熱通道玻璃幕墻內部氣流組織的研究.pdf

1、本文主要包括兩部分，第一部分是利用有限元分析軟件ANSYS對熱通道玻璃幕墻內部氣流組織進行模擬和分析，研究熱通道玻璃幕墻在夏季能否實現“熱煙囪效應”。首先是建立上海第一人民醫(yī)院松江新院區(qū)熱通道玻璃幕墻的數學模型，以上海夏季常見氣候條件作為本模型的邊界條件，經過模擬和分析發(fā)現在上海常見氣候條件下，該熱通道玻璃幕墻根本就不能實現“熱煙囪效應”－即不能把熱通道內部的熱量帶出，這就說明該玻璃幕墻不能實現節(jié)能。此時本文就考慮對該熱通道玻璃幕墻使用

2、強制通風。本文分別對下通風口處加載風速為2.0、2.5、3.0、3.5、4.0、4.5、5.0m/s的情況進行研究，通過綜合分析，最后確定在下通風口加載風速為4.5m/s時的情況較好。通過計算確定強制通風時風機電動機的功率861W和節(jié)約的能量84％。本文對幕墻間距分別為0.2m、0.4m、0.6、0.8m、1.0m、1.2m、1.4m、1.6m、1.8m、2.0m、2.2m、2.5m和風口尺寸分別0.1m、0.15m、0.2m、0.25

3、m、0.3m、0.35m、0.4m、0.45m、0.5m等108種不同情況進行了模擬和分析，并對部分常見尺寸（h<,f上>=420mm、h<,f下>=380mm、h<,m>=2900mm、L分別為0.2m、0.4m、0.6m）的熱通道玻璃幕墻進行了模擬和分析，最后對比較有代表性的幕墻(0.6m（L）×3.5 m（h<,m>）、h<,f上>=0.35m、h<,f下>=0.35m）進行的經濟性計算，計算節(jié)能30％。 為了考察本文建立

4、的模型正確與否，本文引用了公開發(fā)表文獻中的實驗數據進行驗證。把文獻中實驗的邊界條件加載到本文建立的模型上，再用ANSYS模擬，把模擬值和實驗值對比，最大的絕對平均誤差為6.81％。證明了本文建立的模型和研究方法均是正確的。 本文模擬時流體的模型均采用標準的 湍流模型，流體為不可壓縮流體。 本文第二部分是利用神經網絡擬合熱通道玻璃幕墻尺寸與出風口平均速度和出風口平均溫度之間具體數字關系。首先建立熱通道玻璃幕墻的神經網絡（A

5、NN）模型。在本文中，模型采用三層感知器神經網絡也就是BP神經網絡作為萬能函數逼近器。ANN的訓練數據來自于本文的模擬數據，經過大量的分析比較以及網絡泛化能力分析，確定三層前向神經網絡的結構，采用log-sig和Pure linear 組合作為隱層和輸出層的傳遞函數。預測值和模擬值相比，熱通道玻璃幕墻出風口平均速度ANN模型的平均誤差、絕對平均誤差、標準差分別為0.3312％、4.526％、7.4654％，同時100％的數據點的誤差在±

6、15％之內，82.5％的數據點的誤差在±10％之內。熱通道玻璃幕墻出風口平均溫度ANN模型的平均誤差、絕對平均誤差、標準差分別為0.00018％、0.1023％、0.13987％，同時100％的數據點的誤差在±5％之內。最后得到了出風口平均溫度和出風口平均速度的神經網絡關聯(lián)式，利用該關聯(lián)式，我們只要輸入幕墻間距和風口尺寸，可以直接得出出風口平均速度和出風口平均溫度。 本文建立的熱通道玻璃幕墻的模型具有較高的精度，具有較好的通用性