混凝土泵送过程的数值模拟研究进展

李飞; 马婉莹; 程冠之; 关文勋; 吴瑞东; 李世达; 李大林

doi:10.12404/j.issn.1671-1815.2508024

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (28) :11997-12010 DOI: 10.12404/j.issn.1671-1815.2508024

建筑科学

混凝土泵送过程的数值模拟研究进展

李飞 ¹ ,
马婉莹 ¹ ,
程冠之 ²^,³^,^* ,
关文勋 ²^,³ ,
吴瑞东 ²^,³ ,
李世达 ²^,³ ,
李大林 ²^,³

作者信息 +

Research Progress on Numerical Simulation of Concrete Pumping Process

LI Fei ¹ ,
MA Wan-ying ¹ ,
CHENG Guan-zhi ²^,³^,^* ,
GUAN Wen-xun ²^,³ ,
WU Rui-dong ²^,³ ,
LI Shi-da ²^,³ ,
LI Da-lin ²^,³

Author information +

文章历史 +

摘要

泵送混凝土以高效、经济的特点广泛应用于各类工程,但泵送过程中的分层、离析或堵管等不良流动问题并未得到彻底解决。由于混凝土具有复杂的多相多组分特点,采用传统经验公式与试验手段难以精确表征混凝土在泵送过程中的动态流变行为,也难以定量构建混凝土流变参数与可泵性之间的关系,而数值模拟手段可有效弥补传统研究方法的不足。系统梳理了三类常用于研究混凝土泵送行为的数值模拟方法:连续介质法、离散元法及多物理场耦合法,并对比了各类方法的优势、局限性及适用范围;连续介质法擅于宏观工程参数的高效预测,离散元法精于颗粒尺度微观机制的解析,多物理场耦合法则能更真实地再现流固耦合等复杂现象;总结评述了采用数值模拟方法研究混凝土润滑层特性、泵送压力损失、管道磨损情况,以及混凝土离析现象的相关进展;阐述了数值模拟方法在泵送混凝土理论模型构建、计算效率提升、应用场景拓展等方面的挑战和展望。

Abstract

Concrete pumping is widely utilized in various engineering projects for its high efficiency and cost-effectiveness. However, adverse flow issues such as stratification, segregation and pipe blockage during the pumping process have not been fully resolved. Due to the complex multi-phase and multi-component nature of concrete, its dynamic rheological behavior is difficult to characterize accurately using traditional empirical formulas and experimental methods. Furthermore, the quantitative relationship between rheological parameters and pumpability is hard to establish. To address these limitations, numerical simulation is regarded as an effective alternative. Three categories of numerical simulation methods for concrete pumping behavior—the continuum approach, the discrete element method, and multi-physics coupling were systematically reviewed. Their respective advantages, limitations, and application scopes were compared. It is observed that the continuum approach is characterized by efficient prediction of macro-engineering parameters, while the discrete element method is preferred for parsing micro-scale particle mechanisms. Additionally, fluid-structure interactions and other complex phenomena can be more realistically reproduced through multi-physics coupling. Recent research progress regarding lubrication layer characteristics, pumping pressure loss, pipeline wear, and concrete segregation was summarized and reviewed. Finally, the challenges and future prospects of numerical methods in theoretical model construction, computational efficiency, and application expansion were discussed.

Graphical abstract

关键词

混凝土 / 泵送 / 数值模拟 / 流变特性

Key words

concrete / pumping / numerical simulation / rheological property

引用本文

引用格式 ▾

李飞, 马婉莹, 程冠之, 关文勋, 吴瑞东, 李世达, 李大林. 混凝土泵送过程的数值模拟研究进展[J]. 科学技术与工程, 2026, 26(28): 11997-12010 DOI:10.12404/j.issn.1671-1815.2508024

LI Fei, MA Wan-ying, CHENG Guan-zhi, GUAN Wen-xun, WU Rui-dong, LI Shi-da, LI Da-lin. Research Progress on Numerical Simulation of Concrete Pumping Process[J]. Science Technology and Engineering, 2026, 26(28): 11997-12010 DOI:10.12404/j.issn.1671-1815.2508024

登录浏览全文

4963

注册一个新账户忘记密码

泵送混凝土技术因其高效、经济的特点,已在各类土木建筑工程中得到广泛应用^[1-3]。然而,在实际泵送过程中仍不时出现分层、离析或堵管等不良流动现象,制约了施工效率的进一步提升并增加了经济成本^[4-5]。

为理解与防控此类问题,学界引入“可泵性”这一流变学概念,用以描述混凝土在泵送压力下保持连续流动且不发生离析的能力;良好的可泵性是保障泵送效率、降低堵管风险的关键^[6]。中外围绕混凝土流变参数与可泵性之间的关系开展了大量工作,在流动行为表征、润滑层分析及泵送效果预测等方面取得了诸多成果^[7-11]。但另一方面,混凝土典型的多相组成使其流变行为特征较为复杂,泵送前后性能易发生较大变化^[12-13],传统的经验公式估算在多场景下精度有限;同时,试验分析等方法普遍存在成本高、实现难度大等不足,难以满足精细化施工管理的发展需求^[14-19]。因此,亟须探索新的研究手段以完善泵送混凝土理论体系,建立更为合理、准确的预测模型。

随着计算机技术的发展,数值模拟方法逐渐成为研究混凝土流动行为及泵送过程的重要工具^[20-21]。早在20世纪80年代,Komura等^[22]首次使用有限元程序模拟混凝土的流动过程。2014年,国际材料与结构研究实验联合会(International Union of Laboratories and Experts in Construction Materials, Systems and Structures,RILEM)技术委员会专门发布了新拌混凝土数值模拟领域的主题报告,系统总结了相关进展^[23]。新拌混凝土作为一种复杂的多相材料,具有多尺度层次特征,在流动过程中受到颗粒尺寸分布、配合比、外力条件等多种因素的影响,表现出典型的非牛顿流体特性^[24-25]。目前尚难以完全捕获新拌混凝土流动过程中的所有细节,也难以通过计算完整描述水、水泥、骨料等各相与颗粒的动态特征与相互作用^[26]。因此,在模拟研究中需依据研究目的合理考虑尺度效应,选择适宜的简化模型与方法,以有效评估和预测混凝土可泵性。

为此,系统梳理混凝土泵送过程中常用的三种数值模拟方法——连续介质法、离散元法和多物理场耦合法,比较这3种方法的优势、局限性及适用范围,探讨其在混凝土泵送过程中的适用场景;同时,对借助数值模拟方法获得的泵送混凝土润滑层特性、管道压力损失、磨损及离析现象进行归纳分析,阐明当前数值模拟面临的主要挑战,并展望其在混凝土泵送领域的未来发展方向,为深入揭示混凝土泵送流动机理、优化数值模型及精细化调控施工参数提供理论参考与工程指导。

1 混凝土泵送过程常见数值模拟方法

1.1 连续介质法

连续介质法是通过单相建模,从宏观上把混凝土视为单一的连续流体,采用大量假设模拟管道中混凝土的泵送过程,常采用计算流体力学(computational fluid dynamics, CFD)单相流模型进行数值模拟^[27-30]。CFD单相流模型通过流体力学的基本控制方程描述流体行为,具体由表征质量守恒的连续方程和表征动量守恒的N-S(Navier-Stokes)方程共同表示^[31]。

