流体机械

测点位置	试验浓度/(mg⋅m^-³)	模拟浓度/(mg⋅m^-³)	相对误差/%
测点1	28.10	24.26	13.67
测点2	21.61	21.79	-0.83
测点3	24.77	25.19	-1.70
测点4	12.49	13.79	-10.41
测点5	16.70	15.83	5.21
测点6	10.59	11.74	-10.86

测点位置	试验浓度/(mg⋅m^-³)	模拟浓度/(mg⋅m^-³)	相对误差/%
测点1	28.10	24.26	13.67
测点2	21.61	21.79	-0.83
测点3	24.77	25.19	-1.70
测点4	12.49	13.79	-10.41
测点5	16.70	15.83	5.21
测点6	10.59	11.74	-10.86

目标点	位置信息	Inlet 1-1和Inlet 1-2 寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2 寻优风速/（m⋅s^-1）	模拟与设定目标的相对误差/%
目标点1	(0.8,4.0）	0.42	0.48	2.02
目标点2	（2.4,4.0）	0.28	0.34	0.10
目标点3	（4.0,4.0）	0.32	0.49	1.66
目标点4	（5.6,4.0）	0.22	0.50	1.57
目标点5	（7.2,4.0）	0.30	0.48	-3.09

目标点	位置信息	Inlet 1-1和Inlet 1-2 寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2 寻优风速/（m⋅s^-1）	模拟与设定目标的相对误差/%
目标点1	(0.8,4.0）	0.42	0.48	2.02
目标点2	（2.4,4.0）	0.28	0.34	0.10
目标点3	（4.0,4.0）	0.32	0.49	1.66
目标点4	（5.6,4.0）	0.22	0.50	1.57
目标点5	（7.2,4.0）	0.30	0.48	-3.09

模态	重构步长/（m⋅s^-1）	重构工况数/个	程序运行时间/s
5阶	0.01	1 681	67
10阶	0.01	1 681	68
15阶	0.01	1 681	72
20阶	0.01	1 681	78

模态	重构步长/（m⋅s^-1）	重构工况数/个	程序运行时间/s
5阶	0.01	1 681	67
10阶	0.01	1 681	68
15阶	0.01	1 681	72
20阶	0.01	1 681	78

模态	目标点	Inlet 1-1和Inlet 1-2寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2寻优风速/（m⋅s^-1）	数值模拟验证值/10^-3	模拟与设定目标的相对误差/%
5阶	目标点1	0.43	0.35	2.137	6.84
10阶	目标点1	0.21	0.36	2.259	12.93
15阶	目标点1	0.27	0.34	1.955	-2.23
16阶	目标点1	0.42	0.48	2.040	2.02
20阶	目标点1	0.42	0.48	2.040	2.02

模态	目标点	Inlet 1-1和Inlet 1-2寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2寻优风速/（m⋅s^-1）	数值模拟验证值/10^-3	模拟与设定目标的相对误差/%
5阶	目标点1	0.43	0.35	2.137	6.84
10阶	目标点1	0.21	0.36	2.259	12.93
15阶	目标点1	0.27	0.34	1.955	-2.23
16阶	目标点1	0.42	0.48	2.040	2.02
20阶	目标点1	0.42	0.48	2.040	2.02

基于POD的污染物非均匀浓度场控制方法研究

王非 ¹ , 闫迅 ¹ , 林诚杰 ¹ , 孟钦鹏 ² , 王昕 ¹

流体机械 | 试验研究 2025,53(10): 10-18

收起

流体机械 |试验研究 2025 , 53 (10) : 10 -18

基于POD的污染物非均匀浓度场控制方法研究

全屏

王非¹, 闫迅¹, 林诚杰¹, 孟钦鹏², 王昕¹

作者信息

¹上海理工大学环境与建筑学院，上海 200093

²同济大学机械与能源工程学院，上海 200092

作者简介:

王非（1982），男，博士，高级实验师，主要从事工业通风，建筑设备自动化等领域的研究，通信地址：200093上海市杨浦区军工路516号上海理工大学环境与建筑学院，E-mail：wangfei@usst.edu.cn。

Study on control method for non‑uniform pollutant concentration field based on POD

