  previous  simulations  gas  flow  has  not been  included due  to  the  instability  of  the DEM‐CFD coupling module. All attempts to use the coupling module failed due to program crashes.  A  new  coupling module  became  available which was  found  to  be much more stable and gas flow was included in this case. The case focuses on the influence of gas flow on the particle flow: a simulation without gas flow is compared to two cases with increasing gas velocity.  In the simulations both spherical pellets and non‐spherical coke are present. Coke  is  removed  from  the  raceways but pellets  shrink and are  removed  in a pre‐defined cohesive  zone. Both  the non‐spherical  coke  and  the pellet  shrinking  and  removal  in  the cohesive zone increase the realism of the simulations.  

Geometry and particles 

The experimental blast  furnace, EBF, on which  this  case  is based  is  considerably  smaller than  an  industrial  blast  furnace,  allowing  full  scale  simulations  of  the  process  with possibility  for  validation.  It  is  based  on  the  pellet  producer  LKAB’s  experimental  blast furnace at Swerea MEFOS, shown in Figure 4.8, and is used to test blast furnace pellets and operational conditions [20‐22]. The EBF has a hearth diameter of 1.2 m, a working volume of approximately 8.2 m3 and produces approximately 35 tonnes of hot metal per day. On average 2 campaigns of 50 days are done every year. Most research work has been done on product development of pellets, and thus focussed on the mineralogy and chemistry of the burden.  

92 

 Figure 4.8. LKAB Experimental blast furnace [23] 

   

For our model 4 m of the total 7 m of the EBF is simulated: from the middle of the stack, 1.6 m below burden  level, to the top of the hearth. This case  is a slot model with a geometry thickness of 0,06 m and periodic boundary conditions on the front and back walls.  It uses the full diameter geometry which the previous chapter has shown to be most realistic. Any particles protruding or  leaving the geometry through the back wall will enter through the front wall. Particles in this geometry are removed from two pre‐defined volumetric zones: coke from the raceway and pellets from the cohesive zone. Both the raceway and cohesive zone geometries are based on  the actual geometry of  the experimental  furnace  [20, 22, 24].  After most  of  the  campaigns  of  the  EBF  it  has  been  quenched with  nitrogen  and excavated. From  these  results  the  location and  shape of  the  cohesive zone  is known  for different  operational  conditions.  Figure  4.9  shows  one  example  of  the  cohesive  zone location and shape. In our model the cohesive zone is similar to those found in the EBF; the top  is 3.4 m under the burden  level, the height  is 0.95 m and the thickness  is 0.3 m.   The position  and  shape  of  the  cohesive  zone  is  strongly  dependent  on  the  burden material composition,  e.g.  melting  point  and  reducibility.  These  are  not  considered  in  our simulations.  Ideally  the  parameters  from  the  EBF  data  should  match  those  from  our simulations.  

93 

 Figure 4.9. EBF Cohesive zone location [24] 

 

Figure 4.10(a) shows the shape of the furnace and the cohesive zone and raceways. In the blast furnace the cohesive zone  is defined as the zone starting where the pellets begin to soften and end where all pellets have molten. Melting in the cohesive zone is simulated by a stepwise decrease of the particle diameter. Each particle passing one of the two first lines defined  in the cohesive zone will be replaced by a smaller particle. When passing the  last line  the particle will be  removed  from  the  simulation. There  is no actual melt  formation taking place in the simulation. Softening which causes shape change of the particles is not taken into account here.  

94 

   

(a)  (b) 

Figure 4.10. Blast furnace geometry (a) and CFD mesh (b) 

For the CFD simulation the geometry is divided into a grid of 67×22 cells and one cell deep shown in Figure 4.10(b). Gas is injected into the raceways at 20 and 40 m/s through inlets in the walls,  indicated  in  Figure 4.10(b) by  the  thick black  lines.  In  a  real blast  furnace  the velocity will be considerably higher, mainly due  to  the high  temperatures at  the  raceway greatly increasing the volume of gas. The gas velocity at the top of the furnace is, however, close to realistic values.   As  in  the previous cases a combination of  spherical and non‐spherical particles  shown  in Figure  4.11  is  used  to  represent  pellets  and  coke.  The  non‐spherical  coke  consists  of  6 particles with a 0.016 m diameter in a bi‐pyramidal shape; the widest diameter is 0.036 m. To simulate  the ore pellets melting during  the simulation  the spherical particles shrink  in two  steps  in  the pre‐defined cohesive zone;  from 0.02 m  to 0.015 m and  then  to 0.01 m, they then disappear. At the start of a simulation the packed bed is filled only with coke on which the first  layer of pellets  is charged. The coke particles are generated across a  large part  of  the width  of  the  furnace,  the  pellets  in  a  small  area  close  to  the  side wall.  This creates  pellet  layers which  are  becoming  thicker  close  to  the wall  and  correspondingly thickening coke  layers  in  the centre. The created  layer structure  is close  to  the structure present  in  the  actual  blast  furnace where  in  the  centre‐line  of  the  furnace  only  coke  is charged to ensure good gas flow in the furnace.    

Cohesive zone

Raceway

4m

95 

 

 

Pellet, 0.02 m  Coke, 0,036 m 

Figure 4.11. Simulation particles 

Boundary conditions and simulation procedure 

The particle properties are shown in Table 4.5 and are based on generic values for coal from the database of the EDEM software package used for these simulations. Coupling DEM and CFD is done with the EDEM Coupling Module using the Eulerian coupling method with the Di Felice drag mode [8]; no models for lift and heat transfer were used. After 50 DEM time‐steps a Fluent CFD time‐step is calculated. For the CFD simulation the standard k‐ε model for turbulence is used. As an approximation, gas properties for carbon monoxide are used. 

Three  simulations  have  been  done  to  investigate  the  influence  of  the  gas  flow  on  the particle  flow.  The  first  simulation  does  not  contain  any  gas  flow,  in  the  second  the  gas velocity is 20 m/s at the inlets which is increased for the third simulation to 40 m/s. The first is a DEM model and the latter two are DEM‐CFD coupled models. Simulations are started by filling the geometry with coke; when filled, particle removal is started from the raceways and the first layer of pellets is charged.  

 

Table 4.5. DEM Parameters   Coke  Pellet Poisson ratio  0.25  0.25 Shear modulus, Pa  1×10

7  1×107 

Density, kg/m3  1000  4000 Coefficient of restitution  0.2  0.2 Coefficient static friction  0.5  0.2 Coefficient rolling friction  0.05  0.02 DEM Time step, s  5×10

‐5  

 

96 

Results and discussion 

The DEM particle simulation results are shown  in Figures 4.12 and 4.14. Results  from the CFD simulations in Figure 4.13 naturally only include the gas flow cases.  

Layer structure 

From the top row of cross sections shown in Figure 4.12(a) the resulting layer structure can be  seen. The  layers become more upward  curving at  the  centre  line of  the  furnace with increasing gas velocity. From Figure 4.13(a) it can be seen that the gas velocity through the centre is considerably higher than it is closer to the side‐walls. Figure 4.13(b), which shows the  solid  fraction  in  the CFD  cells,  shows  that  the porosity of  the  coke  layers above  the cohesive zone and  the coke bed below  it,  is higher  than  that of  the pellet  layers. This  is caused by  the non‐spherical particle  shape of  the coke particles. The higher gas velocity increases the resistance on the solid flow and slows it down causing the curved layers. The largest  influence of  the gas  flow on  the solid  layers  is  the splitting up of  the pellet  layers resulting  in  a  coke  filled  centre.  This  is  caused  by  both  the  increase  in  gas  flow  at  the tuyeres and its increase by the decrease in porosity of the pellet layers. The layer structure of  the  20 m/s  gas  velocity  case  is  skewed  downwards  in  the  left  part  of  the  furnace indicating a higher solid flow velocity. The addition of gas flow to the simulation decreases the stability of the particle flow by loosening the structure. It should be remarked here that in  the  real  blast  furnace  the  expansion  and  contraction  of  the  gas  due  to  the  high temperature difference will have a significant influence on the materials flow.  

Comparison of Figure 4.12(a) to the data from the LKAB EBF in Figure 4.9 shows a  similar  layer pattern above  the  cohesive zone, with  slightly dipping  layers  towards  the centre. On the level of the cohesive zone the layering is different; in the EBF the layers start to dip stronger, in our model they are curved. This is caused by the way the cohesive zone is defined  in  our  model.  Its  location  is  pre‐defined  and  particles  are  removed  based  on location,  not  on  local  process  conditions.  The  softening  and melting  rate  differs  in  the cohesive zone; this model does not take this into account as it requires thermodynamic and kinetic models. With which  it could also determine the  location of the cohesive zone. The parallel work which has been done in the total project has successfully managed to couple the gas and solid flow model with a softening and melting, thermodynamic equilibrium and reaction kinetic models. This  full  coupled model has  the ability  to  simulate  the  cohesive parameters.  More details on this model are given in Appendix A. 