连续方程:

(1)$ \rho \frac{\mathrm{d} \boldsymbol{v}}{\mathrm{~d} t}=-\nabla p+\nabla \cdot \boldsymbol{\tau}+\rho \boldsymbol{g}$

N-S方程:

(2)$ \frac{\partial}{\partial t}(\rho \boldsymbol{v})+\nabla \cdot(\rho \boldsymbol{v} \boldsymbol{v})-\rho \boldsymbol{F}-\nabla P=0$

式中:ρ为流体密度;v为流体速度;t为时间;p为流体静压;τ为流体黏性产生的应力张量;g为重力加速度;ρF为单位体积上的质量力;$ \nabla P$为流体压力梯度。

CFD的求解过程如图1所示,控制方程与对应的初始条件、边界条件构成了对物理过程的数学描述,进一步采用数值方法求解控制方程。首先将空间区域离散以生成网格,将连续的初始条件和边界条件转化为节点上的值,再采用有限体积法、有限差分法或有限元法,将偏微分方程转化为节点上的代数方程组,确定迭代计算的收敛精度、时间步长等求解控制参数,以求解离散方程组。最后判断解的收散性,在达到指定精度后结束迭代过程,得到所有计算节点上的解。

在混凝土泵送研究领域,众多研究已验证该方法的有效性。基于CFD模拟的结果显示,若忽略润滑层效应,预测的泵送压力大约是实验数据的三倍,而引入润滑层模型后,数值结果与实验数据的一致性显著提高^[32]。进一步结合CFD与实验研究,表明润滑层厚度与管道压力呈负相关,并提出了基于润滑层的简化分析方法^[33]。随着数值模拟与实验研究的深入,润滑层形成机制逐渐明晰。通过CFD与实验结合,明确了润滑层厚度、流变性和流动类型在泵送行为预测中的关键作用,这一认识逐步完善了泵送过程的理论框架^[34]。基于上述认识,研究人员开发了CFD虚拟滑管流变仪,证实润滑层的塑性黏度和厚度对泵送压力有着主导性的影响^[35]。由于连续介质法简化了混凝土多相组成的复杂性,因此能高效预测泵送管道内流速、压力分布等宏观参数,而引入润滑层模型,可进一步提高预测精度。

1.2 离散元法

离散元法(discrete element method,DEM)是将混凝土颗粒视为离散个体,如图2^[36]所示,通过计算颗粒间相互作用来模拟泵送过程^[36]。在DEM中,每个颗粒被赋予质量、速度、位置等物理属性,颗粒之间通过接触力、摩擦力、黏结力等相互作用,基于牛顿第二定律和扭矩方程运动^[37-40]。颗粒的位移方程用于描述颗粒所受体力与接触力等构成的合外力对其加速度及速度的影响;转动方程则用于刻画颗粒在外力矩作用下的转动行为。颗粒的控制方程如下。

位移方程:

(3)${m}_{i}\frac{\mathrm{d}{v}_{i}}{\mathrm{d}t}=\sum _{j=1}^{{k}_{i}}{f}_{ij}+{{F}^{\mathrm{g}}}_{j}$

转动方程:

(4)${I}_{i}\frac{\mathrm{d}{\omega }_{i}}{\mathrm{d}t}=\sum _{j=1}^{{k}_{i}}{T}_{ij}$

式中:m_i为颗粒质量;v_i为颗粒的速度;f_ij为颗粒间的接触力;F^g_j为颗粒间的引力;I_i为颗粒转动惯量;ω_i为颗粒角速度; T_ij为颗粒i对颗粒j的作用力。

DEM的求解过程如图3所示。以颗粒为基本计算单元,每个单元都具有相应的尺寸、质量、转动惯量和接触参数等属性,且有明确的颗粒-颗粒、颗粒-边界的接触力模型。通过计算空间中每一个颗粒,实现对颗粒运动状态的更新。首先确定与颗粒接触的单元,根据单元之间的重叠量,计算接触力,得到颗粒受到的合力和合力矩,根据牛顿第二定律求得加速度后,通过积分更新颗粒速度、角速度、坐标等变量,计算流程进入下一个循环,直至达到设定的计算时间。

在混凝土泵送模拟中,DEM能够精确地跟踪每一个骨料颗粒的运动轨迹和位移变化。粒子相互作用的弹性、黏性和摩擦分量分别通过虚拟弹簧、缓冲器和滑块元件表示^[41-43],如图4^[41-43]所示。由于计算限制,在DEM模拟中,通常难以完全按照实际条件设定颗粒的粒径分布与浓度,需对其进行一定程度的简化假设。

自20世纪80年代末离散元法被引入新拌混凝土流动过程研究以来,其在泵送领域的应用得到了广泛拓展。基于DEM构建包含粗骨料与砂浆的模型,并采用黏性阻尼表征接触行为,可以初步量化弯管中粗骨料体积分数对泵压和管道磨损的影响,为泵送系统的磨损预测提供了重要的理论基础^[44]。随着研究深入,学者们通过引入管道几何形状、骨料形态及粒径分布等泵送条件参数,采用DEM模型系统分析了其对局部泵送性能的影响。通过创建不同形状因子的骨料簇来模拟真实骨料的非球形特征,当形状因子从1.5增大到4.5,即骨料变得更扁长、更不规则,导致泵送压力线性上升;骨料粒径范围从5~20 mm增大到10~60 mm时,泵送压力同样会显著提升,因此,这些参数的取值会直接影响模拟预测泵送压力的准确性与可靠性^[45]。研究人员通过建立1~17 mm的五类球形颗粒、细中粗3种粒径分布及10%、25%、40% 3种颗粒浓度的DEM模型,模拟实际混凝土中骨料的分布。结果表明,颗粒的平均直径和相对密实堆积分数,直接决定了管道流动中壁面效应的显著程度与剪切诱导颗粒迁移的作用效应,较粗的粒径分布和较高的颗粒浓度会引发更明显的径向流动不均匀性,更深刻地阐释了混凝土在管道内的流动机理^[46]。由于离散元法可以跟踪骨料的分布情况,明确颗粒体系的运动轨迹,因此常用于预测管道的冲蚀损伤情况以及揭示混凝土泵送过程中堵塞、离析的内在机理等无法借助连续性假设进行分析的问题。

1.3 多物理场耦合法

多物理场耦合法将混凝土视为由水泥浆或砂浆组成的流体相和由粗骨料组成的分散相,如图5^[47-49]所示。该方法考虑了流体与颗粒的相互作用,常采用计算流体力学与离散元(computational fluid dynamics-discrete element method, CFD-DEM)耦合模型模拟混凝土泵送过程,通过CFD模型计算更新DEM模型中颗粒的位移^[50-51]。

鉴于CFD与DEM在模拟混凝土泵送过程中的互补性,部分学者针对CFD-DEM耦合方法展开了研究^[52]。在CFD-DEM耦合模型中,新拌混凝土中以砂浆为代表的连续流体相的流动行为由CFD模型描述,具体由表征质量守恒的连续性方程与表征动量守恒的N-S方程计算;而对于以粗骨料为代表的离散颗粒相运动,则由DEM模型描述,通过基于牛顿运动定律建立的颗粒位移方程与转动方程计算。流体相与颗粒相之间的双向耦合作用产生两相间的相互作用力,包括浮力、颗粒-流体阻力、压力梯度力以及升力等,最终颗粒相与流体相通过动量交换进行耦合^[53-54]。模型计算中使用的模型参数及公式在表1和表2中列出。

