重介质旋流器作为矿物加工领域的核心分选设备之一，其内部流场特性与颗粒分选行为直接影响分选效率与精矿品位。黄波及其研究团队针对重介质旋流器的分选过程，开展了深入的离散分析与数值模拟研究，旨在揭示其内部多相流动与分离机理，为设备优化与工艺控制提供理论依据。
研究首先从离散分析入手，系统剖析了重介质旋流器内影响分选效果的关键因素。这包括介质密度、入料压力、旋流器结构参数（如锥角、直径、溢流管与底流口尺寸）以及矿石颗粒的粒度组成与密度差异。通过对这些因素进行解构与关联分析，明确了各参数对离心力场、介质流态及颗粒运动轨迹的影响规律，奠定了数值模拟的物理基础。
在数值模拟方面，研究团队采用了计算流体动力学（CFD）与离散元法（DEM）耦合的先进仿真技术。CFD用于精确模拟旋流器内连续相（重介质悬浮液）的复杂湍流场，而DEM则用于追踪离散相（矿石颗粒）在流场中的受力与运动。通过这种耦合模拟，能够可视化并量化颗粒与流体、颗粒与颗粒以及颗粒与壁面之间的相互作用。模拟结果清晰地再现了颗粒按密度和粒度在旋流器轴向与径向的分离过程：高密度颗粒在强大离心力作用下向壁面运动并由底流口排出，低密度颗粒则随内旋流由溢流口排出。
研究通过数值模拟，详细刻画了空气柱的形成与稳定性、介质密度分布、速度场（切向、轴向、径向）以及颗粒分层与迁移的动态过程。模拟结果与实验室或工业试验数据进行了对比验证，证实了模型的可靠性与预测能力。这不仅深化了对重介质旋流器“黑箱”内部过程的理解，更重要的是，能够以低成本、高效率的方式，对不同操作条件和结构设计进行虚拟试验与优化。
黄波等的研究表明，基于离散分析与CFD-DEM数值模拟的方法，是研究和优化重介质旋流器分选工艺的强大工具。该工作为精准调控分选过程、提高分选效率、降低介质消耗提供了重要的技术途径，对推动矿物加工技术向智能化、精细化发展具有显著的学术价值与应用前景。结合人工智能与大数据，对模拟数据进行深度挖掘，有望实现重介质旋流器分选过程的实时预测与智能控制。