 Figures 4.14(b)  and  (c)  shows  the  residence  times of  the particles,  as  shown  in previous chapters there  is no deadman present  in these conditions. Simulations  including gas flow require a  longer simulation time with  increasing gas flow due to the resistance which the descending  particle  flow  encounters  from  the  ascending  gas  flow. As mentioned  in  the previous  subsection  4.4.3,  a  3D  simulation  of  this  case  was  done  and  shown  in  Figure 4.14(a).  It models half of the cylindrical blast furnace. The 3D case uses spherical particles with a diameter of 0.04 m, similar  in size  to  the non‐spherical particles  in  the slot model simulation in Figures 4.14(b) and (c).  

97 

The use of spherical particles was necessary in the 3D simulation because the non‐spherical particles consist of 6 particles, which would bring the number of particles up from 105 000 to 630 000. The 3D case  is uncoupled with CFD and does not  include any gas flow.  In the cohesive  zone  in  Figures  4.14(b)  and  (c)  the  particle  removal  can  be  seen  by  the  newly created particles which have a much smaller residence time than the surrounding particles.  There  is  significant amount of hold‐up  along  the diagonal  side‐walls under  the  cohesive zone. This effect can also be seen in the 3D simulation, but in a much smaller degree. The effect is caused by the diagonal side‐walls restricting flow and by the non‐spherical particle shape which restricts particle rotation. The geometry thickness increases these effects; it is only 0.06 m, which  is nearly  four  times  the smallest particle, but  less  than  two  times  the diameter of the largest combined particles. Even though the front and back have periodic boundary  conditions,  the  small  thickness  negatively  influences  the  particle  flow  in  this region.     Besides  this hold‐up along  the  side‐walls,  the  results are very  similar  to  the 3D simulation. The  lines  visible  in  the  residence  time distribution  show  the  influence of  the burden  layer structure caused by the charging of pellets closer to the wall and coke  in the centre. It is also influenced by the higher gas flow through the centre which can be seen in Figure 4.13(a).   

     

98 

No gas flow  Low gas flow (20m/s)  High gas flow (40m/s)   

     

(a) DEM Particles: Red ‐ pellets, Grey ‐ coke 

     

(b) Compressive force 

Figure 4.12. DEM Simulation results of the EBF slot model;  

(a) layer structure, (b) particle compressive forces 

   

0N 

280N 

210N 

140N 

70N 

350N 

99 

 

 

(a) High gas flow  (40 m/s)  (b) Solid burden fraction   

Figure 4.13. Gas velocity and porosity results of the EBF slot model 

    

100 

  

   

(a) 3D Model (b) Low gas flow  

(20 m/s)  

   

(c) High gas flow (40 m/s)   

Figure 4.14. Residence time 

   

0 s

40 s

30 s

20 s

10 s

50 s

0 s

60 s

45 s

30 s

15 s

75 s

 

101 

Compressive forces 

The  second  row of  cross  sections  in Figure 4.12(b)  shows  the  compressive  forces on  the particles creating a dendritic network structure on which the material is resting. In all cases the force network bridges the width of the furnace and is supported by the inward sloping side walls. The network of high compressive  forces  in  the  simulation without gas  flow  is considerably larger compared to those in both cases with the gas flow. The material in the furnace is supported by a larger area of the inwards sloping side wall. Injection of gas in the raceway causes the expansion of an area where the particle packing  is  loose. From Figure 4.12(b)  it  can be  seen  that  this area  increases upward when gas  flow  is added and  then increased.   Results  from  literature  show a very  similar network  structure, as demonstrated  in Figure 4.15(a), (b) and (c) [25‐27] . These models show relatively wide geometries compared to the EBF presented  in Figure 4.12(b). The build‐up of  the  force network  from  the side‐walls  is considerably  less.  Figure  4.15(a)  shows  the  highest  stresses  in  the  centre  of  the  hearth, following  the  profile  of  the  cohesive  zone.  In  Figure  4.15(b)  there  some  network  arms reaching to the wall, but the highest forces are also  in the centre. The same  is seen  in the results  from  Figure  4.15(c).  Because  the width  of  the  EBF  in  Figure  4.12(b)  is  relatively small, the raceway is relatively large and there is less room for a packed bed to build‐up in the centre on which the burden rests. In the work of Fan et al. [25] it is also concluded that the  stress  distribution  is  dependent  on  the  inner  volume  of  the  furnace.  In  large  blast furnaces normal stress  is reduced near the walls due to the higher particle velocity there.  Figure 4.15(c) shows  the change  in normal stress at different gas velocities,  the results seem  to agree well with  those  in Figure 4.12(b).  In both cases  the  increase  in gas flow causes a decrease in the normal forces or compressive forces on the particles.   

CFD Results 

Figure  4.13(a)  shows  the  velocity  profile  of  the  gas  flow  from  the  CFD  simulation.  The porosity  in  the pellet  layers  is  lower compared  to  that of  the coke  layers due  to  the non‐spherical shape of the coke particles which creates  larger pores between the particles, as shown  in  Figure 4.13(b). The higher porosity  is  also present  along  the  centre  line of  the furnace  due  to  the  larger  amount  of  coke  present  there  as  a  result  from  the  particle charging;  and  below  the  cohesive  zone  where  all  the  pellets  are  removed.  The  higher porosity of the coke bed  in the hearth and along the centre  line of the furnace combined with  the  inward velocity of  the gas  result  in a higher gas  flow  through  the centre of  the furnace. In the part of the burden where pellet and coke layers alternate the gas velocity is higher in the pellet layers due to the lower porosity. The average gas velocity in the packed bed is between 2‐8 m/s; at the top this is close to reality but below the cohesive zone it is far too low due to the isothermal conditions. 

 

102 

  

(a)  (b) 

  1.21×10‐2 kg/s  3.62×10

‐2 kg/s  6.05×10‐2 kg/s   

(c) Figure 4.15. Normal stress distribution: (a) Fan et al. [25], (b) Nouchi et al. [26], 

(c) Zhou et al., at different gas flow rates  [27] 

 

 

103 

Discussion 

This case investigates the interaction between the gas flow and the solid flow as a packed bed. Pellet  layers have a  lower permeability than the coke  layers due to the non‐spherical coke shape.  The method of charging pellets to the wall and coke across the width increases the coke‐pellet ratio towards the centre‐line. Combined with the pre‐defined shape of the cohesive zone, gas will flow preferentially through the centre of the furnace. At increasing gas velocities this causes the pellet layers to curve upward at the centre‐line and eventually the pellet layers separate in the centre. The created coke filled heart will cause even more gas to flow through the centre. 

 

 

104 

4.3.5.ChargingandburdendescentmodelsAll  the  previous  cases  were  aimed  at modelling  the  complete  blast  furnace;  the  DEM technique  is also very suitable for simulation of smaller problems. Two such problems are related to the charging of the blast furnace and burden descent. Because the blast furnace is completely filled with a solid burden the structure of this burden is very important to the process inside the furnace. Material is charged into the furnace using a rotating chute with an adaptable angle to allow control over the location of charging. This is used to build up a burden with the required composition and structure. In general this is a layering of coke and ore  layers, with a decreasing ore/coke  ratio  to  the  centre. The behaviour of  the  charged material as it is deposited on the burden is strongly dependent on the material properties, burden structure and the chute configuration. Process irregularities can cause accretions on or wear of the furnace  lining. This  influences the solid flow and  layer structure potentially resulting  in process disturbances.  In parallel with  the other work,  simulations have been done to investigate the use of DEM for such problems.  

Geometry and particles 

Burden charging model 

The geometry of the charging simulation  is a slot model.  It has a width of 4 m, a realistic size to simulate the radius of an industrial blast furnace, depth of the slot is 0.120 m and the height is 4 m. In the slot geometry there are four zones where the particles are created to simulate the rotating chute moving inward. They are 0.2 m wide and are placed 2.5, 2.9, 3.3 and 3.7 m from the centre, as illustrated in Figure 4.16. If the rotating chute moves inward the circle  it describes becomes smaller,  if the charging rate  is constant more material will be charged per square meter. Therefore, the number of particles charged from a zone per time,  increases from the wall to the centre; 1044, 1170, 1332 and 1545 for pellets and 351, 393, 448 and 519 for coke. Non‐spherical coke has the same 6 particle bi‐pyramidal shape as  used  in  the  previous  simulation  approximately  0.036 m  in  diameter,  and  pellets  are 0.02 m spheres.  

Burden descent model 

For  the burden descent simulation  the  full experimental blast  furnace was used as  in  the previous  chapter.  For  this  case  the  total  experimental  blast  furnace  height  of  6.8 m  is modelled,  the  thickness of  the  slot model  is 0.12 m. The  four geometries with  four wall obstructions and wear are  shown  in Figure 4.17;  (b)  and  (c)  show accretion  in  the upper shaft and (d) in the lower, and (e) shows wear of the lining in the upper shaft. Particles are spherical pellets and non‐spherical coke, the latter has a four particle pyramidal shape with a widest  diameter  of  0.036 m. This  is more  than  three  times  the  particle  diameter,  and twice that of the EBF simulations in the previous chapter. Pellets (0.02 m diameter) shrink in  four  steps  (0.0159 m,  0.0126 m,  0.01 m  and  0.0079 m)  each  step  halving  its  volume, before disappearing in the cohesive zone as shown in Figure 4.17(a). Coke is removed from the raceway as was done  in the previous cases. Pellets are charged closer to the wall and 

105 

coke more across the furnace width, each pellet layer contain 1820 particles and each coke layer 490 particles. The resulting layers are more or less of equal thickness. 

 

Figure 4.16. Burden charging geometry and initial burden 

 

  

       

(a)  (b)  (c)  (d)  (e) 

Figure 4.17. Geometry, wall accretions and wear 

 

106 

Boundary conditions and simulation procedure 

Burden charging model 

The main difference in the boundary conditions between the two cases shown in Table 4.6 is  the shear modulus. For  the burden descent case  the same shear modulus as  the other cases  is used. This  is an unrealistically  low value which does not have significant  influence on  results  when  simulating  a  packed  bed,  but  greatly  speeds  up  simulations.  For  the charging simulation where the collision of particles  is very  important, a shear modulus of 1×10

7 is too low and gives unrealistic results. Due to the impact of the heavy pellets, the bed deforms  and  then  springs  back  in  form.  Therefore,  the  shear modulus  for  the  charging simulation is set to 1×108

. The charging models were simulated with and without gas flow, burden descent is modelled without.    

Table 4.6. DEM Parameters   Charging  Burden descent   Coke  Pellet  Coke  Pellet Poisson ratio  0.5  0.5  0.35  0.35 Shear modulus, Pa  1×10

8  1×108  1×10

7  1×107 

Density, kg/m3  1400  4000  1000  4000 Coefficient of restitution  0.5  0.5  0.5  0.5 Coefficient static friction  0.6  0.5  0.76  1 Coefficient rolling friction  0.05  0.01  0.05  0.05 DEM Time step, s  2.45×10

‐5  5×10‐5 

 The  influence of gas  flow  through  the bed on charging was  investigated  first. Simulation starts with the pre‐defined coke bed shown in Figure 4.18(a), the furnace wall is at the right and the centre at the left. The slope of the coke bed is a rather steep and has a well‐defined angle, a situation not very realistic but present here to investigate the principle. On the bed 16 charges of pellets are dropped at the four locations described before, starting at the wall and moving  inwards. Gas flows through the bed at 5 m/s from the bottom. On the model including gas flow a coke layer is charged followed by another pellet layer.  

Burden descent model 

In  the burden descent  simulations  the  full  furnace  is  filled with  coke after which particle removal from the raceways is started. At the start of simulation the first layer of pellets  is charged.  As  the  top  level  drops  below  the  original  level  alternating  layers  of  coke  and pellets are charged. The simulation is considered to be finished after the volume above the cohesive zone has been renewed twice.   

107 

Results and discussion 

Burden charging model 

The influence of gas flow on the charging simulation can be seen in Figure 4.18(b) and (c). Material  from  the  coke  bed  is being  carried with  the  pellets  to  the  left;  this  causes  the distinct  angle  present  at  the  start  to  smoothen  out.  In  the  case with  gas  flow  in  Figure 4.18(c) much more of the angle  is removed; besides the particles being dragged with the flow of pellets,  there  is also a  layer of material being pushed down. This  is  caused by a loosening  of  the  structure  of  the  bed  by  the  upward  forces  the  gas  flow  exerts  on  the particles. The round particle shape of the pellets translates into a low angle of repose which can be seen in Figure 4.18(b) and (c), the angle is much lower than that of the non‐spherical coke underneath.     On  the previously charged  layer of pellets another coke  layer  is charged shown  in Figure 4.18(d). The case containing gas flow, Figures 4.18(c), (d), and (e), is the more realistic as it is virtually always present  in  industry and  therefore  the simulation  is continued with  that case. Figure 4.18(d) shows the layer has a very similar shape as the starting layer. The slope of  the  layer  is again  steeper  than  the underlying  layer of pellets due  to  its non‐spherical shape  causing  a higher angle of  repose. The  slope  levels off at  the point where  the  last amount of coke was charged. In Figure 4.18(e) another layer of pellets has been charged, as in Figure 4.18(c) a  layer of coke  is being pushed down. The pellet  layer on which the coke layer is now laying has a much smaller angle of repose than the angle of internal friction or repose of  the coke. This causes  the coke  layer  to  slide down  the pellet  layer  rather  than movement of particles  in  the coke  layer  itself. A  four  times higher density of  the pellets amplifies  the  effect  of  the  above.  The  work  of  Ho  et  al.  [18]  shown  in  Figure  4.19 demonstrates  the same effect,  the  impingement of dense particles  is much greater  than less dense particles.  From the simulation results in the previous subsection we have seen that the layer porosity in combination with  the  layer structure has a  large  influence on  the gas  flow  in  the blast furnace, shown in Figures 4.12 and 4.13. The simulations here show that this layer structure can be strongly influenced by the charging method. The burden level after the coke charge in Figure 4.18(d) is very similar to the initial burden in Figure 4.18(a). The next pellet charge in Figure 4.18(b) changes the underlying coke  layer completely.  In order to simulate a full scale  industrial  blast  furnace  process,  as  is  the  ultimate  aim  of  the  project,  the  burden charging  should  be  taken  into  account  in  the model.  For  the  EBF  simulations  the  ratio between  the  layer or particle size, and blast  furnace  throat diameter  for  these effects  to have a significant influence.     

108 

 (a) 

 (b)  (c) 

 (d)  (e) 

Figure 4.18. Pellet charging;(a) initial conditions (b) no gas, 

(c,d,e) with gas flow 

  

 Figure 4.19. Burden level after charging wood, glass and steel particles 

(left to right)[18]  

109 

It is clear that the pellet properties such as shape and friction coefficients play an important role in these simulations. When these are experimentally determined for the particles in the simulation, the burden charging simulations can give accurate details on how the material is distributed  in  the  furnace.  If  this  is combined with simulations of  the stockhouse, skip, top bunkers and charging chute for effects such as size segregation an accurate description of exactly what ends up where  in the blast  furnace can be obtained. Using this model an optimal burden distribution and layer structure can be achieved.  

Burden descent model 

Figure 4.20 presents  the  results of  the burden descent  simulations. The  first accretion  in Figure 4.20(a) shows only a small influence on the layer structure. Below the accretion the layers mix and dip towards the wall. Mixing the  large coke particles with smaller pellets  is likely  to  decrease  the  porosity.  This  is,  however,  highly  dependent  on  the  size  ratio between the particles and the mixture ratio. A much larger effect can be seen with a larger accretion as seen  in Figure 4.20(b). The most visible effect  is the presence of a  large void immediately under the accretion. Mixing  is present as  in (a) but  is stronger and the mixed layer extends further into the furnace. Next to the mixed layer there is a vertical layer with a higher  pellet/coke  ratio.  Because  the  pellet  layers  have  a  lower  porosity  this  creates  a higher  resistance  to  gas  flow  in  this  area.  The  formation  of  this  layer  starts  above  the accretion where descent  is blocked  and material  pushed  inwards. Because  the  spherical pellets have a  low  rolling  friction and  the non‐spherical  coke a high one,  the pellets are pushed inward from between the coke layers. When the material passes the accretion coke flows back to the wall mixed with pellets and the pellets which were pushed inwards remain on their location. In Figure 4.20(a) the layer structure remains in a large part unaffected, in (b) the structure in the whole furnace is influenced by the accretion.   If the accretion is placed lower in the furnace as in Figure 4.20(c) the structure in the upper part  remains unaffected. When  the  layers approach  the accretion  the material  is held up and  the  layers start curving. The accretion  in  (c)  is  lower and  longer  than  that of  (b),  this gives a gentler  transition  from  the wall  causing  the  layers  to  curve around  the accretion rather  than breaking  them up as  in  the previous simulation. Below  the accretion  there  is strong mixing of the materials. Because the area of this effect is quite large and it coincides with the location of the softening and melting it will have significant effects on the cohesive zone behaviour. This is highly important in an industrial blast furnace as it could block gas flow and disrupt the process.  

In Figure 4.20(d) the effect of wear of the furnace  lining  is shown. Widening the furnace gives  the particles additional  room  to  flow  into, which causes  the  layers  to slope downward  to  the  left wall. At  the end of  the worn section  the material  is held up, slopes steeply upward and gets mixed. This mixed  layer next  to  the wall continues down  to  the cohesive  zone. The  influence of  the mixing  is quite  small  in  this  case, but  the  leftwards sloping layer structure is present everywhere in the furnace.  

110 

These simulations demonstrate the possibilities DEM gives to  investigate solid flow  in the blast furnace. The full height experimental blast furnace is modelled here, though it is still a slot model and particles are  larger  than  in  reality. Because gas  flow was not  included  in these simulations the calculation is faster and the geometry could be larger. However, each simulation still cost a week to solve.   The  formation of wall accretions  is a possible process  risk  in  the blast  furnace which can cause  irregular  burden  descend  and  an  inefficient  process.  They  can  be  formed  due  to build‐up of materials in the furnace which can form these accretions, such as alkalis or zinc. As  is  also  shown  in  the  results  in  Figure  4.20,  they  can  have  a  large  effect  on  the  layer structure. These simulations can supply knowledge and an understanding on the effect of wall accretions or wear, at least for the part above the cohesive zone. As mentioned before, the results are hard to validate with real data. The open question  is what the  influence of the cohesive zone on solid flow above  it  is, and how far  it extends  into the upper furnace. This determines how far the burden can be simulated without taking  into account details on the cohesive zone, and thus the validity of the results of this model. This again shows the  need  for  the  comprehensive  blast  furnace  model  which  this  project  has  been developing.  