CFD-DEM耦合模型将流体相和颗粒相视为两个相互作用的子系统,在时间维度上交替迭代,模拟颗粒在流体中的运动过程和相互作用,如图6所示。计算前设定流速、压力、颗粒位置和速度等初始条件,初始化完成后,基于控制方程求解流体的流动状态,获取各流体单元内流体与颗粒间的相互作用力。将相互作用力传递至DEM模块,计算下一个流体时间步长内颗粒的新位置、平动速度及转动速度。再将DEM更新的颗粒坐标、速度信息反馈至CFD模块,修正流场计算条件后求解流体控制方程。计算过程中若未达到预设的计算时间,则以当前的流体和颗粒数据传递进入下一轮循环,否则终止计算并输出结果。

颗粒与流体间的阻力即曳力,是推动颗粒运动的关键因素,实现动量交换的核心是曳力的计算,不同曳力计算模型会影响模拟计算的稳定性及结果的可靠程度^[55]。在CFD-DEM双向耦合求解框架中,两相的运动方程及相互作用力同时在计算网格上求解,考虑到颗粒占流体网格一定的体积,因此在动量守恒方程的联立求解计算中引入体积分数项,即空隙率的选择会直接影响动量传递项的物理真实性^[56]。

CFD-DEM耦合方法是目前模拟混凝土泵送过程中常用的多相流模型,广泛应用于揭示多相介质的相互作用机理及其对工程性能的影响。在管道磨损分析中,CFD-DEM耦合方法通过将混凝土细分为粗骨料、细骨料与水泥浆体三相介质,可有效捕捉骨料对管壁的冲击频率与碰撞强度等动态特征,从而实现对管道最大磨损位置的准确预测^[49]。面向工程优化需求,该方法也被用于研究管道几何参数与空间倾角对泵送能量损失的影响。通过建立压力损失与管道曲率等参数的定量关系,为降低泵送阻力和管道结构优化提供依据^[57]。在微观机理层面,CFD-DEM方法被用于量化泵送管道不同区域中粗骨料的浓度分布,分析其与流变模型参数之间的关联。研究表明,在相同骨料含量下,粗骨料粒径越大,壁面效应越强,剪切诱导颗粒迁移越明显,导致润滑层厚度增加,使不同区域的屈服应力与塑性黏度发生差异,这些材料属性决定了模型的流变响应、颗粒分布及泵送性能模拟的准确性^[58]。多物理场耦合法由于结合了连续流体的计算和离散颗粒的追踪,可以考虑颗粒与流体之间的作用,能更真实模拟混凝土泵送过程中的复杂物理现象,适用于混凝土多相流动问题,精确预测泵送过程中的宏观行为以及流固耦合效应。

1.4 数值模拟方法比较与分析

连续介质法、离散元法和多物理场耦合法在不同场景下展现出不同的优势与适用性,三类数值模拟方法的比较分析如表3所示。

连续介质法的主要优势在于其计算相对简便,能快速对泵送过程中的一些宏观参数,如管道内的流速分布、压力分布等进行预测。其在预测大型管道压力损失方面,表现出巨大的潜力,能够为工程初步设计和整体泵送方案评估提供关键的数据支持。但由于该方法将混凝土宏观视为单一的连续体,忽略了混凝土内部各组分,如水泥浆、骨料、外加剂等对混凝土流动的具体影响。因此,在模拟泵送过程中的复杂现象时,如因粒子迁移导致的局部浓度不均、骨料分离以及浆体的剪切变稀等行为,只能依靠大量假设来进行模拟,在一定程度上降低了模拟结果的准确性和可靠性。

离散元法的主要优点在于它能够深入研究混凝土颗粒的微观运动特性,以及颗粒间力的传递机制。在分析混凝土泵送过程中的堵塞和离析等非均质现象时,具有独特的优势。通过跟踪骨料的位移和分布情况,可以清晰地了解到泵送过程中颗粒的迁移规律,揭示堵塞和离析产生的内在机理。但由于需要对大量的颗粒进行计算,而颗粒接触的计算量随颗粒数量呈指数级增长,离散元法计算时间较长,对计算机硬件性能要求较高。模型中涉及众多的微观参数,如颗粒间的接触参数、摩擦系数等,这些参数的准确获取和合理设置较为困难,参数的微小变化可能会对模拟结果产生较大影响。

多物理场耦合法的核心在于考虑了颗粒与流体之间的双向耦合作用。一方面,颗粒在流体中运动时会受到流体的曳力、浮力等作用,影响颗粒的运动轨迹;另一方面,颗粒的运动反过来改变流体的流动状态,如颗粒的存在会增加流体的黏度,改变流体的速度分布。通过同时求解CFD和DEM方程,耦合模型能更真实、准确地模拟混凝土泵送过程中的复杂物理现象。但该方法的模型建立和参数设置较为复杂,需要同时考虑CFD和DEM两部分的参数,确保两者之间的耦合精度。由于同时求解流体运动与大量颗粒间相互作用,CFD-DEM耦合方法的计算效率较低,计算成本较高。目前对于CFD和DEM耦合界面的处理还存在一些理论和技术上的问题,如力传递模型对实际物理过程做了大量简化、颗粒运动导致需要动态调整网格划分等,需要进一步的研究和改进。

为评估数值模拟的工程适用性,需关注各类方法与现场实测结果间的吻合度差异。连续介质法在预测宏观压力损失时虽与实测数据较为接近,但难以准确反映由骨料离析等引发的局部流动异常;离散元法因其能精确追踪单个颗粒运动,在揭示堵塞等微观机理方面优势显著,然而,若将其用于宏观系统的定量预测,则面临计算尺度与参数标定问题的制约,导致其宏观定量预测精度受限;多物理场耦合法虽能更真实地刻画颗粒迁移与润滑层演化,但其巨大的计算成本与复杂的参数体系,仍制约了其在全尺寸工程中的充分验证。因此,需基于现场监测数据的模型校准与验证,以缩小模拟与施工实践间的差距。同时,随着GPU并行计算与机器学习代理模型的深入应用,未来有望实现超百万颗粒级混凝土泵送过程的实时模拟,从而推动混凝土施工技术的全面数字化转型。

2 数值模拟在混凝土泵送过程中的应用

2.1 润滑层特性研究

在管道泵送过程中,内部混凝土与管壁界面形成的润滑层是影响混凝土泵送效率的核心因素之一^[14]。目前,研究普遍认为剪切诱导颗粒迁移是润滑层形成的一种原因^[27]。在剪切流动中,悬浮颗粒因受到不均匀的剪切作用,从高剪切速率的近壁区域向低剪切速率区的管道中心迁移,导致管壁附近浆体富集、骨料浓度下降,从而形成低黏度的润滑层,如图7所示。为深入揭示这一迁移机制及其对泵送行为的影响,研究者普遍采用数值模拟方法,引入合适的流变模型,表征混凝土的屈服应力与塑性黏度等关键流变参数,以准确预测泵送过程中的剪切应力与剪切速率分布。相较于传统代数方法,数值模拟能够更直观地反映复杂流场下混凝土随时间变化的行为以及各相之间的相互作用。表4^{[32-33,35,46-47,59-60]}总结了采用数值模拟方法研究泵送混凝土润滑层特性的主要进展。

