CN112800661A - 一种面向工业环境移动个体的工位送风设计方法 - Google Patents

一种面向工业环境移动个体的工位送风设计方法 Download PDF

Info

Publication number
CN112800661A
CN112800661A CN202011594369.1A CN202011594369A CN112800661A CN 112800661 A CN112800661 A CN 112800661A CN 202011594369 A CN202011594369 A CN 202011594369A CN 112800661 A CN112800661 A CN 112800661A
Authority
CN
China
Prior art keywords
air supply
design
individual
moving
jet flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011594369.1A
Other languages
English (en)
Other versions
CN112800661B (zh
Inventor
曾令杰
高军
章睿妍
张承全
侯玉梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202011594369.1A priority Critical patent/CN112800661B/zh
Publication of CN112800661A publication Critical patent/CN112800661A/zh
Application granted granted Critical
Publication of CN112800661B publication Critical patent/CN112800661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Algebra (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Air Conditioning Control Device (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种面向工业环境移动个体的工位送风设计方法，通过遗传算法耦合伴随方法优化工位送风气流参数控制向工业环境移动个体的工位送风，为高污染场所个体呼吸污染暴露减量。以控制移动个体的呼吸暴露量为主要设计目标，同时对工位送风出风风速、角度、动量进行优化，优化过程以移动个体呼吸暴露量、送风速度及出风面积为优化目标函数，通过遗传算法的自适应遗传操作自动反向输出设计目标优化值。本发明实践上较正向设计的反复试算节省了大量的模拟计算时间，操作简洁易行。