 

 

111 

       (a)  (b)  (c)  (d) 

Figure 4.20. Burden descent simulations 

 with wall accretions and wear 

 

112 

4.4.ConcludingremarksThis chapter has described the development of the coupled CFD‐DEM model, part of the project to develop a comprehensive model which can simulate the blast furnace cohesive zone.  Both  the  DEM  method  and  the  coupling  with  CFD  show  promising  results  and demonstrate the value of DEM simulations for the blast furnace.    The  main  issue  is  the  simplification  of  the  geometry  required  to  do  the simulations in a reasonable time. However, improvements in the EDEM software have seen the simulations increase in size, as can be seen in the simulations in this chapter. Continued development of the software will make this less of an issue.   For the cases with gas flow, a thermal profile of the furnace is missing. Due to the very high temperature drop over the furnace the gas density will drop significantly, greatly influencing  the gas  flow  through  the  furnace,  and  thus  the  solid  flow. Simulations  have been done in which there was a profile predefining the energy loss over the furnace. A large part of the heat is removed in the cohesive zone due to melting of the burden materials. An example can be seen in Figure 4.21., where a 1200 K blast enters the furnace and an energy sink  is  defined  in  the  cohesive  zone  to  simulate  melting  of  the  material.  Adding temperature to the simulations would greatly improve the realism. 

 

 

Figure 4.21. DEM‐CFD Model with hot blast  and pre‐defined cohesive zone energy sink 

 

113 

References 1.  EDEM 2.3 User Guide. Revision 2C ed. (2010), DEM Solutions. 2.  FLUENT 6.3 User's Guide. (2006), Fluent Inc. 3.  EDEM‐CFD Coupling for FLUENT User Guide. Revision 4B ed. (2010), DEM 

Solutions. 4.  Mindlin, R.D. and Deresiewicz, H., Elastic spheres in contact under varying oblique 

forces. Journal of Applied Mechanics 20 (1953), p. 5.  Zhu, H.P., Zhou, Z.Y., Yang, R.Y., and Yu, A.B., Discrete particle simulations of 

particulate systems: Theoretical developments. Chemical Engineering Science 62 (2007), p. 3378‐3396. 

6.  Gidaspow, D., Multiphase flow and fluidization. (1994), Academic press. 7.  Feng, Y.Q. and Yu, A.B., Assessment of model formulations in the discrete particle 

simulation of gas‐solid flow. Industrial & Engineering Chemistry Research 43 (2004), p. 8378‐8390. 

8.  Di Felice, R., The voidage function for fluid‐particle interaction systems. International Journal of Multiphase Flow 20 (1994), p. 153‐159. 

9.  Zhou, Z., Zhu, H., Yu, A., Wright, B., Pinson, D., and Zulli, P., Discrete particle simulation of solid flow in a model blast furnace ISIJ International 45 (2005), p. 1828‐1837. 

10.  Ueda, S., Nogami, H., Kano, J., and Ariyama, T. Development of blast furnace operation simulator including discrete element concept for solid motion. in Recent progress on mathematical modeling in ironmaking. (2008), Tokyo, Japan. 

11.  Zhou, Z.Y., Pinson, D., Zhu, H.P., Yu, A.B., Wright, B., and Zulli, P. Discrete particle simulation of gas‐solid flow in a blast furnace. in Third International Conference on CFD in the Minerals and Process Industries. (2003), Melbourne, Australia. 

12.  Nouchi, T., Takeda, K., and Yu, A.B., Solid flow caused by bouyancy force of heavy liquid. ISIJ International 43 (2003), p. 187‐191. 

13.  Kawai, H. and Takahashi, H., Solid behavior in shaft and deadman in a cold model of blast furnace with floating‐sinking motion of hearth packed bed studied by experimental and numerical DEM analyses. ISIJ International 44 (2004), p. 1140‐1149. 

14.  Mio, H., Yamamoto, K., Shimosaka, A., Shirakawa, Y., and Hidaka, J., Modeling of solid particle flow in blast furnace considering actual operation by large‐scale discrete element method. ISIJ International 47 (2007), p. 1745 ‐ 1752. 

15.  Mio, H., Komatsuki, S., Akashi, M., Shimosaka, A., Shirakawa, Y., Hidaka, J., Kadowaki, M., and Matsuzaki, S., Validation of particle size segregation of sintered ore during flowing through laboratory‐scale chute by discrete element method. ISIJ International 48 (2008), p. 1696‐1703. 

16.  Nogami, H., Toda, K., Pintowantoro, S., and Yagi, J.‐i., Cold‐model experiments on deadman renewal rate due to sink‐float motion of hearth coke bed. ISIJ International 44 (2004), p. 2127‐2133. 

17.  Yuu, S., Umekage, T., and Kadowaki, M., Numerical simulation of particle and air velocity fields in raceway in model blast furnace and comparison with experimental data (cold model). ISIJ International 50 (2010), p. 1107‐1116. 

18.  Ho, C.K., Wu, S.M., Zhu, H.P., Yu, A.B., and Tsai, S.T., Experimental and numerical investigations of gouge formation related to blast furnace burden distribution. Minerals Engineering 22 (2009), p. 986‐994. 

114 

19.  Yu, Y. and Saxén, H., Experimental and DEM study of segregation of ternary size particles in a blast furnace top bunker model. Chemical Engineering Science 65 (2010), p. 5237‐5250. 

20.  Hooey, L., Sköld, B.‐E., Sundqvist Ökvist, L., Seppänen, M., and Zuo, G. LKAB's experimental blast furnace ‐ the learning curve. in The 5th European Coke and Ironmaking Congress. (2005), Stockholm, Sweden. 

21.  Hallin, M., Hooey, L., Sterneland, J., and Thulin, D., LKAB's experimental blast furnace and pellet development. La Revue de Metallurgie (2002), p. 311‐316. 

22.  Hallin, M. BF Inside story through quenching. in John Floyd International Symposium on Sustainable Developments in Metals Processing. (2005), Melbourne. 

23.  Zou, G. and Hirsch, A., The Trial of the Top Gas Recycling Blast Furnace at LKAB's EBF and Scale‐up. La Revue de Metallurgie (2009), p. 387‐392. 

24.  Hallin, M. Evaluation of ferrous burden properties in an experimental blast furnace after quenching and dissection. in International BF Lower Zone Symposium (2002), Wollongong, Australia. 

25.  Fan, Z., Natsui, S., Ueda, S., Yang, T., Kano, J., Inoue, R., and Ariyama, T., Transient behavior of burden descending and influence cohesive zone shape on solid flow and stress distribution in blast furnace by discrete element method. ISIJ International 50 (2010), p. 946‐953. 

26.  Nouchi, T., Sato, T., Sato, M., Takeda, K., and Ariyama, T., Stress field and solid flow analysis of coke packed bed in blast furnace based on DEM. ISIJ International 45 (2005), p. 1426‐1431. 

27.  Zhou, Z.Y., Zhu, H.P., Yu, A.B., Wright, B., and Zulli, P., Discrete particle simulation of gas‐solid flow in a blast furnace. Computers and Chemical Engineering 32 (2007), p. 1760‐1772. 

 

 

115 

Chapter5Conclusionsandrecommendations 

5.1.ConclusionsThe work done in this thesis has developed a model based on the Discrete Element Method (DEM) in combination with Computational Fluid Dynamics (CFD), which can be used to give insight  into  the  process  conditions  inside  the  blast  furnace  and  more  specifically  the cohesive zone, having interactions with ascending gas flow simulated with CFD. The  use  of DEM modelling  has  increased  greatly  in  recent  years  due  to  the  increase  in computing power. For the application of DEM on blast furnace  ironmaking three types of simulations  can  be  found:  the  burden  flow,  the  raceway  and  burden  charging.  At  the current level of development of DEM models it can be most readily applied to the last type, the burden  charging. For both  raceway and burden  flow  the  complexity  is much greater and requires additional sub‐models.    From  literature  a  number  of models  can  be  found  which  have  been  used  to simulate the burden flow in the blast furnace. Some include gas flow and some also include a  liquid  hearth  level.  The work  from  literature  focusses  on  solid  flow  patterns  and  the resulting layer distribution of the burden. Simulations show the development of a stagnant deadman and a dendritic force network, highest in the deadman and hearth. All the models require a number of simplifications to run; the full scale of an industrial blast furnace is too large  to  simulate,  if  real  physical  size  of burden materials  (pellets,  sinter,  and  coke)  are used.   Due  to  its  complexity  the  cohesive  zone,  when  studied  by  modelling  in  the literature, is pre‐defined and simplified. This is where the present study tries to improve on the current state of modelling. The end goal  is to simulate the behaviour of the cohesive zone  based  on  the  temperature  profile  in  the  furnace,  the  chemical  composition  and reduction reactions of the burden, and the softening and melting behaviour of the ferrous materials.  Because of the large computational effort required, the geometry needs to be simplified to reach a workable number of particles. The  first models have made  it  very  clear  that  the results  are  very  strongly  influenced  by  the  geometry  used.  A  full  scale  cylindrical  blast furnace  is  too  large  to be modelled, but  the choices made  to simplify  it can have a  large effect on the observed solid flow. The DEM modelling technique is not yet efficient enough or the computational power large enough to be able to run larger scale models which make these size and shape simplifications unnecessary.    The DEM method uses perfectly  spherical particles  in  the  simulations, which  in  reality  is never  the  case.  In  the  present  study  non‐spherical  particles  are  created  by  combining spherical ones and using these to approximate the blocky coke particles. This shows a large 

116 

influence  on  the  particle  flow  and  resulting  layer  structure.  It  is  shown  that  the  non‐spherical particle layers have a larger resistance to deformation than the spherical particle layers. The shape of a non‐spherical particle restricts the rotation of the surrounding non‐spherical particles. Clusters of non‐spherical particles are also more resistant to shear due to the particles restricting each other’s movement by interlocking. This results in the initial layer structure as charged  in  the  top  to  remain more constant while descending  through the furnace.    An  investigation of  the optimal  simplified  shape of  the geometry  concludes  that  the  full diameter slot model is the best trade‐off between the amount of particles and realism. The pie‐slice model has the major disadvantage of becoming an edge at the centre  line of the furnace when using a small angle for the geometry. This edge and the decreasing thickness of  the  geometry  towards  it  create  problems  for  the model:  the walls  have  a  very  large influence on the flow, especially when the thickness will become one particle diameter and less. The pie‐slice model would be much more useful for a large angle geometry, such as a 90 slice. The second geometry shape which was investigated was related to the diameter of  the  slot model. The amount of particles  can be halved by  simulating only half of  the furnace diameter. Results show that the centre wall along which the geometry is halved has a large influence on the flow. Its presence restricts the flow and causes the formation of a small deadman not being reflected in the 3D simulation or full width simulations which are thought to be closer to the reality.   The present  study  indicates  that  the ascending gas  flow  through  the  furnace  is  strongly influenced by the layer structure. By charging more coke into the centre of the furnace the porosity  is higher, causing more gas to flow through the centre  line of the furnace and at higher velocities.  This breaks up the pellet layers and curves the layers upwards. Gas flow causes  upward  forces  on  the  particles  and  loosens  the  structure  of  the  bed;  the compressive  force  network  in  the  hearth  is much  smaller  than  in  the  area  around  the cohesive  zone.  These  effects  are  highly  dependent  on  furnace  or model  scale,  and  gas velocity. A  full  scale  industrial blast  furnace  has  a much  larger  and  thus  heavier burden pushing  down.  The  gas  flowing  through  an  industrial  furnace  has  a  much  higher temperature and pressure. If insight is to be gained from these models, these factors have to be taken into the model.    During  the  development  of  the  comprehensive  DEM‐CFD  coupled model,  it  has  been continuously applied to simulate solid flow and coupled solid and gas flow cases. The result of each of these cases has been the basis for the following one; thus the simulations have steadily grown in complexity. The conclusions of the cases with increasing complexity can be listed as follows:    

117 

For the lab scale slot models:   Three  identified solid  flow  regions: plug  flow  in the shaft,  funnel  flow between 

the deadman and the wall, and a low velocity deadman   Good agreement  for  the general  flow patterns with experimental  results  from 

literature,  but  the  simulated  deadman  size  is  comparatively  smaller  than  I experiments and there is less particle mixing 

Flow  pattern  strongly  influenced  by  the  boundary  conditions  and  model parameters 

Non‐spherical particles have a large influence on the solid flow  

For the pie‐slice model of the scaled‐down blast furnace:   The pie‐slice model generates similar layer structures to the slot model from the 

previous simulations  Increasingly non‐spherical particles generate a larger deadman  Layers  consisting  of  non‐spherical  particles  are more  resistant  to deformation 

than spherical particle layers.   Deadman  size  is  strongly  influenced  by  the  front‐  and  back  wall  boundary 

conditions 

For geometry study:  Compared  to  half‐diameter  and  pie‐slice  geometries,  the  full‐diameter  slot geometry is preferred.  

 

For modelling the experimental blast furnace:   For the EBF a slot model, a geometry of the full width of the actual furnace was 

used, with periodic front and back walls.  Increasing gas velocity from raceway causes layers to increasingly curve upwards 

at the centre line of the furnace and cause the pellet layers to split  Gas  flow  through  the  centre  is highest due  to  the  lower porosity of  the pellet 

layers  Increasing the gas velocity reduces the compressive force networks in the hearth 

of the furnace  Above  the cohesive zone  the  layer structure  is similar  to  the LKAB EBF, but at 

the  cohesive  zone  level  they differ due  to  the  simplified  cohesive  zone  in  the simulations.  

For charging and burden descent models:   Gas flow  loosens the particle packing causing smaller angles of repose. Particle 

shape and density have a  significant  influence on  the  resulting  layer  structure after charging 

118 

Wall accretions cause the  layer structure to curve upwards directly above them and layers are mixed below the accretions. Wear of the furnace lining causes the layer structure to skew downwards and mixing occurs locally 

5.2.RecommendationsThough the results from these specific simulations are not directly applicable to  industrial practice, they show clearly important flow characteristics of the burden and gas in the blast furnaces. To accurately  simulate burden descent  is very complex; various  factors are not yet  taken  into  consideration  in  the  present  simulations.  However,  a  general model  of burden  flow  can  increase  the  understanding  of  the  processes  taking  place  in  the  blast furnace.  Although  the  blast  furnace  process  has  been  used  for  a  long  time,  it  is  often unclear what exactly takes place inside the furnace. Blast furnace dig‐outs have contributed to  the  available  knowledge;  however,  these  are  undertaken  on  a  quenched  furnace  and thus do not reflect precisely the conditions during operation.   From  the  smaller  Experimental  Blast  Furnace  (EBF)  of  LKAB more  data  is  available  on internal conditions thanks to frequent dig‐outs.  Data on the location, shape and size of the cohesive zone are used to pre‐define the cohesive zone in this thesis research. For a further developed model which can simulate the formation of the cohesive zone, the data from the EBF  can be used  for  validation of  the model. An example  is a  study on  the  influence of particle size distribution of the pellets on the operating conditions of the EBF. The results show a clear  improvement of  the process efficiency and burden descent stability when a narrow distribution of small particles  is used. For a model which can successfully simulate the  reaction kinetics,  thermal equilibriums,  softening and melting as well as  the gas and solid flow, these experiments are excellent for validation.  

 Realistic DEM simulations of materials charging would require more accurate geometries, experimentally derived particles properties and validation. Above the cohesive zone, where no softening or melting is present, DEM has a great potential for realistic simulations when the previously mentioned  requirements are met. For models  including  the cohesive zone the  simulations  are  currently  severely  limited  by  the  computational  demand  of  the interconnected  sub‐models  required  to  calculate  the  thermodynamic  equilibriums, softening and melting characteristics, and reaction kinetics.  

The coupled gas‐solid model could be developed  in steps to  include more detail by using simplified sub‐models. This  increases  the simulation capability of  the models at reduced  computational  cost  compared  to  the  very demanding detailed  sub‐models. The first  such  step  can be a model which  includes a hot blast  and a predefined energy  sink. There are many problems with such a model, but it shows the large influence it has on the gas velocity. One problem  is the much faster particle flow compared to reality  in order to decrease the simulation time. There is no speed up applied to the gas flow as it would make 

119 

the drag on  the particles unrealistic. This complicates heat  transfer between  the gas and solid flow. 

 This  thesis  is part of a  larger project with  the aim  to simulate  the blast  furnace cohesive zone.  In  parallel work  sub‐models  for  thermodynamic  equilibrium  and  reaction  kinetics have been developed. With  these models  the  chemical  reactions  and  the  softening  and melting of particles can be simulated. Coupled with  the CFD‐DEM model  this  results  in a model  with  the  capacity  of  determining  the  shape  and  location  of  the  cohesive  zone. However, the simulations are so computationally demanding that only a very short process time can be simulated, insufficient for the simulation to reach a steady state.    Even though there are  issues with the current model as  it  is,  it has succeeded  in coupling  the  sub‐models with  the DEM‐CFD model.  This  allows  for  accurate  solid  flow modelling in combination with kinetic, thermodynamic and softening and melting models. It is the first time all the physical and chemical phenomena are included in a comprehensive DEM‐CFD blast  furnace model. Extremely high computational demand of  the  simulation severely  limits  the model  at  this  stage,  but  the methodology  development was  a  great success.  At  this  point  there  are  a  number  of  possible  paths  to  continue  the  research  on  DEM modelling of the blast furnace. The focus can be shifted from the full burden including the cohesive zone  to  the burden charging,  including stock house,  top bunkers and  the upper burden layers. This can be done using only the DEM model coupled with the CFD gas flow, without the need for sub‐models. Because these simulations do require a large number of particles, the scale remains a problem. Results can be more directly applicable to the real industrial blast furnace because no process simplifications are needed, but this does require more  information about of the particle properties e.g. shape, size distribution and friction factors.    Because the current DEM‐CFD model with the coupled sub‐models is too computationally demanding,  there are  two options  for  further development. The  first  is  to  incrementally develop  the  DEM‐CFD  coupled  model  with  simplified  sub‐models  which  are  less computationally demanding  than  the  currently developed  sub‐models. This model  in  its different  stages  of  development  can  be  applied  to  undertake  meaningful  parameter studies, e.g. particle size distribution affecting layer porosity or the effect of unsymmetrical cohesive zone on particle and gas flow. 