早期研究采用CFD方法建立了润滑层厚度与泵送压力之间的定量关系。研究表明,忽略润滑层会导致泵送压力预测值高达实验值的三倍,而引入2 mm厚度的润滑层可使数值结果与超声测速实验数据的误差控制在7%以内,如图8^[32]所示,不同润滑层厚度下压力随流量的变化充分证明了润滑层在泵送模拟中的关键作用^[32,59],不考虑润滑层的模拟结果与泵送试验实测结果相差很大^[61]。研究人员进一步通过全尺寸试验与CFD模拟的对比,揭示了压力梯度与润滑层厚度之间存在反比关系^[33]。

而润滑层特性与混凝土在管道中的流动形态密切相关,在水平泵送时,粗骨料受重力作用产生沉降,导致润滑层分布不均,形成非对称流动状态;在垂直泵送中,粗骨料分布均匀且润滑层保持稳定,呈现轴对称流动特征^[58]。因此,管道几何形态可以通过改变粗骨料迁移行为和润滑层分布特性,最终影响混凝土的泵送性能。竖直管道泵送的数值模拟研究表明,泵送压力的纵向分布规律受润滑层性质的影响,与管壁沿程阻力相关,且截面中心的泵送压力略高于管壁处^[62]。在参数敏感性方面,润滑层的厚度和塑性黏度被证实是影响泵送压力的主导因素。通过在单相流模型中引入润滑层厚度、黏度系数等参数,耦合Chateau-Ovarlez-Trung和 Krieger-Dougherty颗粒悬浮模型,实现了对润滑层参数敏感性的系统量化,结果表明,润滑层的厚度与塑性黏度对可泵性具有显著影响,而屈服应力的作用可忽略,这为混凝土泵送优化提供了理论依据^[35]。

随着研究的深入,润滑层的动态形成机制逐渐被揭示。通过建立颗粒浓度与黏度梯度方程,基于CFD模拟不同流变参数如塑性黏度、骨料粒径、水胶比和管径对润滑层特性的影响,发现润滑层黏度仅为内部混凝土的1/5~1/15,屈服应力约为后者的1/5,从流变学角度阐释了其有效降低泵送阻力的物理机制^[60]。为更真实解析润滑层的演化过程,研究手段逐步拓展至离散元法和CFD-DEM耦合方法,DEM模型成功再现了低中浓度悬浮液中剪切诱导的颗粒迁移行为,呈现出从管道中心向壁面方向颗粒浓度持续降低的特征,预测润滑层厚度1.2~3.3 mm与实测数据1~3 mm高度吻合^[46]。并进一步通过CFD-DEM耦合方法,实现了对润滑层动态形成机制的可视化模拟,提升了对该复杂界面演化过程的认知。如图9^[46]所示,模拟结果揭示了剪切作用诱导颗粒由壁面向附近管道中心区域迁移并形成润滑层的动态过程,深化了对该复杂界面演化机制的认识^[47]。

润滑层的形成是剪切诱导颗粒迁移的结果,其低黏度、低屈服应力特性直接决定了泵送效率。经过数值模拟修正的颗粒悬浮模型可较精准预测润滑层的动态演化行为。在工程调控方面,优化骨料级配可促进颗粒迁移并形成更均匀的润滑层结构;控制流速、泵压等泵送参数则可调节剪切速率,影响润滑层的厚度与稳定性,为混凝土泵送工程优化提供了理论依据与实施路径。

2.2 泵送压力损失预测

混凝土泵送压力损失预测是高层建筑和大型工程施工中的关键问题,直接影响设备选型、管道布置和能耗控制。数值模拟可沿泵送管道全程追踪压力动态变化,反映混凝土流变特性、骨料分布与管道几何对泵送压力的影响。

基于CFD方法,通过建立Bingham流体模型揭示混凝土流变特性对压力损失的主导作用。研究表明黏度与单位长度泵压损失呈正相关,而屈服应力在低于150 Pa时对泵送压力损失的影响尤为显著^[63]。这一方法在243 m垂直泵送高度的超高层工程案例中得到了验证,仿真结果显示:其平均压力损失预测误差可控制在3%以内,体现出良好的工程适用性^[64]。除流变特性外,管道布置形式对泵送压力损失同样具有重要影响。研究表明,垂直泵送需克服重力作用,泵送压力显著大于水平泵送,这种差异主要源于重力对混凝土流动行为的影响,并已通过离散元法等数值模拟方法得到验证,研究中垂直段压力损失与泵送高度成正比,稳定后压力值约35 kPa,而水平段压力损失则与管道长度成正比,稳定泵送压力约12 kPa^[45]。随着研究的深入,CFD-DEM耦合方法被引入以更精细地表征骨料与浆体的相互作用及管道结构的影响。通过建立5~20 mm连续粒径分布的粗骨料模型,可以实现对锥管、弯管等复杂管道系统中压力损失机制的量化分析,结合优化算法对泵车臂架管道的空间布置进行优化,将泵送压力损失值降低了5.45%,如图10^[8,57]所示。对弯管内两相流动特性的模拟进一步表明,弯管段内外侧压力差主要源于流体离心惯性力与壁面黏性效应的共同作用,其中90°弯管的能量损失最小,相关模拟结果与现场实测数据的误差小于10%,证实了该方法的可靠性^[65]。混凝土泵送压力损失受流变特性、骨料分布和管道几何参数影响,通过建立压力损失计算函数、优化管道布置及校准流变参数,可有效降低泵送能耗。数值模拟与实验数据的高度一致性,可以为工程实践中泵送参数的优化和故障预防提供科学依据。

2.3 管道磨损分析

混凝土中的固相骨料在高速泵送时,会持续撞击管道内壁造成磨损,其本质是固相骨料与管壁相互作用的结果,磨损程度主要受冲击力大小、碰撞频率、几何因素共同影响。颗粒碰撞的冲击力大小与浆体流速、骨料粒径正相关;碰撞频率表现为单位时间内碰撞次数,受粗骨料体积分数、管道弯曲度影响显著;几何因素包括弯头角度及管道空间位置。