Description

一种面向工业环境移动个体的工位送风设计方法
技术领域
本发明属于工业环境通风系统设计领域，涉及面向工业环境移动个体的工位送风反向设计方法。
背景技术
目前已公开的针对工人呼吸防护的技术中，工人主动佩戴呼吸防护用品较为常见，然而该措施主要应对的是工业场所呼吸防护标准(GB/T 18664-2002)规定“立即威胁生命和健康的危害环境”。对于大多数非IDLH环境，工人呼吸暴露浓度仍是很高的，由于不规定采用呼吸防护用品，实际上我们采取的是通过全面通风稀释或工位送风气流来控制工人的呼吸暴露水平。而目前工业建筑中工位送风所对应的人员区往往是模糊的，既位于生产工艺和操作要求的特定区域内，又由工人无法避免的移动而使空间范围变大且不明确，使得实践中很多工位送风失效(移动距离≥1m)。已公开的常规工位送风设计方法并没有以控制工人的呼吸暴露量为主要设计目标，同时对工位送风出风风速、角度、动量等也缺乏优化，导致以现有方法设计的工位送风系统在实际工程应用中对移动工人的呼吸防护效果极差。此外，常规的正向设计方法在应对多个送风参数需要同时优化的场景时只能通过试算遍历所有可能的送风参数，实践上费时费力，这也是工位送风气流缺乏有效优化的重要原因。
发明内容
针对上述现有技术的缺点，本发明的目的在于提出一种面向工业环境移动个体的工位送风设计方法，拟通过遗传算法耦合伴随方法优化工位送风气流参数解决工人移动过程中送风气流防护失效的难题，为高污染场所工人呼吸污染暴露减量化提供技术支撑。
为达到上述目的，本发明采用的技术方案为：
(1)选取圆形喷口作为工人呼吸防护气流的送风装置，则根据射流基本特征，喷口送风将与工人呼吸高度所在的平面相交。一般情况下平面与射流轴非正交，相交断面呈椭圆形，特殊情况下平面与射流轴正交，相交断面为圆形。
(1.1)根据射流的几何特征，当射流轴非正交于已知平面时的主体段断面流量及真实动量为：
Figure BDA0002867678900000021
Figure BDA0002867678900000022
其中，Q为主体段断面流量，m3/s；Q0为圆形喷口出口流量，m3/s；vs为主体段质量平均流速， m/s，反映主体段的真实动量；β为垂直于射流轴的圆断面与水平面的夹角；u0为射流出口断面的平均速度，m/s；a为紊流系数；s为射流断面到圆形喷口的距离，m；r0为圆形喷口半径，m。所述紊流系数a对于圆形喷口取0.08。
(1.2)若要满足以上椭圆面覆盖移动工人的主要呼吸区域，需统计工人在操作机器时的大致移动范围，实践中可采用给工人操作区域划定椭圆边界线的方法实现。
(2)确定通过反向设计求取的设计变量。首先假定射流出口位置由管线布置决定，同时假定射流出风口为圆形，两者均是确定量，则本发明中的风口设计变量包括出风角度(β)、出风速度(u0)以及出风动量(面积S)。
(2.1)以(1.2)所划定的椭圆截面积参数(长短轴)、射流在该截面的质量平均流速范围vs以及工人的呼吸暴露量阈值为设计目标，其中，工人在设备运行周期内的呼吸暴露量可由如下公式表示
Figure BDA0002867678900000023
式中，Ci(t)为t时刻工人呼吸区污染浓度，mg/m3。
(3)由遗传算法随机生成设计变量(β、u0及S)初始种群，种群规模设为U，即包含 U个代表不同设计变量取值的个体。
(4)调用Computational Fluid Dynamics计算流体动力学(CFD)对以各种取值组合的设计变量为边界条件的工况开展模拟，待所有个体计算完毕后将计算结果导出，将其代入优化目标函数公式计算适应度。
(4.1)所述的气流优化目标函数的数学表述如下：
Figure BDA0002867678900000024
Figure BDA0002867678900000031
Figure BDA0002867678900000032