Fei WANG¹, Xun YAN¹, Chengjie LIN¹, Qinpeng MENG², Xin WANG¹

Affiliations

¹School of Environment and Architecture，University of Shanghai for Science and Technology，Shanghai 200093，China

²School of Mechanical Engineering，Tongji University，Shanghai 200092，China

出版时间: 2025-10-31 doi: 10.3969/j.issn.1005-0329.2025.10.002

文章导航

摘要

收起

针对工业通风方法基于污染物均匀分布假设，导致通风能耗过高的问题，提出一种基于流场预测与遍历寻优的智能通风控制方法，该方法能够按目标控制点的需求动态调控通风系统。利用本征正交分解（POD）对污染物浓度场进行降维与重构，获得低维基函数及其系数；通过基系数插值技术预测不同送风参数下的动态污染物浓度分布；采用遍历寻优算法，搜索并确定最优的送风参数组合，并在二维送风参数空间下进行了验证。结果表明，该方法预测的污染物浓度分布与数值模拟值的相对误差较小，能够准确地预测浓度场；寻优算法能够精准定位满足需求的最优送风参数，最优控制误差达到0.1%；控制程序在二维参数空间下的运行时间仅为78 s，显示出该方法具备应用于实时通风控制的潜力。研究提出的智能通风控制方法为工业通风提供了新的智能化解决方案，具有良好的适用性和应用前景。

关键词

工业通风 / 本征正交分解 / 室内污染物控制 / 通风系统控制 / 非均匀浓度场

Abstract

收起

To address the issue of excessive ventilation energy consumption caused by the assumption of uniform pollutant distribution in industrial ventilation methods，an intelligent ventilation control method based on flow field prediction and traversal optimization is proposed.This method can dynamically regulate the ventilation system according to the needs of target control points.First，proper orthogonal decomposition （POD） is used to reduce the dimensionality and reconstruct the pollutant concentration field，obtaining low‑dimensional basis functions and their coefficients；then，basis coefficient interpolation technology is employed to predict dynamic pollutant concentration distributions under different air supply parameters；finally，a traversal optimization algorithm is adopted to search and determine the optimal combination of air supply parameters，which is verified in a two‑dimensional air supply parameter space.The results show that the pollutant concentration distribution predicted by this method has a small relative error compared with numerical simulation values，and can accurately predict the concentration field；the optimization algorithm can precisely locate the optimal air supply parameters that meet the requirements，achieving an optimal control error of 0.1%；the running time of the control program in the two‑dimensional parameter space is only 78 s，demonstrating the potential of this method for real‑time ventilation control.The intelligent ventilation control method proposed in this study provides a new intelligent solution for industrial ventilation，with good applicability and application prospects.

Key words

industrial ventilation / proper orthogonal decomposition / indoor pollutant control / ventilation system control / non‑uniform concentration field

引用本文

王非, 闫迅, 林诚杰, 孟钦鹏, 王昕. 基于POD的污染物非均匀浓度场控制方法研究. 流体机械, 2025 , 53 (10) : 10 -18 . DOI: 10.3969/j.issn.1005-0329.2025.10.002

Fei WANG, Xun YAN, Chengjie LIN, Qinpeng MENG, Xin WANG. Study on control method for non‑uniform pollutant concentration field based on POD[J]. Fluid Machinery, 2025 , 53 (10) : 10 -18 . DOI: 10.3969/j.issn.1005-0329.2025.10.002

正文

收起

0　引言

收起

我国是制造业大国，拥有门类齐全的生产加工体系。但生产加工过程中通常伴随着大量的污染物散发^［1-2］，主要为颗粒污染物^［3-5］和有害气体^［6］，如可挥发性有机物（volatile organic compounds，VOCs）^［7］。这些污染的扩散会给从业人员的健康带来危害^［8］。邱姗姗^［9］针对车间内污染物浓度的影响因素进行了研究，结果表明，室外风速和温度与车间内污染物浓度呈负相关；室外风向对车间内污染物浓度的影响显著；内污染源是影响车间内污染物浓度的主要因素。WANG等^［10］对8个机加工车间进行了实测研究，发现车间内油雾颗粒和可挥发性有机物的浓度在不同的生产工艺段和不同的生产负荷下有较大的变化，最大相差4.7倍。

工业厂房通常采用通风的方法^［11-16］来降低室内污染物浓度。局部通风是一种被广泛使用的通风方式，很多研究人员对局部通风进行了优化研究^［17-20］。但局部通风受到安装位置、工艺特性和管道长度等限制，无法去除全部的污染物。因此，全面通风在工业厂房中仍然是必要的。但全面通风的设计与控制是基于污染物均匀分布假设，这造成了建筑能源的大量浪费。主要原因之一是传统暖通空调系统及监控系统无法实现最优送风参数实时调节^［21-23］，按照最不利情况运行能耗极大，并未考虑污染物在工业厂房中的非均匀分布。

本征正交分解（POD）方法是一种高效的模态降维技术，能够在减少自由度的同时提取主要特征信息，近年来广泛应用于流场重构领域^［24］。在通风系统中，POD方法被用于优化送风参数设计，显著提高效率并减少试错成本。WEI等^［25］采用POD方法，加速送风设计；LIU等^［26］通过POD优化送风参数，实现更高效率和更优通风效果。与传统方法相比，POD反设计效率提升90%以上。

本文通过POD方法快速预测污染物浓度分布，并基于预测结果动态控制通风系统运行，实现污染物非均匀浓度场的通风控制；实现多目标点浓度控制，优化通风运行控制方式并节约能耗。

1　研究方法

收起

1.1　基于POD的通风控制系统

本文所设计的通风控制系统为基于浓度场预测的开环控制系统。通过快速预测浓度场，并进行寻优，获得与控制目标最接近的送风参数，从而实现多目标智能动态通风控制。

利用POD提取主要特征，首先，需要建立基础颗粒浓度分布数据库，该数据库由计算流体力学（CFD）计算的方式获得；然后，重构扩展颗粒浓度分布数据库，在输入颗粒散发率后，通过遍历寻优确定各送风口的最优送风量，以使目标位置的颗粒浓度逼近设定值；最后，依据此优化结果，调节风机与风阀，完成风量控制。具体的控制原理见图1（a），基于POD的通风控制系统见图1（b）。

1.2　基于POD的浓度场预测算法

POD核心原理是从已知数据中计算出最优正交基函数，并通过这些正交基的线性组合完成原始数据的重构。通过舍弃较小特征值对应的模态实现降维，从而在保留主要信息的基础上，显著减少数据维度。

不同时刻的速度快照组成了瞬时速度矩阵

U (x, t)

（其中，

x

表示位置向量；

t

表示时间），其可表示为平均速度矩阵

U ¯ (x, t)

与脉动速度矩阵

U' (x, t)

之和：

U (x, t) = U ¯ (x, t) + U' (x, t)

（1）

利用原始数据计算得到平均速度矩阵

U ¯ (x, t)

，即本征正交分解的第0阶模态，再用不同数据构成的瞬时速度矩阵

U (x, t)

减去平均速度矩阵

U ¯ (x, t)

，得到脉动速度矩阵

U' (x, t)

。

重新构造脉动速度矩阵

U'

。以二维流场为例，

U'

重新表示为

u N m; v N m

的形式：

U' = U 1' U 2' U 3' ⋯ U N' = u 11' u 12' ⋯ u 1 m' ⋮ ⋮ ⋮ ⋮ u N 1' u N 2' ⋯ u N m' v 11' v 12' ⋯ v 1 m' ⋮ ⋮ ⋯ ⋮ v N 1' v N 2' ⋯ v N m'

（2）

式中，

u

，

v

为脉动速度分量；m为采样点数目；N为快照的个数。

文中研究对象为网格数量11 236的平面的污染物浓度分布，基础解集工况数量为25个。针对该案例，其中，m=11 236（空间网格数），N=25（工况数）。

通过构造的矩阵

U'

计算出它的相关矩阵R：

R = U' T U'

（3）

由式（3）可知，POD方法通过构造相关矩阵R，使得高维矩阵转化为低维矩阵（其中，矩阵R的维度为N×N，在本文的研究案例中为25×25）。该处理方法能够大幅度降低计算和储存成本，使得快速预测流场成为可能。计算R的特征值

λ i

和特征向量

φ i

如下：

R φ i = λ i φ i

（4）

将特征值

λ i

按照从大到小排列如下：

λ 1

（5）

然后，通过脉动速度

U'