在颗粒尺度上,DEM模拟通过将混凝土简化为粗骨料和水泥砂浆两类颗粒,监测粗骨料颗粒与管壁的接触力评估管道磨损程度,揭示了粗骨料体积分数对管道磨损的影响,发现随着粗骨料体积分数从0.1增加到0.7,弯管受力从10 kN显著提升至50 kN,表明粗骨料含量增加会通过增强颗粒与管壁碰撞频率和力度而加剧磨损^[44]。而引入流场分析,基于CFD-DEM的数值模拟表明,15~30 mm粒径范围的骨料颗粒与管壁的切向作用力占比可达42.81%,是造成能量损失与壁面磨损的主因^[66]。高流速浆体会通过增强惯性力显著提升冲击力峰值,最大磨损位置随流速增加向弯头下游迁移,管道磨损位置显著受到弯曲方向的影响^[52,67]。基于该方法,Tan等^[49]使用直径为2 mm和15 mm的单一尺寸球形颗粒对细骨料和粗骨料建模,将混凝土悬浮液的组分设置为25%水泥浆、49%细骨料和26%粗骨料,监测骨料颗粒对管道的平均碰撞强度和最大冲击力分布情况,如图11^[49]所示,管道在弯曲角度为30°~40°处出现最大磨损,与实际管道磨损情况吻合,且管道的磨损状况主要由骨料颗粒与壁面碰撞时产生的相互作用力大小以及频率决定^[68]。基于以上发现,可通过优化管道空间布局降低粗骨料平均速度,实现管道磨损与压力损失的协同控制。研究人员采用CFD-DEM模型,以最小泵送压力损失为目标优化管道空间位置,发现混凝土泵送达到稳定状态后,优化后的粗骨料平均速度低于初始模型,如图12^[57]所示,且优化后泵车输送管道的磨损有一定改善^[8,57]。DEM和CFD-DEM耦合模拟通过量化冲击力大小、碰撞频率、几何因素等影响,揭示了磨损的空间规律,混凝土在管道中高速流动下,增加粗骨料占比会放大碰撞能量,弯头区域也因流场突变成为磨损集中区。以上结果为混凝土泵送管道易磨损部位的强化防护设计提供了理论依据,从而延长管道寿命。

2.4 离析现象研究

离析是混凝土泵送过程中常见的工程问题,会严重损害混凝土质量,其本质是固液两相在剪切流场作用下的动态分离过程,主要受剪切诱导颗粒迁移和材料流变特性控制。剪切诱导颗粒迁移表现为粗骨料在管壁附近高剪切速率梯度驱动下,向管道中心低剪切区域聚集;材料流变特性则决定了离析的发展程度,混凝土黏度的降低会显著加速离析过程。

从剪切诱导迁移机制来看,研究人员将新拌混凝土视为具有不同颗粒形状大小的粗骨料和基质砂浆的两相颗粒流体,沿管道径向和轴向分区计算骨料体积分数,发现随着泵送时间延长,内侧粗骨料体积分数增加而外侧降低,如图13^[69]所示,证实了剪切速率差异是颗粒迁移的主要影响因素^[69]。这一现象在Tavangar等^[47]的研究中得到进一步量化,该研究将管道径向划分为4个区域, DEM模拟显示管壁附近形成厚度为1.4~2.8 mm的润滑层,中心区骨料浓度显著提升,揭示出剪切诱导迁移具有明显的径向分布特征。材料流变特性对离析进程的调控作用同样不可忽视,基于CFD-DEM模型进一步发现,管壁区域骨料含量与浆体流变行为密切相关,尤其在混凝土黏度较低时,粗骨料分离现象更为显著^[58]。高剪切区域中的骨料不断向低剪切区迁移,这一过程既促进了润滑层的形成,也可能成为离析破坏的潜在诱因。基于上述机制认识,工程实践可通过优化骨料级配增强混凝土抗分离性,控制泵送流速以调节剪切速率分布,并改进管道布置以降低局部流动阻力。多相流模拟研究揭示了离析的空间、时间演化过程,剪切诱导颗粒迁移既是润滑层形成的驱动力,也是离析破坏的潜在诱因,通过合理控制泵送参数和材料性能,可实现润滑层构建与离析风险抑制的平衡,兼顾泵送效率与混凝土质量。

3 挑战与展望

3.1 数值模拟方法应用挑战

尽管数值模拟方法在混凝土泵送研究中展现出巨大潜力,但其在理论模型构建、计算效率等方面仍面临许多挑战。由于混凝土是一种复杂的非均质材料,其流变特性受到多种因素的影响。研究发现,泵送后的混凝土抗压强度较未泵送混凝土的抗压强度降低,这可能是由于泵送过程导致水泥加速水化和空气含量变化,这与管道长度和泵送引起的温度升高有密切联系^[70],且混凝土的泵送过程会使空气含量增加,导致混凝土的黏度降低^[71]。而现有数值模拟模型常忽略了混凝土泵送过程中温度、水化反应等因素影响,普遍假设泵送过程中混凝土的流变参数恒定,且多将混凝土简化为浆体和骨料的两相体系,忽略了空气相的存在对混凝土泵送过程的影响,如微小气泡可能减少骨料间的摩擦,部分气体的聚集可能会导致流态变化。另外,当前数值模拟过程多基于混凝土泵送过程中的稳态流动,尚未考虑实际施工中的泵送启动停止等阶段的动态变化,及其带来的离析、磨损以及压力损失等累积影响。因此,多物理场的耦合与模型的构建仍是未来需要不断研究的课题。

计算效率是数值模拟中的另一个重要挑战,混凝土泵送过程涉及大规模的计算,尤其在三维模拟中,计算量呈指数级增长。若精确模拟计算,混凝土泵送过程中涉及的骨料颗粒数量可达到百万,且颗粒粒径长度从毫米级跨度到厘米级,模拟管道长度可达到百米,模拟时间尺度由分钟到小时。但受限于算力,现有模型常简化骨料颗粒粒径分布和颗粒数量,如Tavangar等^[47]模拟1~17 mm骨料颗粒时仅用五组颗粒粒径表示,Jiang等^[57]将5~20 mm连续级配简化为球形团块,将新拌混凝土粗集料简化为条状、圆锥状和片状3种不规则颗粒。这种基于一定假设和简化的模型,虽能提升计算速度,但仍与实际复杂情况存在偏差,不能很好地考虑到细骨料对粗骨料间隙的填充作用,对复杂工况的模拟能力有限,可能无法完全真实反映混凝土泵送流变特性的实际情况。计算资源与计算精度之间的平衡,不仅需要高性能的计算设备,还需要优化的算法来提高计算效率。目前,研究者们正通过优化算法对GPU并行加速与多物理场耦合机制进行创新,逐步突破这一瓶颈,以更好发挥数值模拟在工程应用中的潜力^[72]。

3.2 数值模拟方法应用趋势

数值模拟方法在混凝土泵送领域的应用正随着计算技术的发展不断拓展。格子玻尔兹曼方法(lattice Boltzmann method, LBM)作为从格子气自动机演化而来的流体模拟工具^[73-74],其基本原理是基于微观粒子的运动和碰撞来描述流体的宏观行为,通过求解粒子分布函数的演化方程得到流体的密度、速度等宏观物理量^[75]。近年来,随着GPU加速用于LBM计算,计算效率大幅提高,该方法以处理复杂边界与非牛顿流体的优势,逐渐在水泥基材料的流动模拟中受到关注。Li等^[76]基于LBM模拟新拌混凝土坍落度试验,坍落度与扩展的预测误差小于2%,流动时间的误差约为5%,验证了该数值模拟方法的有效性。Mu等^[77]采用LBM建立了新拌自密实混凝土U型箱试验的数值模型,分析自密实混凝土的流动行为,数值模型与试验平均误差约为7%。LBM的核心优势在于规避了传统CFD中复杂的网格划分难题,能更高效地模拟流体的复杂流动,并兼顾计算精度与效率。但当前其在土木领域的应用多将混凝土简化为均质流体,与离散骨料颗粒二者耦合作用的描述能力不足。未来,可充分发挥LBM在模拟复杂边界和多相流方面的优势,开发能更真实反映粗骨料-砂浆多相体系的高效模型,如基于LBM-DEM耦合框架精确刻画颗粒与流体间的复杂作用,捕捉混凝土泵送过程中的浆体流动与骨料迁移行为,为混凝土泵送过程提供新的解决方案。

目前,数值模拟研究多集中于传统混凝土的泵送过程,对泡沫混凝土这类高含气量混凝土体系的泵送模拟较为欠缺。泵送过程中外界条件变化时,气泡形态也会发生变化,局部气体的聚集可能会导致泵送过程中泡沫混凝土的流态变化,影响其流变性能^[78]。为表征气泡动态演变及其与流变参数的耦合关系可考虑引入计算流体力学-群体平衡模型(computational fluid dynamics-population balance model, CFD-PBM)耦合模型^[79-80]。该模型将群体平衡方程嵌入多相流求解框架中,利用CFD计算局部气含率、气液速度场等局部流场信息,再通过PBM模型计算气泡大小分布,对气液的相间作用力进行修正,能定量描述气泡尺寸分布在泵送过程中的动态演变,建立气泡形态参数与表观黏度、屈服应力等流变指标的关联模型^[81]。CFD-PBM模型作为多相流研究的有效工具,已在化工领域广泛应用^[82-83],有望深入揭示泡沫混凝土泵送过程中流体特性对流动行为的影响,为实际生产工艺参数优化提供理论指导。

4 结论与展望

(1)系统对比了基于不同物理表征尺度的三类混凝土泵送数值模拟方法。结果表明,连续介质法适用于宏观工程参数的高效预测;离散元法适用于颗粒尺度微观机制的解析;多物理场耦合法则能更真实地再现流固耦合等复杂现象。

(2)在混凝土泵送中,数值模拟已用于分析润滑层特性、管道压力损失、磨损及离析等现象。然而,当前模拟技术仍面临理论模型与计算效率的双重挑战。理论方面,现有模型常忽略温度、水化、含气量及动态泵送过程的影响,难以精准描述混凝土复杂的流变特性;计算方面,现有模型多依赖简化假设提升速度,受限于计算资源,难以兼顾模拟计算精度与效率。

未来,有望从以下方向突破当前瓶颈:①方法创新:采用如格子玻尔兹曼方法、CFD-PBM耦合模型等先进数值手段,以精确模拟非牛顿流体、气泡动态演变等复杂物理过程;②技术融合:结合GPU并行计算与机器学习代理模型,有望实现百万级以上颗粒规模的实时模拟,大幅提升计算效率;③跨学科集成:通过计算力学、材料科学与人工智能的深度融合,共同构建高效率的混凝土泵送数值模拟,最终推动混凝土施工技术的全面数字化转型。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Feys D, De Schutter G, Fataei S, et al. Pumping of concrete: understanding a common placement method with lots of challenges[J]. Cement and Concrete Research, 2022, 154: 106720.

[2]	Yuan S, Xu Z, Liu J. Insights and challenges of predicting concrete pumpability: a state-of-art review[J]. Journal of Building Engineering, 2024, 95: 110265.

[3]	王君明, 朱福海, 龚元峰, 等. 隧道衬砌集成式浇筑系统设计[J]. 科学技术与工程, 2025, 25(31): 13367-13374.

[4]	Wang Junming, Zhu Fuhai, Gong Yuanfeng, et al. Design of integrated tunnel lining pouring system[J]. Science Technology and Engineering, 2025, 25(31): 13367-13374.

[5]	Deng R, Ye Z, Li S. CFD-DEM study on the effect of coarse aggregate characteristics on pipe blockage in concrete pumping[J]. Powder Technology, 2025, 457: 120920.

[6]	鲁惠敏, 杜婷, 王本武. 基于集对理论的混凝土泵送施工堵管风险评价[J]. 科学技术与工程, 2020, 20(4): 1599-1606.

[7]	Lu Huimin, Du Ting, Wang Benwu. Risk assessment of blockage in concrete pumping construction based on set pair analysis[J]. Science Technology and Engineering, 2020, 20(4): 1599-1606.

[8]	阎培渝, 黎梦圆, 韩建国, 等. 新拌混凝土可泵性的研究进展[J]. 硅酸盐学报, 2018, 46(2): 239-246.

[9]	Yan Peiyu, Li Mengyuan, Han Jianguo, et al. Recent development on pumpability of fresh concrete[J]. Journal of the Chinese Ceramic Society, 2018, 46(2): 239-246.

[10]	Li F, Shen W, Ji Y, et al. Prediction of nonlinear pumping pre-ssure loss of concrete induced by rheological property changes[J]. Cement and Concrete Research, 2023, 169: 107182.

[11]	Shen W, Cui H, Jiao D. Experimental observations on factors influencing shear-thickening characteristics of cement-based materials[J]. Journal of Building Engineering, 2024, 86: 108620.

[12]	Kwon S H, Jang K P, Kim J H, et al. State of the art on prediction of concrete pumping[J]. International Journal of Concrete Structures and Materials, 2016, 10: 75-85.

[13]	Jiang S, Zhang W, Chen X, et al. CFD-DEM simulation research on optimization of spatial attitude of concrete pumping boom based on evaluation of minimum pressure loss[J]. Powder Technology, 2022, 403: 117365.

[14]	Jolin M, Chapdelaine F, Gagnon F, et al. Pumping concrete: a fundamental and practical approach[M]. Quebec: Laval University, 2006: 347.

[15]	Feys D, de Schutter G, Khayat K H, et al. Changes in rheology of self-consolidating concrete induced by pumping[J]. Materials and Structures, 2016, 49(11): 4657-4677.

[16]	Li F, Shen W, Yuan Q, et al. An overview on the effect of pumping on concrete properties[J]. Cement and Concrete Composites, 2022, 129: 104501.

[17]	元强, 李白云, 史才军, 等. 混凝土泵送性能的流变学表征及预测综述[J]. 材料导报, 2018, 32(17): 2976-2985.

[18]	Yuan Qiang, Li Baiyun, Shi Caijun, et al. An overview on the prediction and rheological characterization of pumping concrete[J]. Materials Reports, 2018, 32(17): 2976-2985.

[19]	Kwon S H, Park C K, Jeong J H, et al. Prediction of concrete pumping: part II—analytical prediction and experimental verification[J]. Materials Journal, 2013, 110(6): 657-668.

[20]	Shen W, Jin Z, YuanQ, et al. Comparative study on the performance of fresh concrete comprising manufactured sand vs. river sand during full-scale long-distance pumping[J]. Construction and Building Materials, 2024, 452: 138953.

[21]	Shen W, Jiang C, Jin Z, et al. Can concrete pumping pressure be predicted from mixture composition? insights from machine learning on full-scale pumping experiments[J]. Cement and Concrete Composites, 2026, 167: 106458.

[22]	刘豫, 史才军, 焦登武, 等. 新拌水泥基材料的流变特性、模型和测试研究进展[J]. 硅酸盐学报, 2017, 45(5): 708-716.

[23]	Liu Yu, Shi Caijun, Jiao Dengwu, et al. Rheological properties, models and measurements for fresh cementitious materials—a short review[J]. Journal of the Chinese Ceramic Society, 2017, 45(5): 708-716.

[24]	Schutter G D, Feys D. Pumping of fresh concrete: insights and challenges[J]. RILEM Technical Letters, 2016, 1: 76-80.