式中，OF1、OF2及OF3分别为满足工人呼吸暴露设计阈值、射流包络面设计质量平均流速及截面参数的目标函数；PEQT为设计工人呼吸暴露量阈值，mg；PEQ为模拟计算得到的工人呼吸暴露量，mg；v's和vs分别为设计射流断面质量平均流速和模拟计算得到的射流质量平均流速，m/s；la'和la分别为所划定的设计椭圆长轴长度和模拟计算得到的对应平面上的射流椭圆长轴长度，m；sa'和sa分别为所划定的设计椭圆短轴长度和模拟计算得到的对应平面上的射流椭圆短轴长度，m。
(4.2)根据自由射流几何特征，在等温射流条件下(无射流弯曲)，易知当风口位置及射流断面的几何、位置参数同时确定时，射流风口的出风角度β也唯一确定，此时，剩余设计变量为射流出风速度u0及出口面积S，实现了寻优设计变量的减量化。
(5)设计变量(u0、S)对应的适应度计算完毕后，检验所有个体的适应度是否满足预先设定的收敛条件，若满足，则输出满足多目标的最优设计变量；若不满足，则进入遗传算法的选择、交叉、变异操作过程生成一组新的设计变量重复上述步骤。
(6)由于所述遗传算法中的基因突变过程不可控，导致算法可能进行大量不必要的工况计算，同时，突变产生的适应度值较高的个体可能减缓算法收敛速度。因此在执行突变操作时结合了伴随方法。
(6.1)所述伴随方法通过引入拉格朗日乘子κ(与设计变量一一对应)将以上目标函数转化为如下统一形式：
Y＝R+κZ (7)
其中，Y为拉格朗日状态空间下的新目标函数；R为原目标函数；Z为状态函数，且Z(χ,h)＝0；χ为状态参数。
(6.2)接下来，计算新目标函数Y关于设计变量h的梯度，则：
Figure BDA0002867678900000033
令
Figure BDA0002867678900000034
公式(9)即为状态函数Z(χ,h)＝0的伴随方程，经由此方程计算状态参数χ的值后，新目标函数Y对设计变量h的梯度则由如下公式计算：
Figure BDA0002867678900000041
伴随方程求解中最重要的步骤即是根据
Figure BDA0002867678900000042
的梯度计算值确定新的设计变量取值h'。借由伴随方法可以一次性计算出设计变量相对于(u0、S)目标函数的梯度，从而使突变沿着最优梯度方向前进。
(7)当计算的所有适应度值达到计算终止条件后，需对满足不同设计目标的设计变量进行回归分析，所述回归分析的加入实质上减少了遗传算法所需计算的工况数量，这是因为回归分析明确了对应目标函数中各设计变量间的模糊数学关系，该关系的使用可避免算法在一个目标函数中同时对多个目标进行反向寻优，减少了寻优参数组合的范围。
由于采用上述技术方案，本发明取得的有益效果包括：所述面向工业环境移动个体的工位送风反向设计方法以控制移动工人的呼吸暴露量为主要设计目标，同时对工位送风出风风速、角度、动量等进行优化，优化过程采用遗传算法耦合伴随方法的反向设计思路，即以移动工人呼吸暴露量、送风速度及出风面积为优化目标函数，通过遗传算法的自适应遗传操作 (选择、交叉、突变)自动反向输出设计目标优化值，实践上较正向设计的反复试算节省了大量的模拟计算时间，操作简洁易行。
附图说明
图1为本发明方法实现流程图。
图2为反向设计的实现技术路线图。
图3工人操作区域的椭圆边界线及优化送风气流拟覆盖区域图。
图4为射流断面与人员呼吸平面相交构成的椭圆面图。
图5为设计目标回归分析图。
图6为采用反向设计的送风气流与传统工位送风对人员呼吸防护的效果对比(实测呼吸区VOCs浓度)图。
具体实施方式
以下结合附图及实施例对本发明作进一步的说明。
如图1所示为本发明实现流程图，所述一种面向工业环境移动个体的工位送风反向设计方法即是以遗传算法耦合伴随方法为核心、结合多目标最优化思想的反向设计思路，其以CFD 模拟计算的结果为载体，充分发挥遗传算法的非梯度全局寻优能力以及伴随方法局部快速逼近最优解的能力，反向设计的实现技术路线如图2。
具体实施上，首先统计工人在操作机器时的大致移动范围，实践中可采用给工人操作区域划定椭圆边界线的方法得到设计椭圆面以满足覆盖移动工人主要呼吸区域的目标，如图3 所示。根据所得椭圆面确定射流主体段断面流量及真实动量(如图4所示)，即可得到风口的三个设计变量包括出风角度(β)、出风速度(u0)以及出风动量(面积S)。以所划定的椭圆截面积参数(长短轴)、射流在该截面的质量平均流速范围vs(一般取0.5m/s)以及工人的呼吸暴露量阈值为设计目标。所述工人呼吸暴露量阈值取40h工作周时间加权的二甲苯容许浓度2000mg/m3·h。所述的气流优化目标函数的数学表述如下：