、特征值

λ i

，以及特征向量

φ i

，求解得到POD的模态如下：

φ i (x) = 1 λ i U' φ i (i = 1,2, …, n)

（6）

继续求解，得到模态对应的时间系数如下：

a i (t) = U' φ i (x)

（7）

最后，通过求解得到的POD的模态

φ i (x)

及其对应的时间系数

a i (t)

，重构流场公式如下：

U (x, t) = U ¯ (x, t) + ∑ i = 1 N a i (t) φ i (x)

（8）

特征值的大小代表了模态占原有浓度场信息的比例。通常前几阶模态就能包含95%以上的浓度场信息，而舍去高阶模态能够降低计算维度，节约浓度场重构的时间和计算量。

在通风控制中所需要预测的浓度场，通常不包含在快照集

U (x, t)

中，因此，需要对所选择模态阶数的时间系数进行插值。如选择了前5阶模态作为主模态，此时的时间系数

a i (t)

模型如下：

a i (t) = a 1 (t) a 2 (t) a 3 (t) a 4 (t) a 5 (t)

（9）

这涉及将每个主模态

φ i (x)

的时间系数

a i (t)

进行插值或拟合，以便进行预测。

通过已知送风参数组合，文中以不同送风口的风速为例。对于插值方法，如线性插值、多项式插值或更高级的插值方法，通过预测得到扩展时间系数

A i (t)

模型，可以估计未来时刻的主模态，并利用主模态还原原始数据。

利用选定的主模态

φ i (x)

和插值后的时间系数

A i (t)

，重构预测数据。这涉及将主模态

φ i

与对应插值后的时间系数

A i (t)

相乘，然后再相加，以重构预测流场

U 1 (x, t)

如下：

U 1 (x, t) = U ¯ (x, t) + ∑ i = 1 N A i (t) φ i (x)

（10）

为了对比不同插值方法对精度的影响，文中选择了线性插值（Linear），Cubic（3次样条插值）和最临近插值（Nearest）共3种插值方法。

2　试验与模拟

收起

文中所提出的基于POD的非均匀浓度场控制方法，首先需要得到基础工况数据库，然后进行后续模态提取、重构流场及插值预测工作。由于利用试验得到基础数据较复杂，故选择CFD的方法得到基础工况数据库，并利用环境舱开展了验证试验。

2.1　污染物浓度分布试验

环境舱的布置和具体的测点、散发源位置见图2。该实验室长度6.0 m，宽度4.0 m，高度2.6 m。

环境舱的气流组织形式为下送风、上排风，2个送风口放置在实验室内的左右两侧贴墙，格栅状，同时设置2个排风口，如图3所示。该环境舱的送排风量由风机变频器来进行调节，可以根据排风机的频率，来调整排风量。散发源放置在中心位置。试验利用示踪气体SF₆，采用多点采样和散发器系统（INNOVA 1303），以及红外光声谱气体检测仪（INNOVA 1412）对环境舱内的污染物浓度进行测量，使用风速仪（型号Testo 405i）进行风速的测试。

2.2　数值模拟结果

使用SCDM软件进行建模，采用ICEM软件进行网格划分，利用Fluent软件进行流场及浓度场计算，并采用CFD-post软件进行数据后处理。网格无关性选择了送排风口均为0.2 m/s的工况，并针对房间内Y=1.7 m，Z=1.5 m测线上的速度测点进行了数据对比，其结果如图4所示。经网格无关性验证后，选择110万网格进行CFD计算。

具体的数学模型、网格划分如图5所示。采用稳态模拟，考虑重力加速度，打开能量方程及组分传输模型，黏性模型采用标准k-ε模型，2个速度入口的送风口风速分别为0.67，1.06 m/s，散发源设置为速度入口，SF₆的总散发率为0.5 ml/s。采用SimpleC的求解方法和二阶迎风格式控制方程。本次模拟设置在质量和能量方程的残差小于1×10^-6时，可认为计算达到收敛。图6示出测点风速和测点SF6浓度场图，其中图6（a）为测点风速云图，图6（b）为测点SF6的浓度场云图。

试验与模拟所得污染物浓度及其相对误差见表1。可以看出，试验污染物浓度与模拟污染物浓度的相对误差范围为-10.86%~13.67%，最小相对误差为-0.83%，其平均相对误差值为-0.82%，数值模拟结果与试验数据一致。

2.3　污染物浓度数据库的建立

为了验证基于POD的污染物浓度智能通风控制方法，文中进行了相关案例研究。选择了1个边长为8 m的正方体模型房间，如图7所示。

进行POD时，首先需要建立基础CFD模拟数据库，本次选择送风参数变化维度为二维，4个风口分为2组：Inlet 1-1，Inlet 1-2（同时变化）和Inlet 2-1，Inlet 2-2（同时变化）。送风口的调节范围为0.1~0.5 m/s，选择的调节步长为0.1 m/s，即模拟数据库有25个工况。通过对基础数据库模态的提取，舍弃高阶模态重构浓度场，可以预测基础数据库工况以外的浓度场。

3　结果分析

收起

3.1　浓度场重构

图8示出了基础数据库POD后各阶模态含能情况。从图可以看出，前20阶模态含能占比达到了100%。

以工况1为例，前5阶、前10阶、前15阶和前20阶流场的重构流场污染物浓度云图如图9所示。

同时，作为模型评估使用的均方误差（mean square error，MSE）和拟合系数

R 2

公式分别见式（11）和式（12），其量化分析预测结果如图10所示。

M S E = 1 n ∑ i = 1 n (y i - y^i) 2

（11）

R 2 = [1 - ∑ i = 1 n (y i - y^i) 2] / ∑ i = 1 n (y i - y ¯ i) 2

（12）

式中，

n

为样本个数；

y i

为原始值；

y^i

为预测值；

y ¯ i

为

y i

的平均值。

从图9中可以发现，前20阶模态重构图和原始流场已基本一致；同时，在图10中进行量化分析，发现第20阶与原始数据的MSE最小。因此，后续模态重构流场将使用前20阶模态进行分析。

3.2　二维参数的浓度场预测

通过POD选择了主要模态后，可以使用插值方法（Nearest，Linear和Cubic）计算来预测未包含在基础数据库工况中的时间系数

A i (t)

，并使用公式（10）预测该工况的浓度场数据。图11示出3种插值方法在1.5 m高度平面下的浓度场数据。可以看出，3种插值方法的测线污染物浓度数据整体趋势相同，与数值模拟验证得到的结果相比，误差较小。文中使用调节送风口风速进行1.5 m高度水平面污染物浓度场控制，重构计算量较大，因此，需要选择计算效率较高的线性插值方法。

图12示出Inlet 1-1，Inlet 1-2风速为0.1 m/s和Inlet 2-1，Inlet 2-2风速为0.15 m/s时，污染物浓度场的分布情况。

从对比结果可以看出，POD方法预测的结果与模拟仿真得到的结果基本一致，说明POD方法可以通过基础数据库的浓度场分布数据中预测出未被模拟的污染物浓度场，且准确度较高。

3.3　基于POD的非均匀场控制

由于舍弃了高阶模态后，基于POD的浓度场预测时间大幅缩短，且预测准确度较高，因此，基于POD预测浓度场，反向遍历出与目标浓度场最接近时的送风参数，就能得到送风控制值。

试验选择5个目标点，如图13所示。当目标点发生变化时，通过改变4个送风口的送风风速组合，使得目标点的污染物浓度最接近质量分数0.002。以0.01 m/s为控制调节分辨率，选择20个模态，将基础污染物浓度数据库扩充到1 681个工况，并选择了5个控制目标点，以模拟被控目标点在房间内的变化。

文中将SF₆污染物质量分数设定为0.002，利用MATLAB软件完成了插值扩充至1 681个数据工况，并通过遍历寻优的方法找到最优工况、输出其通风参数组合。寻优控制数据见表2。可以看出，基于插值模型从1 681个工况中选择出5个目标点进行流场控制，其控制精度均满足预期指标。

3.4　模态数量对计算时间及控制精度的影响

控制算法方法是采用MATLAB软件编程完成的，所使用的计算机配置为Intel i5 CPU，24G内存，选择5，10，15，20个模态分别进行了计算时间的测试，结果见表3。

由表3可知，随着模态数的增加，通风控制程序的运行时间随之增大。在选择20阶模态、重构步长0.01 m/s时，每次通风控制程序运行的时间为78 s，该计算时间满足通风控制系统的实时需求，若经过计算软硬件的优化，还有进一步缩短的空间。不同模态的寻优控制数据见表4。

从表4中可以看出，当选择16阶模态时，得到的结果与选择20阶模态时一致，数值模拟验证值为2.040×10^-3，模拟与设定目标的相对误差为2.02%，该工况与设定目标的误差最小。

如下方面值得进一步深入研究：增加调节参数的维度会导致所需基础解集数量大幅上升，如何平衡参数维度，是后续需要深入探索的方向。其中，人工神经网络和局部网格加密技术结合^［27］是一种值得尝试的技术路径。

4　结论

收起

（1）采用本征正交分解、数值模拟的方法，完成污染物浓度预测方法的研究。建立了一个数学模型，以二维送风参数变化为基础，数值模拟计算总计25个基础二维污染物浓度数据库。针对重构流场的不同测线与原始流场进行数据对比，误差较小。

（2）采用POD的污染物浓度场快速预测，通过遍历寻优的方式获得通风控制数据，能够满足对目标点污染物浓度的控制；针对5个控制目标点进行了寻优通风参数，并通过数值模拟进行了验证，结果发现，模拟与设定目标的相对误差范围为-3.09%~2.02%，控制精度可以用于污染物浓度控制。

（3）采用MATLAB软件，20阶模态时控制计算时间为78 s，满足通风控制系统的实时需求，表明基于POD的污染物非均匀浓度场控制方法具备实时控制通风系统的能力。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

刘雅棋，李振海.建筑室内挥发性污染物叠加危险性研究［J］.建设科技，2020（21）：112-114.

LIU Y Q，LI Z H.Research on superimposed action of chemical mixtures in residential buildings［J］.Construction Science and Technology，2020（21）：112-114.

李璟.室内污染物浓度与空调系统仿真分析［J］.现代企业，2021（10）：144-145.

LI J.Indoor pollutant concentration and simulation analysis of air conditioning system［J］.Modern Enterprise，2021（10）：144-145.

叶和平，严天宇，高楠.不同气流组织下机加工车间油雾颗粒扩散分布研究［J］.中国水运（下半月），2021，21（3）：54-56.

YE H P，YAN T Y，GAO N.Research on the diffusion distribution of oil mist particles in machining workshops under different airflow organizations［J］.China Water Transport（Second Half），2021，21（3）：54-56.

王非，吴照，姜昕，等.机械加工车间油雾颗粒浓度分布实测研究［J］.暖通空调，2022，52（5）：130-137.

WANG F，WU Z，JIANG X，et al.Field measurement of oil mist particle concentration distribution in machining workshops［J］.Heating Ventilating & Air Conditioning，2022，52（5）：130-137.

王非，杨清波，翁文兵，等.空调式厂房油雾颗粒扩散分布试验研究［J］.流体机械，2023，51（3）：12-19.

WANG F，YANG Q B，WENG W B，et al.Experimental study on diffusion distribution of oil mist particles in air-conditioned factory building［J］.Fluid Machinery，2023，51（3）：12-19.

POPOVIĆ O，PROKIĆ‑CVETKOVIĆ R，BURZIĆ M，et al.Fume and gas emission during arc welding：hazards and recommendation［J］.Renewable and Sustainable Energy Reviews，2014，37：509-516.

THOUZEAU C，HENNEUSE C，SCLAVONS M，et al.Emission of volatile organic compounds during processing and use of organoclay‑based nanocomposites［J］.Polymer Degradation and Stability，2013，98（2）：557-565.

LUO H P，GUAN Q Y，LIN J K，et al.Air pollution characteristics and human health risks in key cities of northwest China［J］.Journal of Environmental Management，2020，269：110791.

邱姗姗.数控机加工车间油雾颗粒物扩散机理与通风方式研究［D］.天津：天津大学，2023.

QIU S S.Study on diffusion mechanism of oil mist and ventilation mode in CNC machining workshop［D］.Tianjin：Tianjin University，2023.

WANG X，ZHOU Y J，WANG F，et al.Exposure levels of oil mist particles under different ventilation strategies in industrial workshops［J］.Building and Environment，2021，206：108264.

陈廷森.非住宅建筑中送风方式对室内空气污染物去除影响研究［D］.广州：广州大学，2022.

CHEN T S.Study on the effects of air supply methods on indoor air pollutants removal innon‑residential buildings［D］.Guangzhou：Guangzhou University，2022.

CAO Z X，ZHAI C，WANG Y，et al.Flow characteristics and pollutant removal effectiveness of multi‑vortex ventilation in high pollution emission industrial plant with large aspect ratio［J］.Sustainable Cities and Society，2020，54：101990.

杨瑞，朱勇军.轮胎生产车间空调通风设计浅谈［J］.洁净与空调技术，2020（4）：94-97.

YANG R，ZHU Y J.Heat ventilation & air‐conditioning design discuss of a tyre workshop［J］.Contamination Control & Air‑Conditioning Technology，2020（4）：94-97.

何俊，彭言群，胡平成.某全面通风除尘设备除尘效果评价［J］.中国卫生工程学，2014，13（2）：98-99.

HE J，PENG Y Q，HU P C.Effect evaluation of a general ventilation and dust control equipment［J］.Chinese Journal of Health Engineering，2014，13（2）：98-99.

让红梅，蔡正燕，靳德勇，等．某医药工业厂房空调系统设计［J］.制冷与空调，2024，24（9）：96-100.

RANG H M，CAI Z Y，JIN D Y，et al.Design of air‑conditioning system for a pharmaceutical industrial workshop［J］.Refrigeration and Air-conditioning，2024，24（9）：96-100.

李强民.置换通风原理、设计及应用［J］.暖通空调，2000，30（5）：41-46.

LI Q M.Displacement ventilation：Principles，design and applications［J］.Heating Ventilating & Air Conditioning，2000，30（5）：41-46.

HUANG Y Q，WANG Y，REN X F，et al.Ventilation guidelines for controlling smoke，dust，droplets and waste heat：Four representative case studies in Chinese industrial buildings［J］.Energy and Buildings，2016，128：834-844.

WANG Y，QUAN M F，ZHOU Y.Effect of velocity non‑uniformity of supply air on the mixing characteristics of push‑pull ventilation systems［J］.Energy，2019，187：115962.

WEN X，INGHAM D B，FLETCHER B.The numerical modelling of a two‑dimensional local exhaust system associated with an inclined jet flow［J］.Journal of Engineering Mathematics，2002，43（24）：367-384.

ZHAO R M，QIAN H，LIU L，et al.Comprehensive performance evaluation of a novel aaberg exhaust system reinforced by a swirling jet［J］.Building and Environment，2020，167：106451.

曹世杰，任宸，朱浩程.基于有限监测与降维线性模型耦合预测的暖通空调系统在线监控方法与策略［J］.建筑科学，2021，37（4）：83-92.

CAO S J，REN C，ZHU H C.Online monitoring strategy of HVAC system based on the fast prediction models using limited monitoring data and low‑dimensional linear models［J］.Building Science，2021，37（4）：83-92.

曹世杰，冯壮波，王俊淇，等.面向人因工程学的公共建筑空气环境安全运维与控制［J］.科学通报，2022，67（16）：1783-1795.

CAO S J，FENG Z B，WANG J Q，et al.Ergonomics‑oriented operation，maintenance and control of indoor air environment for public buildings［J］.Chinese Science Bulletin，2022，67（16）：1783-1795.

周崇钢，丁云飞，叶立飞. 不同空调模式下负压病房内污染物分布特性研究［J］.流体机械，2024，52（4）：42-49.

ZHOU C G，DING Y F，YE L F，et al.Study on the characteristics of indoor pollutant distribution in negative pressure wards under different air conditioning modes［J］.Fluid Machinery，2024，52（4）：42-49.

金洁，范赢. 磁力搅拌湍流场的PIV测量及流场演变的POD分析［J］.流体机械，2021，49（3）：14-19.

JIN J，FAN Y.PIV measurement of the magnetic stirring flow field and POD analysis of the dynamic structure［J］.Fluid Machinery，2021，49（3）：14-19.

WEI Y，ZHANG T F，WANG S G.Prompt design of the air‑supply opening size for a commercial airplane based on the proper orthogonal decomposition of flows［J］.Building and Environment，2016，96：131-141.

LIU Y，PAN W X，LONG Z W.Optimization of air supply parameters for stratum ventilation based on proper orthogonal decomposition［J］.Sustainable Cities and Society，2021，75：103291.

FENG Z B，YU C W，CAO S J.Fast prediction for indoor environment：Models assessment［J］.Indoor and Built Environment，2019，28（6）：1-5.

2025年第53卷第10期

引用本文

BibTeX

文章信息

doi: 10.3969/j.issn.1005-0329.2025.10.002

接收时间：2025-04-28
首发时间：2026-10-20
出版时间：2025-10-31

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-04-28
修回日期：2025-09-20

基金

作者信息

¹上海理工大学环境与建筑学院，上海 200093

²同济大学机械与能源工程学院，上海 200092

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/ltjx/CN/10.3969/j.issn.1005-0329.2025.10.002

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

测点位置	试验浓度/(mg⋅m^-³)	模拟浓度/(mg⋅m^-³)	相对误差/%
测点1	28.10	24.26	13.67
测点2	21.61	21.79	-0.83
测点3	24.77	25.19	-1.70
测点4	12.49	13.79	-10.41
测点5	16.70	15.83	5.21
测点6	10.59	11.74	-10.86

测点位置

试验浓度/(mg⋅m^-³)

模拟浓度/(mg⋅m^-³)

相对误差/%

测点1

28.10

24.26

13.67

测点2

21.61

21.79

-0.83

测点3

24.77

25.19

-1.70

测点4

12.49

13.79

-10.41

测点5

16.70

15.83

5.21

测点6

10.59

11.74

-10.86

目标点	位置信息	Inlet 1-1和Inlet 1-2 寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2 寻优风速/（m⋅s^-1）	模拟与设定目标的相对误差/%
目标点1	(0.8,4.0）	0.42	0.48	2.02
目标点2	（2.4,4.0）	0.28	0.34	0.10
目标点3	（4.0,4.0）	0.32	0.49	1.66
目标点4	（5.6,4.0）	0.22	0.50	1.57
目标点5	（7.2,4.0）	0.30	0.48	-3.09

目标点

位置
信息

Inlet 1-1和Inlet 1-2
寻优风速/（m⋅s^-1）

Inlet 2-1和Inlet 2-2
寻优风速/（m⋅s^-1）

模拟与设定目标的相对误差/%

目标点1

(0.8,4.0）

0.42

0.48

2.02

目标点2

（2.4,4.0）

0.28

0.34

0.10

目标点3

（4.0,4.0）

0.32

0.49

1.66

目标点4

（5.6,4.0）

0.22

0.50

1.57

目标点5

（7.2,4.0）

0.30

0.48

-3.09

模态	重构步长/（m⋅s^-1）	重构工况数/个	程序运行时间/s
5阶	0.01	1 681	67
10阶	0.01	1 681	68
15阶	0.01	1 681	72
20阶	0.01	1 681	78

模态

重构步长/（m⋅s^-1）

重构工况数/个

程序运行
时间/s

5阶

0.01

1 681

10阶

0.01

1 681

15阶

0.01

1 681

20阶

0.01

1 681

模态	目标点	Inlet 1-1和Inlet 1-2寻优风速/（m⋅s^-1）	Inlet 2-1和Inlet 2-2寻优风速/（m⋅s^-1）	数值模拟验证值/10^-3	模拟与设定目标的相对误差/%
5阶	目标点1	0.43	0.35	2.137	6.84
10阶	目标点1	0.21	0.36	2.259	12.93
15阶	目标点1	0.27	0.34	1.955	-2.23
16阶	目标点1	0.42	0.48	2.040	2.02
20阶	目标点1	0.42	0.48	2.040	2.02

模态

目标点

Inlet 1-1和Inlet 1-2寻优风速/（m⋅s^-1）

Inlet 2-1和Inlet 2-2寻优风速/（m⋅s^-1）

数值模拟
验证值/10^-3

模拟与设定目标的
相对误差/%

5阶

目标点1

0.43

0.35

2.137

6.84

10阶

目标点1

0.21

0.36

2.259

12.93

15阶

目标点1

0.27

0.34

1.955

-2.23

16阶

目标点1

0.42

0.48

2.040

2.02

20阶

目标点1

0.42

0.48

2.040

2.02