The second option is further development of the full coupled model to solve the high computational demand. A large part of this demand is due to the constant switching and  transfer of data between  the different sub‐models.  If  this coupling can be optimized the simulation will probably be considerably faster, but will remain very time consuming.  The ever increasing computational power and the improvement of DEM software will make larger and more realistic simulations possible. It is a matter of time before the full coupled model can be used for large simulations.   

120 

 

121 

AppendixAParalleldevelopmentofsub‐models The results presented in this thesis on the combined solid and gas flow burden model. The goal of  the  total project  is  to create a model with  the ability  to simulate  the  location and shape of  the  cohesive zone.  In order  to accurately  simulate  the  cohesive  zone additional models are required besides the solid and gas flow models: 

Chemical reactions taking place in the blast furnace require a kinetic model  Softening and melting can be simulated using a thermodynamic model based on 

the chemical composition and its changes of the burden  Figure A.1 shows the project framework discussed in section 1.2, in which the softening and melt  formation model  forms  the  second part of  the  final model, developed by  two post‐doctoral  researchers Yuko Enqvist and Vilas Tathavadkar. This work has  focussed on  two parts:  the softening and melting behaviour of pellets and sinter, and  the  reduction of  the ferrous burden by the reduction gas. An additional sub‐model is required to determine the thermodynamic  equilibrium  of  the burden  composition which determines  the  liquidus  or melting temperature of the pellets and sinter.    The combination of these models creates a tool with which comprehensive simulations of the  blast  furnace  can  be  done.  Though  the  DEM‐CFD  coupled  model  can  generate interesting results and  is a powerful tool  in  itself, the real benefit of this project  lies  in the coupling with the sub‐models. Combined  it can simulate much more of the process  in the blast  furnace, most  importantly  the  cohesive  zone  which  has  a  very  large  influence.  It therefore requires less pre‐defined data and thus has a better descriptive or even predictive ability.  

Reaction kinetic model 

The reaction kinetic model is based on the literature available on this subject. At this stage it contains  the  indirect  reduction of  the pellets using  the  shrinking  core model  [2]  and  the solution loss reaction (the formation of CO from CO2 and coke) using a model proposed by Yagi  [3]. The  reactions  in  the  raceway and  the presence of water and hydrogen were not included in the model. 

Softening and melting model 

In  the  softening  and melting model  the  behaviour  of  the  pellets  in  the  cohesive  zone  is described.  This  behaviour  is  very  complex  a  dependent  on  a  large  number  of  variables. Softening starts with melt formation inside the micro‐structure of the particles. This hinders reduction of the ferrous oxides by covering them, so called reduction retardation.  The melt formation reduces the strength of the particle and deformation will take place. Reduction of the oxides  to  iron  from  the outside creates an  iron shell which determines  the amount of 

122 

deformation of the particle. The shell  is filled with solid ferrous material and an  increasing amount of  liquid  slag.   At a  certain point  the  shell  cracks and  the  ferrous oxide melt will exude from the particle and get reduced by the gas. The formed iron will remain solid due to its higher melting point and fill up the pores between the particles. At approximately 1400 C the iron will also start melting.   

 Figure A.1. Project framework 

   This  behaviour  depends  on  reduction  degree,  pellet  porosity,  basicity,  mineralogy, morphology, phase chemistry and distribution as well as  temperature and  load.  Initially a model of the softening of pellets is developed. It is assumed that the pellets consists fully of Fe2O3 and is reduced according to the shrinking core model. For the strength of the pellets a study using Finite Element Modelling, FEM, has been done in which the deformation of an iron  shell  is  investigated  at  different  temperatures.  This  results  in  a  correlation  between deformation, temperature, reduction degree and  load. This correlation does not yet agree with experimental  results very well and  further work  is needed. The model describing  the softening and melting is still in development and requires a lot of additional parameters to describe the process accurately.     Experiments  have  been  done  to  study  the  softening  and melting  behaviour  and  supply additional  data  by Dr.  Tathavadkar.  The material was  quenched  to  investigate  the  slag composition and microstructure. The experimental equipment is shown in Figure A.2, where a 0.09 m high sample can be heated while being  reduced and under pressure. During  the heating and reduction of the sample the pressure drop and the reduction of the bed height are measured, shown in Figure A.3 with a sample taken from the furnace. 

Solid Flow Model DEM 

Thermodynamic Melt Formation 

Kinetic Model Iron Ore Reduction 

Burden Flow Model Cohesive Zone DEM + CFD 

Softening and Melt Formation Model Thermodynamic + Kinetic 

Blast Furnace Cohesive Zone Model DEM + CFD + Thermodynamic + Kinetic 

Gas Flow  Model CFD 

PhD 

Post Doc. 

123 

 Figure A.2. Experimental equipment at Tata Steel, Jamshedpur 

  

 Figure A.3. Pressure drop and bed shrinkage as a function of temperature (by Dr. 

Tathavadkar) 

 

124 

 Figure A.4. Liquid solid ratio as a function of 

temperature and reduction degree 

 According to Tathavadkar bed shrinkage starts at approximately 800 C and is 50% at 1200 C, which is defined as the softening temperature Ts. At this temperature the pressure drop over the sample increases indicating liquids filling the void between the particles. This gives an idea of how these specific pellets behave in the blast furnace. The softening and melting process of pellets and sinter are very different and further work has been done in which the liquid  to  solid  ratio  of  pellets  and  sinter  as  a  function  of  temperature  is  determined  at different reduction degrees, shown in Figure A.4. At lower reduction degrees there are more oxides present, which have a  lower melting point and  thus  the  liquid/solid  ratio  is higher. Sinter contains more slag materials  than pellets and  therefore also generates more  liquid slag.    The thermodynamic equilibrium model  is based on the thermodynamic software FactSage (GTT Technologies) with which the equilibria are calculated at different reduction degrees and temperatures by Dr. Enqvist. For the coupling with the CFD model ChemApp is used which allows the FactSage data to be used for thermodynamic calculations in the CFD cell.   

125 

 EDEM ‐ FLUENT model 

 Custom coupling module 

 

Figure A.5. Model integration [4] 

The coupled blast furnace cohesive zone model [4] 

A very challenging part of the work consisted of combining all these models. The reaction kinetic  and  thermodynamic  equilibrium models were  applied  in  the  CFD model  and  the softening and melting model  in  the DEM model. Figure A.5  shows  the  integration of  the models.  In  addition  to  the  EDEM‐Fluent  coupling module  a  custom  coupling module  is required for additional data transfer between the CFD and DEM models not allowed by the commercial  coupling module.  This  custom  coupling module was  originally  developed  by Cristoph Kloss from the Johannes Kepler University in Linz [5, 6]. The simulations are based on the LKAB EBF on which the simulations in this thesis are also based. Periodic boundary conditions  are  used  for  both  front  and  back walls.  Two  sets  of  initial  conditions  for  the temperature  profile  were  used  for  the  simulations:  one  based  on  a  reversed  V  shaped cohesive zone as observed  in  the EBF, and one based on  steady‐state  calculation  results from  MOGADOR.  MOGADOR  is  a  2D  CFD model  which  can  simulate  and  predict  the internal state of the blast furnace [7]. In both simulations the iron ore particles are removed at 1573 C, the melting point of iron.   

126 

 (a)  (b)  (c) 

Figure A.6. CFD Simulation results[4]: (a) gas velocity, m/s; 

(b) gas temperature, K; (c) CO2 mole fraction 

  Total simulated time was 15 s, and when the gas flow stabilised after 5 s the thermodynamic equilibrium and softening and melting models were included. Figures A.6 and A.7 show the coupled  calculation  results  of  the  CFD  and DEM  simulation, with  the MOGADOR  initial temperature profile. These show that the coupling is working successfully; the gas is cooling due  to  the burden heat up and  reactions, and  the CO2  fraction  increases  in  the ore  layers due to the reduction of iron ore and decreases in the coke layers where it is reverted to CO. The CO2 fraction is similar to MOGADOR results. For the softening and melting model in the DEM simulation the deformation degree is successfully integrated. It is calculated from the softening  viscosity  and  the  load,  the  former  is  determined  by  the  thermodynamic equilibrium model.     

127 

 (a)  (b) 

Figure A.7. DEM Simulation results: (a) Reduction degree; 

(b) deformation degree 

 The main  issue with  the model  at  this  stage  is  the  extremely  heavy  computational  load which allows for only a short time to be simulated. This is far too short for the simulation to establish a steady‐state and  the  initial conditions have a  large  influence. The evolution of the  softening and melting  in  the cohesive zone needs more  time  to be  simulated, but  to simulate  1  hour  of  physical  time would  require  10  years  of  calculation  time. Besides  the computational  load  the  stability of  the  solution was a problem; unpredictable errors and numerical  instabilities caused frequent crashes. For the current software to be successfully applied to simulation of the cohesive zone it requires greater stability and a very significant speed‐up.   However, this is the first time all these physical and chemical phenomena are included in a comprehensive DEM‐CFD blast furnace model. This allows for accurate solid flow modelling in  combination  with  kinetic,  thermodynamic  and  softening  and  melting  models,  only limited by computing power and efficiency, and the refinement of the sub‐models 

 

128 

References1.  Hooey, L., Sköld, B.‐E., Sundqvist Ökvist, L., Seppänen, M., and Zuo, G. LKAB's 

experimental  blast  furnace  ‐  the  learning  curve.  in  The  5th  European  Coke  and Ironmaking Congress. (2005), Stockholm, Sweden. 

2.  Omori, Y.,  ed. Blast  furnace  phenomena  and modelling.  (1987),  Elsevier Applied Science. 

3.  Yagi,  J.,  Sasaki,  K.,  and Muchi,  I.,  Theoretical  investigation  on  the  blast  furnace operations with the aid of mathematical model. Tetsu to Hagane 54 (1968), p. 1019‐1031. 

4.  Enqvist, Y., Modelling of the blast furnace cohesive zone using a coupled DEM‐CFD approach, in M2i Technical Report. (2012). 

5.  Kloss, C., Goniva, C., Aichinger, G., and Pirker, S., Comprehensive DEM‐DPM‐CFD simulations  ‐ model  synthesis,  experimental  validation  and  scalability,  in Seventh international  conference  on  CFD  in  the  minerals  and  process  industries.  (2009): Melbourne, Australia. 

6.  Kloss, C., Aichinger, G., and Pirker, S., Multi‐scale modelling of particle motion by means of DEM and DPM,  in Multi‐scale modeling  symposium  (2009): Melbourne, Australia. 

7.  Danloy, G., Mignon,  J., Munnix,  R., Dauwels, G.,  and  Bonte,  L. A  blast  furnace model to optimize the burden distribution. in ICSTI Ironmaking Conference. (2001). 

 

129 

Summary The focus in the steel industry is on increasing production and efficiency of the existing blast furnaces. The driver for this development  is economic as well as environmental; reduction of greenhouse gas emissions has become a critical issue. Within the European Union several large projects have been running to study CO2 reduction in adapted blast furnaces, e.g. top gas recycling, or alternative technologies, e.g. the HISARNA smelting reduction process.  

In order to improve the process or to develop new technologies for the blast furnace, a good understanding  of  the  processes  inside  the  blast  furnace  is  essential.  One  of  the  most important parameters determining  the process  is  the  cohesive  zone where  the  softening and melting of the ferrous materials take place. Due to its low permeability and cohesion it has a very large influence on the gas flow resistance and thus also on the descending solids.  

Details on the cohesive zone are very difficult to measure and predict. Measurements on the state of the process  inside the blast furnace can be done  indirectly on the outgoing flows, e.g. top gas or hot metal temperature and composition. Another way is by probing into the furnace, which  is  very  difficult  to  do  on  a  regular  basis. Prediction  of  the  cohesive  zone behaviour  is  very  difficult  due  to  the  complexity  of  its  behaviour  and many  influencing factors.  Some  knowledge  on  the  cohesive  zone  has  been  gained  by  rare  dig‐outs  of quenched blast  furnaces. These give an  indication of  its shape,  location and composition.  But they provide only a snapshot and do not give any information on how the cohesive zone reacts to changing process parameters.  

A tool that can improve this understanding is mathematical modelling. This thesis describes the application of a Discrete Element Method (DEM) model coupled with a Computational Fluid Dynamics  (CFD) model  to study solid and gas  flows  in  the blast  furnace.  In parallel, work was done to develop softening and melting models, and  reaction kinetic models  for burden materials.    The  full  project,  Prediction  of  physical  and  chemical  properties  of  the 

burden materials  in  the  cohesive  zone,  was  conducted  with  the  financial  support  of  the Materials innovation institute (M2i), in cooperation with Tata Steel Europe. 

The use of DEM modelling  for granular  flows has  increased greatly  in  recent years due  to the  increase  in  computing  power.  For  the  application  of  DEM models  in  blast  furnace ironmaking, three types of simulations can be identified: the burden flow, the raceway and burden  charging. At  the  current  level of development of DEM modelling,  it  can be most readily applied  to  the  third  type,  the burden charging. For both  raceway and burden  flow the complexity is much greater and requires additional sub‐models.  

The  results  of  the  present  study  show  that  the  combined  DEM‐CFD  method  can  be successfully applied to the simulation of the burden  flow  in the blast  furnace. The burden porosity distribution as created by  the DEM model  influences  the gas  flow, which  in  turn influences  the  solid  flow and  the  layer  structure. The  simplified geometry of  the  furnace 

130 

used  in  the  simulation  is  shown  to  have  a  large  influence  on  the  solid  flow  and  on  the resulting deadman shape and size. The presence of a deadman above the tuyeres was found to be mostly caused by the geometry, rather than the solid flow. Simulations show that the optimal simplified geometry closest to a cylindrical model is a full diameter slot model.    In  blast  furnace  DEM  simulations,  spherical  particles  are  generally  used.  It  is shown here that non‐spherical particles significantly influence the solid flow. Layers of non‐spherical particles are more resistant to deformation due to  interlocking and resistance to rotation.  The  initial  layer  structure  as  charged  remains more  constant while  descending through the furnace.    The  non‐spherical  coke  particles  create  layers with  a  higher  porosity  than  the spherical pellets. The centre  line of the furnace  is also filled with coke, as  is common blast furnace  practice.  This  creates  a  higher  gas  flow  through  the  centre,  resulting  in  locally higher particle drag on the pellets, causing the pellet  layers to curve upwards towards the centre with  increasing gas velocity. Simulations  illustrate  the  influence of  the gas  flow on the  force  networks  in  the  burden  and  how  it  interacts  with  the  furnace  wall.  The compressive force networks in the hearth become smaller with increasing gas velocity.    In  simulations of burden  charging both  the gas  flow and  the particle  shape and density have a large influence on the resulting layer shape. Accretions on the blast furnace wall cause the layers to curve upwards and cause particle mixing immediately below.   The parallel work which has been done in the full project, Prediction of physical and chemical 

properties  of  the  burden materials  in  the  cohesive  zone,  links  the gas  and  solid  flows with softening and melting, reaction kinetics and thermodynamic equilibrium within the burden. What  severely  limits  the  model  at  this  stage  is  the  very  high  computational  power  it requires. However, the  larger model with the sub‐models  includes all the data required to successfully simulate  the cohesive zone based on  the particle composition, softening and melting, chemical reactions, and heat transfer as well as gas and solid flow. 

131 

Samenvatting De  focus  in de  staalindustrie  ligt  op de  verhoging  van de  productie  en de  efficiency  van bestaande hoogovens. Deze ontwikkelingen worden gedreven door zowel economische als ecologische  factoren; het  terugdringen van de uitstoot van ozongassen  is de  laatste  jaren een  belangrijk  onderwerp  geworden.  Binnen  de  Europese  Unie  zijn  enkele  grote onderzoeksprojecten  gaande  naar  de  reductie  van  CO2  uitstoot  van  hoogovens, bijvoorbeeld  door  top  gas  recycling,  of  alternatieve  technologieën  zoals  het  HISARNA proces.  Om hoogovenprocessen te verbeteren of nieuwe technologieën te ontwikkelen is een goed begrip  van  de  processen  die  binnenin  de  hoogoven  plaatsvinden  essentieel.  Een  van  de belangrijkste parameters die bepalend  is  voor het hoogovenproces  is de  cohesieve  zone, waar het verweken en smelten van de ijzerhoudende grondstoffen plaatsvindt. Door de lage permeabiliteit en cohesie heeft de cohesieve zone een grote  invloed op de weerstand van de gasstroming en daarmee ook op het zakken van de belading.   Details van de cohesieve zone zijn erg moeilijk te meten en voorspellen. Metingen van de procescondities  binnenin  de  oven  kunnen  alleen  indirect  plaatsvinden  op  de  uitgaande stromen, bijvoorbeeld top gas of ruwijzer temperatuur en samenstelling. Een andere wijze is  sonderen,  hoewel  dit    erg  moelijk  is  om  op  regelmatige  basis  uit  te  voeren.  Het voorspellen van het gedrag van de cohesieve zone is erg moeilijk door de hoge complexiteit van het gedrag en de grote hoeveelheid factoren die hierop van  invloed zijn. Enige kennis van de cohesieve zone is vergaard bij vrij zeldzame uitgravingen van afgekoelde hoogovens. Deze  geven  een  indicatie  van  de  vorm,  lokatie  en  samenstelling  van de  cohesieve  zone, maar geven geen informatie over het dynamische gedrag van de cohesieve zone tijdens het hoogovenproces.  Wiskundig modelleren is een hulpmiddel dat tot een beter begrip van de cohesive zone kan leiden. Dit  proefschrift  beschrijft  de  toepassing  van  de Discrete  Element Method  (DEM) gekoppeld aan Computational Fluid Dynamics (CFD) om de vaste stof‐ en gasstromingen in de hoogoven te bestuderen. Parallel hieraan zijn modellen ontwikkeld om het verweek‐ en smeltgedrag en de reactiekinetiek te kunnen beschrijven. Het volledige project, Prediction of physical and chemical properties of the burden materials in the cohesive zone, is uitgevoerd met financiele ondersteuning van het Materials  innovation  insitute  (M2i)  in samenwerking met Tata Steel Europe.   Het  gebruik  van  DEM  modellering  voor  deeltjesstroming  is  de  laatste  jaren  enorm toegenomen  door  de  vooruitgang  in  rekenkracht  van  computers.  Toepassingen  bij hoogovens concentreren zich op drie gebieden: de deeltjesstroming in de oven, de raceway en het beladen van de oven. Met het huidige niveau van ontwikkeling van de DEM methode 