Figure BDA0002867678900000051
Figure BDA0002867678900000052
Figure BDA0002867678900000053
式中，OF1、OF2及OF3分别为满足工人呼吸暴露设计阈值、射流包络面设计质量平均流速及截面参数的目标函数；PEQT为设计工人呼吸暴露量阈值，mg；PEQ为模拟计算得到的工人呼吸暴露量，mg；v's和vs分别为设计射流断面质量平均流速和模拟计算得到的射流质量平均流速，m/s；la'和la分别为所划定的设计椭圆长轴长度和模拟计算得到的对应平面上的射流椭圆长轴长度，m；sa'和sa分别为所划定的设计椭圆短轴长度和模拟计算得到的对应平面上的射流椭圆短轴长度，m。
由遗传算法随机生成设计变量(β、u0及S)初始种群，种群规模设为100，即包含100个代表不同设计变量取值的个体，由于在等温射流条件下(无射流弯曲)，当风口位置及射流断面的几何、位置参数同时确定时，射流风口的出风角度β唯一确定，因此，剩余设计变量仅为射流出风速度u0及出口面积S，所述遗传算法的选择概率为0.2，交叉概率为0.5，突变概率则由伴随方法确定。所述伴随方法通过引入拉格朗日乘子κ(与设计变量一一对应)将以上目标函数转化为如下统一形式：
Y＝R+κZ
其中，Y为拉格朗日状态空间下的新目标函数；R为原目标函数；Z为状态函数，且Z(χ,h)＝0；χ为状态参数。
通过计算新目标函数Y关于设计变量h的梯度，则：
Figure BDA0002867678900000054
令
Figure BDA0002867678900000061
该公式即为状态函数Z(χ,h)＝0的伴随方程，经由此方程计算状态参数χ的值后，新目标函数Y对设计变量h的梯度则由如下公式计算：
Figure BDA0002867678900000062
伴随方程求解中最重要的步骤即是根据
Figure BDA0002867678900000063
的梯度计算值确定新的设计变量取值h'。借由伴随方法可以一次性计算出设计变量相对于(u0、S)目标函数的梯度，从而使突变沿着最优梯度方向前进。
当计算的所有适应度值达到计算终止条件后，需对满足不同设计目标的设计变量进行回归分析，如对于本实施例则是将分别满足设计目标(PEQT、v's、la'及sa')要求的设计变量 (u0、S)在平面坐标系内进行回归，再将各自回归分析的结果融合入一张分析图，如图5 所示，最后结合已确定的出风角度β，利用作图分析法确定出同时满足多个设计目标的最优送风参数。所述的回归分析的引入实质上减少了遗传算法所需计算的工况数量，这是因为回归分析明确了对应目标函数中各设计变量间的模糊数学关系，该关系的使用可避免算法在一个目标函数中同时对多个目标进行反向寻优，减少了寻优参数组合的范围。
最后，通过优化设计后的工位送风防护气流可以有效覆盖工人操作及移动的主要区域。
与传统工位送风相比，经反向设计优化的送风气流可以有效降低人员呼吸区的浓度，如图6所示，在某工厂实测的采用传统工位送风的人员呼吸区VOCs浓度约为10-20mg/m3(浓度峰值表示工位送风气流对人员呼吸基本没有防护)，而经送风气流反向设计优化后，人员呼吸区的VOCs浓度基本下降至5mg/m3以下，由此证明本发明提出的面向工业环境移动个体的工位送风反向设计方法在实践应用中的合理性与有效性。
上述相关说明以及对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些内容做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述相关说明以及对实施例的描述，本领域的技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (8)