[25]	Choi M, Ferraris C F, Martys N S, et al. Metrology needs for predicting concrete pumpability[J]. Advances in Materials Science and Engineering, 2015, 2015(1): 456238.

[26]	Tavangar T, Hosseinpoor M, Yahia A, et al. Computational investigation of concrete pipe flow: critical review[J]. Materials Journal, 2021, 118(6): 203-215.

[27]	Komura R, Tanigawa Y, Mori H, et al. Rheological study on slumping behavior of fresh concrete[J]. Journal of Structural and Construction Engineering (Transactions of AIJ), 1994, 59(462): 1-10.

[28]	Roussel N, Gram A. Simulation of fresh concrete flow: state-of-the-art report of the RILEM technical committee 222-SCF: 15[M]. Dordrecht: Springer, 2014: 25-141.

[29]	Banfill P. Rheology of fresh cement and concrete[M]. London: Taylor & Francis Group, 1991: 61-112.

[30]	Hu C, de Larrard F. The rheology of fresh high-performance concrete[J]. Cement and Concrete Research, 1996, 26(2): 283-294.

[31]	Gram A, Silfwerbrand J. Numerical simulation of fresh SCC flow: applications[J]. Materials and Structures, 2011, 44(4): 805-813.

[32]	Secrieru E. Pumping behaviour of modern concretes — characterisation and prediction[D]. Dresden: Technische Universität Dresden, 2018.

[33]	Secrieru E, Mohamed W, Fataei S, et al. Assessment and prediction of concrete flow and pumping pressure in pipeline[J]. Cement and Concrete Composites, 2020, 107: 103495.

[34]	Tavangar T, Hosseinpoor M, Yahia A, et al. Novel tri-viscous model to simulate pumping of flowable concrete through characte-rization of lubrication layer and plug zones[J]. Cement and Concrete Composites, 2022, 126: 104370.

[35]	崔溦, 孟苗苗, 宋慧芳. 自密实混凝土粗骨料运动及静态离析的CFD数值模拟[J]. 建筑材料学报, 2021, 24(1): 39-44.

[36]	Cui Wei, Meng Miaomiao, Song Huifang. CFD numerical simulation of coarse aggregate movement and static segregation of self-compacting concrete[J]. Journal of Building Materials, 2021, 24(1): 39-44.

[37]	Cui W, Zhang J Y, Miao R C, et al. CFD simulation of movement of fresh concrete in the chute during transporting[J]. Construction and Building Materials, 2023, 409: 134041.

[38]	Choi M, Roussel N, Kim Y, et al. Lubrication layer properties during concrete pumping[J]. Cement and Concrete Research, 2013, 45: 69-78.

[39]	Chen L, Liu G, Cheng W, et al. Pipe flow of pumping wet shotcrete based on lubrication layer[J]. SpringerPlus, 2016, 5(1): 945.

[40]	Secrieru E, Khodor J, Schröfl C, et al. Formation of lubricating layer and flow type during pumping of cement-based materials[J]. Construction and Building Materials, 2018, 178: 507-517.

[41]	Nerella V N, Mechtcherine V. Virtual sliding pipe rheometer for estimating pumpability of concrete[J]. Construction and Building Materials, 2018, 170: 366-377.

[42]	Hao J, Jin C, Li Y, et al. Simulation of motion behavior of concrete in pump pipe by DEM[J]. Advances in Civil Engineering, 2021, 2021(1): 3750589.

[43]	Cundall P A, Strack O D L. A discrete numerical model for granular assemblies[J]. Geotechnique, 1979, 29: 47-65.

[44]	Xue B, Que Y, Pei J, et al. A state-of-the-art review of discrete element method for asphalt mixtures: model generation methods, contact constitutive models and application directions[J]. Construction and Building Materials, 2024, 414: 134842.

[45]	Coetzee C J. Review: calibration of the discrete element method[J]. Powder Technology, 2017, 310: 104-142.

[46]	Ding H, Han Z, Li Y, et al. Particle breakage and its mechanical response in granular soils: a review and prospect[J]. Construction and Building Materials, 2023, 409: 133948.

[47]	Roussel N, Geiker M R, Dufour F, et al. Computational modeling of concrete flow: general overview[J]. Cement and Concrete Research, 2007, 37(9): 1298-1307.

[48]	Roussel N, Gram A, Cremonesi M, et al. Numerical simulations of concrete flow: a benchmark comparison[J]. Cement and Concrete Research, 2016, 79: 265-271.

[49]	Shyshko S, Mechtcherine V. Developing a discrete element model for simulating fresh concrete: experimental investigation and mo-delling of interactions between discrete aggregate particles with fine mortar between them[J]. Construction and Building Materials, 2013, 47: 601-615.

[50]	Cao G, Zhang H, Tan Y, et al. Study on the effect of coarse aggregate volume fraction on the flow behavior of fresh concrete via DEM[J]. Procedia Engineering, 2015, 102: 1820-1826.

[51]	Zhan Y, Gong J, Huang Y, et al. Numerical study on concrete pumping behavior via local flow simulation with discrete element method[J]. Materials, 2019, 12(9): 1415.

[52]	Tavangar T, Hosseinpoor M, Marshall J S, et al. Discrete-element modeling of shear-induced particle migration during concrete pipe flow: effect of size distribution and concentration of aggregate on formation of lubrication layer[J]. Cement and Concrete Research, 2023, 166: 107113.

[53]	Tavangar T, Hosseinpoor M, Marshall J S, et al. Four-way CFD-DEM coupling to simulate concrete pipe flow: mechanism of formation of lubrication layer[J]. Cement and Concrete Research, 2024, 179: 107479.

[54]	Liao Y, Cheng K, Sun W, et al. Study on pumping wear characteristics of concrete pipeline based on CFD-DEM coupling[J]. Scientific Reports, 2023, 13(1): 16119.

[55]	Tan Y, Zhang H, Yang D, et al. Numerical simulation of concrete pumping process and investigation of wear mechanism of the piping wall[J]. Tribology International, 2012, 46(1): 137-144.

[56]	Zhou M, Wang S, Kuang S, et al. CFD-DEM modelling of hydraulic conveying of solid particles in a vertical pipe[J]. Powder Technology, 2019, 354: 893-905.

[57]	Kieckhefen P, Pietsch S, Dosta M, et al. Possibilities and limits of computational fluid dynamics-discrete element method simulations in process engineering: a review of recent advancements and future trends[J]. Annual Review of Chemical and Biomolecular Engineering, 2020, 11: 397-422.

[58]	Zhang H, Tan Y, Yang D, et al. Numerical investigation of the location of maximum erosive wear damage in elbow: effect of slurry velocity, bend orientation and angle of elbow[J]. Powder Technology, 2012, 217: 467-476.

[59]	Norouzi H, Zarghami R, Sotudeh-Gharebagh R, et al. Coupled CFD-DEM modeling: formulation, implementation and application to multiphase flows[M]. Chichester: John Wiley & Sons, 2016.

[60]	于文端, 丁万涛, 王承震, 等. 基于CFD-DEM方法的泥水平衡盾构排屑效率影响因素敏感度[J]. 科学技术与工程, 2024, 24(19): 8052-8061.

[61]	Yu Wenduan, Ding Wantao, Wang Chengzhen, et al. Sensitivity analysis of factors influencing the cuttings discharged ratio in slurry shield based on CFD-DEM method[J]. Science Technology and Engineering, 2024, 24(19): 8052-8061.