132 

is de meest praktische toepassing de laatste. Voor de raceway en de stroming in de oven is de complexiteit veel groter en zijn extra sub‐modellen nodig.    Het resultaat van deze studie laat zien dat de gekoppelde DEM‐CFD methode succesvol kan worden  toegepast  op  de  simulatie  van  deeltjesstroming  in  de  hoogoven.  De porositeitsverdeling van de belading zoals die door het DEM model is berekend beïnvloedt de gasstroming, die vervolgens weer de deeltjesstroming en de  lagenstructuur beïnvloedt. De versimpelde geometrie die gebruikt is voor de simulaties heeft een grote invloed op de deeltjesstroming en de uiteindelijke  vorm en grootte  van de dodeman. De aanwezigheid van een dodeman boven het  tuyereniveau bleek voornamelijk  te zijn veroorzaakt door de geometrie en niet zozeer door de deeltjesstroming. Simulaties  laten zien dat de optimale geometrie, die qua resultaat het meest op een cylindrisch model lijkt, een platte doorsnede is van de volledige diameter van de oven.    In  hoogoven DEM‐simulaties worden  over  het  algemeen  perfect  ronde  deeltjes gebruikt.  Het  wordt  aangetoond  dat  het  gebruik  van  niet  ronde  deeltjes  de  resultaten significant beïnvloedt. Lagen van niet‐ronde deeltjes zijn beter bestand  tegen deformatie doordat  deeltjes  in  elkaar  grijpen  en  grotere  weerstand  tegen  rotatie  hebben.  De lagenstructuur zoals die wordt gestort blijft beter behouden tijdens het zakken in de oven.    De  niet‐ronde  kooksdeeltjes  creëren  lagen met  een  grotere  porositeit  dan  de ronde pellets. Het hart van de oven  is van boven  tot beneden gevuld met kooks, wat bij hoogovens een gebruikelijke procesvoering is. Hierdoor is er een grotere gasstroming door het  hart, wat  resulteert  in  lokaal  hogere  krachten  op de  pellets waardoor de  pelletlagen naar boven buigen richting het hart. Simulaties laten ook de invloed van de gasstroming op de  krachtennetwerk  in de oven  zien  en wat de  interacties hiervan  zijn met de wand. De krachten op de deeltjes in de haard worden kleiner naarmate de gassnelheid toeneemt.    In simulaties van het storten van de belading hebben zowel de gassnelheid als de vorm  en  grootte  van  de  deeltjes  een  grote  invloed  op  de  uiteindelijke  lagenstructuur. Aanzettingen aan de wand zorgen ervoor dat  lagen naar boven buigen en dat de deeltjes eronder zich vermengen.   Het werk wat gelijktijdig werd uitgevoerd in het kader van het bredere project, Prediction of physical and chemical properties of the burden materials in the cohesive zone, verbindt de gas‐ en  deeltjesstroming  met  verweken  en  smelten,  reactie  kinetiek  en  thermodynamische evenwichten binnen de belading.  Wat dit model sterk beperkt in zijn toepassing zijn de erg hoge eisen die het stelt aan computervermogen. Desalniettemin is het gelukt om het grote model te verbinden met de sub‐modellen, inclusief alle data die   nodig  is om de cohesieve zone te kunnen simuleren.   

133 

ListofPublications 

Adema A.T., Yang Y., Boom R., Discrete  Element Method  ‐  Computational  Fluid Dynamic 

simulation of the materials flow in an iron‐making blast furnace, ISIJ International, 50, (2010) p. 954‐961 

 Adema  A.T.,  Yang  Y.,  Boom  R.,  Coupled DEM  ‐  CFD Modelling  of  the  Iron‐Making  Blast 

Furnace, Journal of Iron and Steel Research, International,   16 (Part 2, Suppl. 2),   (2009), p. 1081‐1085. 

Adema  A.T.,  Yang  Y.,  Boom  R.,  Coupled  DEM‐CFD modelling  of  the  iron‐making  blast furnace,  Proceedings  of  the  5th  International  Congress  on  the  Science  and  Technology  of 

Ironmaking,  ICTSI'09,  (2009), Shanghai, China, The Chinese Society  for Metals,  pp.  1085‐1089  Adema  A.T., Yang  Y.,   Boom  R.,   Coupled  DEM‐CFD  modelling  of  the  iron‐making  blast 

furnace, Proceedings  of  the  7th  International  Conference  on  CFD  in  the  Minerals  and Process Industries, (2009), Melbourne, Australia, CSIRO  Adema A.T., Yang Y., Boom R., DEM Simulation of solid flow in an ironmaking blast furnace – 

influence  of  non‐spherical  particles,  International  symposium  on  Recent  progress  on mathematical modeling  in  ironmaking 2008, (2008) October 16‐17, Tokyo, Japan,  Iron and Steel Institute of Japan, pp. 130‐135  Adema A.T., Yang Y., Boom R., DEM Simulation of solid flow in an ironmaking blast furnace – 

influence of non‐spherical particles, Proceedings of the XXIV International Minerals Processing Congress, IMPC 2008, (2008) 24‐28 September, Beijing, p. 2422‐2429  Adema A.T.,  Yang  Y.,  Boom  R.,  Prediction  of  the  physical  and  chemical  properties  of  the 

burden materials in the cohesive zone of the ironmaking blast furnace, Proceedings of Discrete Element Methods 07, DEM 07, (2007) August 27‐29, Brisbane, Australia  Adema A.T., Yang Y., Boom R., Prediction of the cohesive zone properties  in the  ironmaking 

blast furnace, Proceedings of the 2nd International Conference of Simulation and Modelling of  Metallurgical  Processes  in  Steelmaking,  Steelsim  2007,  (2007)  September  12‐14, Conference Centre Graz/Seggau, Austria   

 

 

 

 

134 

 

 

135 

Acknowledgements I would  like  to express my very great appreciation  to Yongxiang Yang, who has been my daily supervisor during my PhD research work. But before that has also supervised my MSc thesis work and helped me arrange an  internship at the Anhui University of Technology  in Ma’anshan, China. Thank you for your support and advice during all these years. 

My  promoter  Rob  Boom  has  been  an  inspiration,  our  discussions  always  gave me  new energy  and  ideas  on  the  project  at  times  when  the  going  was  tough,  and  helped me overcome any difficulties. 

The support and discussions with Jan van der Stel and Mark Hattink at the industrial partner Tata Steel R&D have been  invaluable  for  this project.  I would also  like  to  thank Luc Bol, Teun  Bakker  and  Hans  Jak  from  the  Blast  Furnace  Department  for  giving  me  the opportunity to finish writing the thesis after joining Tata.  

For their friendship I would like to thank my friends and colleagues at the TU Delft; Christa, Abbas,  Floris,  Tanya, Ali, Demian,  Zhan,  Yuko,  Liang, Andrey,  Tungky,  Liliang,  Bogdan, Zhiguang, Yulia,  Lambert,  Sander, Andrea,  Jun, Qingshi, Yingxia.  I  have  greatly  enjoyed your company during much needed coffee breaks and lunches during my PhD days in Delft, and also outside the university.   

Finally I would like to thank my family for the support and the faith they have always had in me. Without them I would have never gotten to this point.  

Last but not least I would like to thank Sylvia for the patience, encouragement and love she gave me.  

136 

CurriculumVitae   Personal details  Allert Tjipke Adema  Surhuizum, 27‐07‐1979  

   Education 2006‐2010  PhD Researcher for the Materials innovation institute (M2i) at Delft 

University of Technology 2003‐2004  European Mineral Engineering Course (EMEC), 

Combined curriculum at Delft University of Technology, RWTH Aachen, Helsinki University of Technology and Imperial College London 

1998‐2006  Delft University of Technology, Applied Earth Sciences,  MSc in Resource Engineering 

    Honors and awards 2008    Young Achievers Award, Presented at the XXIV International Mineral 

Processing Congress, September 27, Beijing, China, by the International Mineral Processing Council (IMPC) 

 Extra‐curricular 2007‐2013   

Secretary of the KIVI NIRIA (Royal Institute of Engineers), section Mining 

 

Work experience 2011‐present    Process Technologist, Blast Furnace department,  

Tata Steel Europe 2006, Feb‐July  Internship at Rössing Uranium Ltd., Namibia, Graduate Metallurgist for 

Rio Tinto Technical Services 2003, Feb‐April  Research internship at Anhui University of Technology, China 

ISBN: 978-94-91909-06-1