1.一种面向工业环境移动个体的工位送风设计方法，其特征在于：通过遗传算法耦合伴随方法优化工位送风气流参数控制向工业环境移动个体的工位送风，为高污染场所个体呼吸污染暴露减量。
2.根据权利要求1所述的面向工业环境移动个体的工位送风设计方法，其特征在于：以控制移动个体的呼吸暴露量为主要设计目标，同时对工位送风出风风速、角度、动量进行优化，优化过程以移动个体呼吸暴露量、送风速度及出风面积为优化目标函数，通过遗传算法的自适应遗传操作自动反向输出设计目标优化值。
3.根据权利要求1所述的面向工业环境移动个体的工位送风设计方法，其特征在于，包括以下步骤：
(1)选取圆形喷口作为个体呼吸防护气流的送风装置，则根据射流基本特征，喷口送风将与个体呼吸高度所在的平面相交；平面与射流轴非正交，相交断面呈椭圆形；
(2)确定通过反向设计求取的设计变量；首先假定射流出口位置由管线布置决定，同时假定射流出风口为圆形，两者均是确定量，则本发明中的风口设计变量包括出风角度β、出风速度u0以及出风动量面积S；
(3)由遗传算法随机生成所述设计变量β、u0及S初始种群，种群规模设为U，即包含U个代表不同设计变量取值的个体；
(4)调用CFD对以各种取值组合的设计变量为边界条件的工况开展模拟，待所有个体计算完毕后将计算结果导出，将其代入优化目标函数公式计算适应度；
(5)所述设计变量u0、S对应的适应度计算完毕后，检验所有个体的适应度是否满足预先设定的收敛条件，若满足，则输出满足多目标的最优设计变量；若不满足，则进入遗传算法的选择、交叉、变异操作过程生成一组新的设计变量重复上述步骤；
(6)在执行突变操作时结合了伴随方法；
(7)当计算的所有适应度值达到计算终止条件后，需对满足不同设计目标的设计变量进行回归分析，减少遗传算法所需计算的工况数量。
4.根据权利要求3所述的面向工业环境移动个体的工位送风设计方法，其特征在于，步骤(1)包括：
(1.1)根据射流的几何特征，当射流轴非正交于已知平面时的主体段断面流量及真实动量为：
Figure FDA0002867678890000011
Figure FDA0002867678890000012
其中，Q为主体段断面流量，m3/s；Q0为圆形喷口出口流量，m3/s；vs为主体段质量平均流速，m/s，反映主体段的真实动量；β为垂直于射流轴的圆断面与水平面的夹角；u0为射流出口断面的平均速度，m/s；a为紊流系数；s为射流断面到圆形喷口的距离，m；r0为圆形喷口半径，m；所述紊流系数a对于圆形喷口取0.08；
(1.2)若要满足以上椭圆面覆盖移动个体的主要呼吸区域，需统计个体在操作机器时的大致移动范围。
5.根据权利要求4所述的面向工业环境移动个体的工位送风设计方法，其特征在于，步骤(1.2)中采用给个体操作区域划定椭圆边界线的方法实现。
6.根据权利要求4所述的面向工业环境移动个体的工位送风设计方法，其特征在于，
步骤(2)中，以步骤(1.2)所划定的椭圆截面积参数、射流在该截面的质量平均流速范围vs以及个体的呼吸暴露量阈值为设计目标，其中，个体在设备运行周期内的呼吸暴露量可由如下公式表示：
Figure FDA0002867678890000021
式中，Ci(t)为t时刻个体呼吸区污染浓度，mg/m3。
7.根据权利要求4所述的面向工业环境移动个体的工位送风设计方法，其特征在于，
步骤(4)包括：
(4.1)所述的气流优化目标函数的数学表述如下，
Figure FDA0002867678890000022
Figure FDA0002867678890000023
Figure FDA0002867678890000024
式中，OF1、OF2及OF3分别为满足个体呼吸暴露设计阈值、射流包络面设计质量平均流速及截面参数的目标函数；PEQT为设计个体呼吸暴露量阈值，mg；PEQ为模拟计算得到的个体呼吸暴露量，mg；v's和vs分别为设计射流断面质量平均流速和模拟计算得到的射流质量平均流速，m/s；la'和la分别为所划定的设计椭圆长轴长度和模拟计算得到的对应平面上的射流椭圆长轴长度，m；sa'和sa分别为所划定的设计椭圆短轴长度和模拟计算得到的对应平面上的射流椭圆短轴长度，m；
(4.2)根据自由射流几何特征，在等温射流条件下，易知当风口位置及射流断面的几何、位置参数同时确定时，射流风口的出风角度β也唯一确定，此时，剩余设计变量为射流出风速度u0及出口面积S，实现了寻优设计变量的减量化。
8.根据权利要求4所述的面向工业环境移动个体的工位送风设计方法，其特征在于，步骤(6)包括：
(6.1)所述伴随方法通过引入与设计变量一一对应的拉格朗日乘子κ将目标函数转化为如下统一形式，
Y＝R+κZ
其中，Y为拉格朗日状态空间下的新目标函数；R为原目标函数；Z为状态函数，且Z(χ,h)＝0；χ为状态参数；
(6.2)接下来，计算新目标函数Y关于设计变量h的梯度，则，
Figure FDA0002867678890000031
令
Figure FDA0002867678890000032
上述公式即为状态函数Z(χ,h)＝0的伴随方程，经由此方程计算状态参数χ的值后，新目标函数Y对设计变量h的梯度则由如下公式计算：
Figure FDA0002867678890000033
根据
Figure FDA0002867678890000034
的梯度计算值确定新的设计变量取值h'；借由伴随方法可以一次性计算出设计变量相对于u0、S目标函数的梯度，从而使突变沿着最优梯度方向前进。
CN202011594369.1A 2020-12-29 2020-12-29 一种面向工业环境移动个体的工位送风设计方法 Active CN112800661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011594369.1A CN112800661B (zh) 2020-12-29 2020-12-29 一种面向工业环境移动个体的工位送风设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011594369.1A CN112800661B (zh) 2020-12-29 2020-12-29 一种面向工业环境移动个体的工位送风设计方法