[62]	Wang X, Gong L, Li Y, et al. Developments and applications of the CFD-DEM method in particle-fluid numerical simulation in petroleum engineering: a review[J]. Applied Thermal Engineering, 2023, 222: 119865.

[63]	Peng Z, Moghtaderi B, Doroodchi E. A modified direct method for void fraction calculation in CFD-DEM simulations[J]. Advanced Powder Technology, 2016, 27(1): 19-32.

[64]	Jiang S, Chen X, Cao G, et al. Optimization of fresh concrete pumping pressure loss with CFD-DEM approach[J]. Construction and Building Materials, 2021, 276: 122204.

[65]	Cao G, Su H, Xie S, et al. Numerical investigation on pumping behavior of fresh concrete by CFD-DEM, considering uneven distribution of aggregate[J]. Construction and Building Materials, 2025, 465: 140130.

[66]	Choi M S, Kim Y J, Kwon S H. Prediction on pipe flow of pumped concrete based on shear-induced particle migration[J]. Cement and Concrete Research, 2013, 52: 216-224.

[67]	Jo S D, Park C K, Jeong J H, et al. A computational approach to estimating a lubricating layer in concrete pumping[J]. Computers, Materials & Continua, 2012, 27(3): 189-210.

[68]	李悦, 田小璇, 金彩云, 等. 基于CFD的泵送混凝土流变性能数值模拟研究[J]. 硅酸盐通报, 2020(4): 1139-1144, 1152.

[69]	Li Yue, Tian Xiaoxuan, Jin Caiyun, et al. Numerical simulation of rheological properties of pumped concrete based on CFD[J]. Bulletin of the Chinese Ceramic Society, 2020(4): 1139-1144, 1152.

[70]	徐支松, 袁世军, 刘加平. 基于数值模拟的新拌混凝土竖直泵送流动行为[J]. 建筑材料学报, 2024, 27(6): 551-558.

[71]	Xu Zhisong, Yuan Shijun, Liu Jiaping. Numerical simulation on vertical pumping flow behavior of fresh concrete[J]. Journal of Building Materials, 2024, 27(6): 551-558.

[72]	魏子易, 安晓鹏, 史才军, 等. 基于CFD模拟的新拌混凝土泵送压力损失预测[J]. 材料导报, 2019, 33(11): 3738-3743.

[73]	Wei Ziyi, An Xiaopeng, Shi Caijun, et al. Pressure loss prediction of fresh concrete pumping based on CFD simulation[J]. Materials Reports, 2019, 33(11): 3738-3743.

[74]	Wang Z, Hao J, Li Y, et al. Simulation of concrete pumped in horizontal coil and super high-rise building based on CFD[J]. Journal of Advanced Concrete Technology, 2022, 20(4): 328-341.

[75]	Ma G, Ma H, Sun Z. Simulation of two-phase flow of shotcrete in a bent pipe based on a CFD-DEM coupling model[J]. Applied Sciences, 2022, 12(7): 3530.

[76]	孙语晨, 张玉波, 李靖, 等. 泵送混凝土管道冲蚀疲劳失效数值模拟[J]. 桂林理工大学学报, 2022, 42(3): 628-635.

[77]	Sun Yuchen, Zhang Yubo, Li Jing, et al. Numerical failure simulation on erosion fatigue of pumped concrete pipes[J]. Journal of Guilin University of Technology, 2022, 42(3): 628-635.

[78]	梁爽, 南轩, 陆金才, 等. 输水隧洞建造过程中泵送混凝土管道的冲蚀机理[J]. 科学技术与工程, 2020, 20(1): 34-37.

[79]	Liang Shuang, Nan Xuan, Lu Jincai, et al. The internal erosion mechanism of concrete-purnping pipeline during construction of water tunnel[J]. Science Technology and Engineering, 2020, 20(1): 34-37.

[80]	谭援强, 宋军华, 张浩, 等. 混凝土泵送中管壁磨损过程的离散元模拟研究[J]. 中国机械工程, 2014(15): 2091-2097.

[81]	Tan Yuanqiang, Song Junhua, Zhang Hao, et al. Numerical study of wear process on pipe wall in concrete pumping DEM[J]. China Mechanical Engineering, 2014(15): 2091-2097.

[82]	Xu Z, Li Z, Jiang F. Numerical approach to pipe flow of fresh concrete based on MPS method[J]. Cement and Concrete Research, 2022, 152: 106679.

[83]	Li F, Shen W, Yuan Q, et al. Hardened property changes due to the pumping process of self-consolidating concrete[J]. Cement and Concrete Composites, 2024, 148: 105481.

[84]	Secrieru E, Cotardo D, Mechtcherine V, et al. Changes in concrete properties during pumping and formation of lubricating material under pressure[J]. Cement and Concrete Research, 2018, 108: 129-139.

[85]	He L, Tafti D K. A supervised machine learning approach for predicting variable drag forces on spherical particles in suspension[J]. Powder Technology, 2019, 345: 379-389.

[86]	An B, Bergadà J M, Mellibovsky F, et al. New applications of numerical simulation based on lattice Boltzmann method at high Reynolds numbers[J]. Computers & Mathematics with Applications, 2020, 79(6): 1718-1741.

[87]	McNamara G R, Zanetti G. Use of the Boltzmann equation to simulate lattice-gas automata[J]. Physical Review Letters, 1988, 61(20): 2332-2335.

[88]	Guo Z, Zheng C, Shi B. Discrete lattice effects on the forcing term in the lattice Boltzmann method[J]. Physical Review E, 2002, 65(4): 046308.

[89]	Li Y, Mu J, Wang Z, et al. Numerical simulation on slump test of fresh concrete based on lattice Boltzmann method[J]. Cement and Concrete Composites, 2021, 122: 104136.

[90]	Mu J, Li Y, Jin C, et al. Simulation of U-box test for fresh self-compacting concrete based on lattice Boltzmann method[J]. Construction and Building Materials, 2022, 351: 128922.

[91]	Ahmed R M, Takach N E, Khan U M, et al. Rheology of foamed cement[J]. Cement and Concrete Research, 2009, 39(4): 353-361.

[92]	Zhou X, Ma Y, Liu M, et al. CFD-PBM simulations on hydrodynamics and gas-liquid mass transfer in a gas-liquid-solid circulating fluidized bed[J]. Powder Technology, 2020, 362: 57-74.

[93]	Zang H, Hu S, Liu X, et al. Applying a CFD-PBM approach to modeling the flow behavior in pressurized bubbling fluidized beds[J]. Powder Technology, 2025, 452: 120541.

[94]	Zhang H, Sayyar A, Wang Y, et al. Generality of the CFD-PBM coupled model for bubble column simulation[J]. Chemical Engineering Science, 2020, 219: 115514.

[95]	Zhang H, Guo K, Wang Y, et al. Numerical simulations of the effect of liquid viscosity on gas-liquid mass transfer of a bubble column with a CFD-PBM coupled model[J]. International Journal of Heat and Mass Transfer, 2020, 161: 120229.

[96]	Alobaid F, Almohammed N, Massoudi Farid M, et al. Progress in CFD simulations of fluidized beds for chemical and energy process engineering[J]. Progress in Energy and Combustion Science, 2022, 91: 100930.