流变模型方程
牛顿: $\tau = \mu \dot\gamma$幂律: $\tau = K \dot\gamma^n$
宾汉: $\tau = \tau_0 + \mu_p \dot\gamma$
H-B: $\tau = \tau_0 + K \dot\gamma^n$
阿伦尼乌斯: $\mu(T) = A e^{E_a/RT}$
在剪切应力-剪切速率图上比较牛顿流体、幂律模型、宾汉塑性体和H-B模型。计算温度依赖性(阿伦尼乌斯方程)和管内流动应用。
最基础的牛顿流体模型,描述剪切应力与剪切速率成正比的线性关系。
$$\tau = \mu \dot{\gamma}$$$\tau$ 是剪切应力 (Pa),$\dot{\gamma}$ 是剪切速率 (1/s),$\mu$ 是动力粘度 (Pa·s)。粘度越大,流体流动越困难。
更通用的Herschel-Bulkley模型,结合了屈服应力和非线性流动行为,能描述大多数非牛顿流体。
$$\tau = \tau_0 + K \dot{\gamma}^n$$$\tau_0$ 是屈服应力 (Pa),$K$ 是稠度系数 (Pa·sⁿ),$n$ 是流动指数(无量纲)。当 $\tau_0=0, n=1$ 时退化为牛顿流体;当 $\tau_0=0, n\neq1$ 时为幂律流体;当 $n=1$ 时为宾汉塑性体。
粘度随温度变化的经验公式,对于工程中考虑温度效应至关重要。
$$\mu(T) = A e^{E_a/(RT)}$$$\mu(T)$ 是温度T时的粘度,$A$ 是指前因子,$E_a$ 是流动活化能 (J/mol),$R$ 是气体常数,$T$ 是绝对温度 (K)。温度升高,粘度通常呈指数下降。
食品工业:番茄酱、蛋黄酱的挤出性和涂抹性设计,巧克力涂层的流平性控制,都需要精确的屈服应力和剪切稀化模型,以确保产品既有好的口感又能被高效生产。
石油钻井:钻井泥浆必须具有足够的屈服应力以悬浮钻出的岩屑,防止其沉降堵塞井眼,同时在高剪切速率下(泵送时)粘度又不能太高,这直接关系到钻井的安全与效率。
涂料与化妆品:油漆在刷涂时需要低粘度以便铺展,停下后需要高粘度以防流挂。指甲油、粉底液等同样利用剪切稀化特性,实现“一涂即匀,静置不流”。
生物医学工程:血液是一种复杂的非牛顿流体(剪切稀化)。在动脉(高剪切率)和毛细血管(低剪切率)中的流动行为不同,这对设计人工心脏、血管支架以及理解血栓形成至关重要。
首先,要明确“粘度μ”和“稠度系数K”单位不同,不能直接比较。牛顿流体的粘度μ单位是[Pa·s],但幂律模型的K单位是[Pa·sn]。当n不等于1时,量纲就会发生变化。例如,K=10 Pa·s0.5的流体是否比“粘度10”的牛顿流体更粘稠?这不能一概而论。在剪切速率1 1/s处比较时两者相同,但速率改变后关系可能逆转。建议养成使用模拟器将两种模型并列、在全范围内比较的习惯。
其次,要注意宾汉塑性体的“塑性粘度μp”并非屈服后的“表观粘度”。它虽然是描述屈服开始流动后流动阻力的参数,但实际表观粘度η的计算式为 η = τ/γ̇ = τ0/γ̇ + μp。这意味着剪切速率越低,τ0/γ̇项的影响越大,表观粘度会急剧升高。这正是从管中缓慢挤出与快速挤出时感受到阻力截然不同的原因。拟合实际数据时,若未准确获取低剪切速率区域的数据,则无法正确估算μp和τ0。
最后,需注意“幂律指数n”并非万能参数。即使对于n<1的剪切稀化流体,当剪切速率极高时分子链可能被拉断,最终往往恢复牛顿流体行为。请将幂律模型理解为一种较好描述中间剪切速率区的“近似模型”。实际应用中,必须始终确认目标工艺(如涂布时的剪切速率、灌装时的剪切速率)是否处于该模型的有效范围内。
本工具涉及的流变模型是高分子加工领域的必备知识。例如,将塑料注射到模具中成型时,熔融树脂会以高剪切速率通过喷嘴(此时剪切稀化效应使粘度下降,易于充填)。随后在模具内冷却过程中,粘度的温度依赖性直接关系到收缩和翘曲。通过模拟器结合“幂律模型”与“温度依赖性”进行分析,是理解该工艺的第一步。
在食品工程中也有广泛应用。不仅前文提及的牙膏(宾汉塑性体),蛋黄酱、番茄酱、酸奶等都具有屈服应力。这种特性实现了“易于从容器挤出,但在面包或餐盘上能保持形状”的功能。此外,巧克力的调温工艺本质上就是对粘度与温度关系(阿伦尼乌斯方程)的精密控制。
在化妆品与个护领域,“使用肤感”的设计依赖于流变学。产品需满足复杂要求:涂抹时在较小作用力下发生剪切稀化易于延展(n<1),但从容器挤出时流畅顺滑(τ0较小),在手上又能保持穹顶形状(τ0适度)。通过模拟器理解各参数如何影响曲线形态,便能触及这类产品设计的核心。
下一步建议彻底掌握“表观粘度”概念。所有模型的表观粘度η均定义为 η = τ / γ̇。尝试将各本构方程代入此式会很有帮助:例如幂律模型可得 η = K γ̇n-1。若n<1,从公式可明确看出γ̇增大时η减小(剪切稀化)。若能在大脑中构建“表观粘度曲线”图像,解读实际数据的能力将大幅提升。
从数学背景角度,引入“泰勒展开”视角也很有意义。许多非牛顿流体模型可视为以剪切速率γ̇为变量的级数形式来描述复杂现象的尝试。例如对幂律模型取对数可得 log τ = log K + n log γ̇ 的线性关系。若实测数据的双对数坐标图呈直线,则意味着该数据适合用幂律模型描述。这种“如何绘制数据使其呈现线性”的思考,正是工程研究的基础。
最后,若要拓展本工具所学知识,可关注“时间依赖性”。此前讨论的模型仅考虑给定剪切速率瞬时的应力(稳态流动)。但像搅拌后静置会恢复原状的酸奶这类触变性现象,表明应力和粘度也会随“时间”变化。这与涂料的“流挂”“刷痕”等问题直接相关。在巩固稳态流动理解后,强烈建议进一步探索这个时间依赖性的领域。