Publications (2)

Publication Number Publication Date
CN112800661A true CN112800661A (zh) 2021-05-14
CN112800661B CN112800661B (zh) 2022-05-31

Family

ID=75805569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011594369.1A Active CN112800661B (zh) 2020-12-29 2020-12-29 一种面向工业环境移动个体的工位送风设计方法

Country Status (1)

Country Link
CN (1) CN112800661B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110039491A1 (en) * 2009-08-17 2011-02-17 Syracuse University Low Mixing Ventilation Jet
CN105550437A (zh) * 2015-12-09 2016-05-04 天津大学 一种基于遗传算法的室内环境反向设计方法
CN108733881A (zh) * 2018-04-13 2018-11-02 同济大学 应对公共建筑室内突发空气污染的处理方法
CN109282443A (zh) * 2018-09-05 2019-01-29 广东工业大学 一种多模式、低能耗的室内热调节方法
CN109282415A (zh) * 2018-09-18 2019-01-29 西安科技大学 一种置换通风空调房间送风装置及方法
CN111706951A (zh) * 2020-07-03 2020-09-25 湖南大学 一种有限空间空气稳定性的热舒适通风与污染物控制方法
CN111928406A (zh) * 2020-08-10 2020-11-13 东南大学 一种适用于高污染源工业建筑的送排风耦合通风系统及控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110039491A1 (en) * 2009-08-17 2011-02-17 Syracuse University Low Mixing Ventilation Jet
CN105550437A (zh) * 2015-12-09 2016-05-04 天津大学 一种基于遗传算法的室内环境反向设计方法
CN108733881A (zh) * 2018-04-13 2018-11-02 同济大学 应对公共建筑室内突发空气污染的处理方法
CN109282443A (zh) * 2018-09-05 2019-01-29 广东工业大学 一种多模式、低能耗的室内热调节方法
CN109282415A (zh) * 2018-09-18 2019-01-29 西安科技大学 一种置换通风空调房间送风装置及方法
CN111706951A (zh) * 2020-07-03 2020-09-25 湖南大学 一种有限空间空气稳定性的热舒适通风与污染物控制方法
CN111928406A (zh) * 2020-08-10 2020-11-13 东南大学 一种适用于高污染源工业建筑的送排风耦合通风系统及控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LINGJIE ZENG等: "Localization and characterization of intermittent pollutant source in buildings with ventilation systems: Development and validation of an inverse model", 《RESEARCHGATE》 *
QIONG LI等: "CFD study of the thermal environment in an air-conditioned train station building", 《BUILDING AND ENVIRONMENT》 *
孙三祥等: "双向行车公路隧道射流通风系统优化分析", 《公路交通科技》 *
梁珍等: "工位送风对载人航天器座舱空气品质的影响", 《航天医学与医学工程》 *
薛雨: "基于遗传算法和伴随方法的人居环境空气品质逆向问题研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112800661B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN108415425A (zh) 一种基于改进基因调控网络的分布式群机器人协同集群算法
CN105260518B (zh) 基于cfd模拟结合系统仿真模型的机舱环境控制方法
CN112800661B (zh) 一种面向工业环境移动个体的工位送风设计方法
CN111706951B (zh) 一种有限空间空气稳定性的热舒适通风与污染物控制方法
CN107349786A (zh) 选择性催化还原脱硝装置及其喷氨优化方法
CN109140734B (zh) 一种节能型靶向送风口
CN111412615B (zh) 基于空调器的涡环运动控制方法、空调、存储介质及装置
CN111068517A (zh) 一种scr反应器导流板角度调整装置及方法
CN108800410B (zh) 一种适用于商业综合体的区域通风装置
CN111878150B (zh) 一种公路隧道减少空气侵入量用自空气幕系统
CN109140733B (zh) 一种均流节能型半圆送风口以及该送风口结构的确定方法
CN115143499A (zh) 一种排烟系统及控制方法
CN105382010B (zh) 变风量控制系统
CN110059410B (zh) 一种基于b样条的腹部进气高超声速前体优化设计方法
CN108917145B (zh) 一种节能型送风口
Pedersen et al. Exhaust system reinforced by jet flow
CN116560264B (zh) 一种飞机喷漆作业控制区在线监测及通风联动控制方法
Sakakibara et al. The Evaluation of Air Blowing Method of Variable-Air-Conditioning-System using Coanda Effect by Computational Fluid Dynamics
CN111878149B (zh) 一种圆形隧道减少空气侵入量用自空气幕系统
Su et al. The effect of air supply rate on indoor infection probability in mixing ventilation
CN110472279B (zh) 一种基于涡动扩散模型的放射性气体浓度评估方法
CN109163435A (zh) 一种均流节能型三角送风口以及该送风口结构的确定方法
CN114076355B (zh) 空调器及其空调器的控制方法、控制装置和可读存储介质
CN113742643B (zh) 一种基于系统状态约束的低能耗弹道优化方法
CN117521311A (zh) 一种单出入口有限空间通风排气方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant