一种优化模拟地铁强弱冷车厢环境的方法及其运行模块

1.本发明涉及流体仿真技术领域，具体地，涉及一种优化模拟地铁强弱冷车厢环境的方法及其运行模块。


背景技术：

2.随着中国的现代化建设不断加强，城市建设飞速发展，城市人口的与日俱增也导致了城市空间占用率和交通使用率的迅速飞升，常规的地上交通已经无法满足人们的日常出行，因此，城市轨道交通得到了推广。轨道交通的高速、便捷、高效的特性，使其在世界多个城市得到应用。
3.随着城市轨道交通的发展，人们在日常工作和生活中使用轨道交通的频率逐年增长。对于大部分上班族而言，每天有相当一部分时间都在不停地奔波在地铁车厢中。在乘坐地铁时，不同人群不断穿梭在车站与车厢，人员流动带来各种热湿环境的变化以及污染物的扩散，成为影响人员健康的一个重要因素，因此，一个健康舒适的车厢室内环境是轨道交通发展的一个趋势。为提供健康舒适的出行，满足乘客不同的需求，不同城市在轨道交通上都实施了人性化强弱冷分区调控。强弱冷车厢在分区调温上有着显著的效果，但是受车辆运行过程中穿堂风等因素的影响，强弱冷车厢之间的温度场的稳定性发生变化，从而影响到强弱分区的热环境。因此，需要结合流体仿真分析技术模拟并结合实测数据进行分析，利用建立的模型优化强弱冷车间的热环境。
4.因此，本发明提供一种优化模拟地铁强弱冷车厢环境的方法及其运行模块，实现对强弱冷车厢热环境的控制。


技术实现要素：

5.针对现有技术中的缺陷，本发明的目的是提供一种优化模拟地铁强弱冷车厢环境的方法及其运行模块。
6.本发明提供的优化模拟地铁强弱冷车厢环境的方法，包括以下步骤：
7.s1、使用仿真分析软件建立所述强弱冷车厢在分区交界处无气幕的第一车厢模型、有气幕的第二车厢模型；
8.s2、对所述第一车厢模型、第二车厢模型进行网格划分与算法收敛处理；
9.s3、将所述第一车厢模型在预设边界条件下模拟出所述强弱冷车厢的热环境模拟参数；
10.s4、测量所述强弱冷车厢在未加气幕时的实际参数，并进行参数预处理；
11.s5、计算所述模拟参数和所述实际参数之间的误差值；
12.s6、将所述误差值与阈值误差进行比较，根据比较结果：
13.当所述误差值超过所述阈值误差时，回到步骤s2；
14.当所述误差值不超过所述阈值误差时，进行步骤s7；
15.s7、使用所述第二车厢模型调节所述气幕的参数，分析不同工况下所述强弱冷车
厢的热环境；
16.s8、对比分析各工况下有气幕强弱冷车厢的热环境，得到优化的强弱冷车厢的热环境。
17.进一步地，使用ansysfluent对所述第一车厢模型、第二车厢模型进行模拟分析，包括速度场、温度场分析。
18.进一步地，所述步骤s3中，模拟方法包括：采取湍流模型中的k-ε模型和组分输运，并采用标准壁面函数。
19.进一步地，边界条件包括：送风口、气幕口采用速度入口边界，排风口采用压力出口边界。
20.进一步地，所述步骤s2中，在所述强弱冷车厢的不同位置处划分不同的网格精度。
21.进一步地，所述气幕的温度根据强冷车厢的送风温度和弱冷车厢的送风温度进行设置。
22.进一步地，所述气幕的流速根据强冷车厢和弱冷车厢内的人员密度进行设置。
23.优选地，所述人员密度通过大数据技术获取。
24.本发明还提供了一种优化模拟地铁强弱冷车厢热环境的运行模块，包括：
25.第一处理模块，使用仿真分析软件建立强弱冷车厢在分区交界处有、无气幕的车厢模型，将模型划分网格并进行算法收敛处理，将获得的车厢模型在预设边界条件下模拟出强弱冷车厢的热环境模拟参数；
26.第一获取模块，测量强弱冷车厢在未加气幕时的实际参数；
27.第二处理模块，进行参数预处理以消除测量误差，计算强弱冷车厢在未加气幕时的模拟参数和实际参数之间的误差值，当误差值超过阈值误差时，向所述第一处理模块发送指令，当误差值不超过阈值误差时，分析强弱冷车厢的热环境，得到优化的强弱冷车厢的热环境。
28.进一步地，还包括：
29.第二获取模块，根据地铁实时大数据获取强弱冷车厢人员密度；
30.第三处理模块，将人员密度数据实时上传至服务器，将人员密度数据与气幕调节联动，输出气幕需要的优化参数；
31.第三获取模块，获取所述第三处理模块处理得到的优化参数；
32.第四处理模块，将优化过的参数传送至所述第二处理模块。
33.与现有技术相比，本发明具有如下的有益效果：
34.本发明提供的优化模拟地铁强弱冷车厢环境的方法，以地铁车厢为研究对象，利用ansysfluent建立的强弱冷地铁车厢模型，对未经优化的强弱冷车厢进行数值模拟，然后与实际数据进行误差分析，从而建立出精度更高的模型，以大数据为基础，实时对在不同人员密度情况下有气幕的地铁热环境进行数值模拟，然后智能联动气幕，从而模拟出更加节能、高效的车厢热环境。使用ansysfluent软件对车厢内流场进行数值模拟，可以得到较为精确的数值结果，在解决具体工程问题上有一定参考价值；通过模拟分析与现场实测，优化模拟地铁强弱冷车厢热环境的方法以及其运行模块在规避消防火灾方面也有一定的参考价值。
附图说明
35.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
36.图1为本发明实施例的优化模拟地铁强弱冷车厢环境的方法流程图；
37.图2为本发明实施例的优化模拟地铁强弱冷车厢环境的运行模块示意图。
具体实施方式
38.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
39.本发明提供了一种优化模拟地铁强弱冷车厢环境的方法，如图1所示，本实施例的方法包括以下步骤：
40.s1、使用仿真分析软件建立所述强弱冷车厢在分区交界处无气幕的第一车厢模型、有气幕的第二车厢模型；
41.s2、对所述第一车厢模型、第二车厢模型进行网格划分与算法收敛处理；
42.s3、将所述第一车厢模型在预设边界条件下模拟出所述强弱冷车厢的热环境模拟参数；
43.s4、测量所述强弱冷车厢在未加气幕时的实际参数，并进行参数预处理；
44.s5、计算所述模拟参数和所述实际参数之间的误差值；
45.s6、将所述误差值与阈值误差进行比较，根据比较结果：
46.当所述误差值超过所述阈值误差时，回到步骤s2；
47.当所述误差值不超过所述阈值误差时，进行步骤s7；
48.s7、使用所述第二车厢模型调节所述气幕的参数，分析不同工况下所述强弱冷车厢的热环境；
49.s8、对比分析各工况下有气幕强弱冷车厢的热环境，得到优化的强弱冷车厢的热环境。
50.强弱冷车厢模型的建立中，车厢长宽高、窗户、车厢门、长椅物理尺寸可以按照不同型号地铁进行选择；车厢的空气调节系统送风方式可以按照不同的气流组织布置进行选择。
51.在车厢模型的网格划分中，根据需要对网格进行不同密度的划分，在局部需要建立模型精确数值的位置选择密度较大的网格，在其他位置选择密度相对较低的网格。这样既可以节省时间，计算结果也相对合理。
52.在算法收敛中，强弱冷车厢的数值计算可采取湍流模型中的五种模型和不同的组分输运，并采用标准壁面函数。在强弱冷车厢的边界条件中，送风口、排风口、气幕口可采用速度入口、压力入口以及压力出口边界，其余壁面和物件可选择壁面的边界条件。
53.强弱冷车厢在模拟时根据气幕调节的送风速度和温度进行优化强弱冷车厢之间的热环境，气幕在不同的人员密度下有着不同的运行模式，在人员密度较小、人员密度适中、人员密度较大时，气幕分别设置不同的流速。另外，气幕在模拟中采用了三种不同的温
度运行方式，分别根据强冷车厢的送风温度和弱冷车厢的送风温度进行不同的送风温度设置。
54.本实施例中，利用ansysfluent对车厢模型的速度场、温度场进行模拟分析，根据分析结果对强弱冷车厢模型进行优化。通过模拟在未优化强弱冷车厢的热环境，与实测情况下强弱冷车厢热环境进行误差分析，对数据进行再处理，提高实测数据的精度，减小模拟与实测之间的误差，从而将模拟方法用于优化模型。根据数据再处理结果设定一个相对误差阈值，当误差分析结果超过该阈值时，则认定其为一个异常值，需要进行模型的再处理，最后得到精度比较高的数据。
55.本实施例中，根据强弱冷车厢模型进行的气幕分析，在人员密度较小，拥挤率低于35％的情况，气幕的流速设置在2m/s；在人员密度适中，拥挤率在35％-65％的情况下，气幕的流速设置在2.5m/s；在人员密度较大，拥挤率在65％以上的情况下，气幕的流速设置在3m/s，考虑强弱冷车厢整体负荷的能耗去选择气幕的送风温度。
56.在气幕流速的选择中，基于大数据与智能联动技术，将人员密度与气幕调节联动起来。根据地铁实时大数据获取强弱冷车厢人员密度，并且将数据实时上传到服务器；将实时反馈到服务器的人员密度数据进行分析处理，并输出气幕需要的优化参数；气幕在模拟中采用了三种不同的温度运行方式，分别根据强冷车厢的送风温度和弱冷车厢的送风温度进行设置，包括：强冷气幕的送风温度与强冷车厢送风温度一致，弱冷气幕的送风温度与弱冷车厢送风温度一致；强冷气幕的送风温度与弱冷气幕的送风温度一致，其送风温度与强冷车厢送风温度一致；强冷气幕的送风温度与弱冷气幕的送风温度一致，其送风温度与弱冷车厢送风温度一致；根据分析得出的优化参数，将优化过的参数返回到用户端的气幕控制器进行实时优化调节。
57.本发明还提供了一种模拟地铁强弱冷车厢环境的运行模块，如图2所示，本实施例的运行模块由以下部分组成：
58.第一处理模块210，使用仿真分析软件建立强弱冷车厢在分区交界处有、无气幕的车厢模型，将模型划分网格并进行算法收敛处理，将获得的车厢模型在预设边界条件下模拟出强弱冷车厢的热环境模拟参数；
59.第一获取模块220，测量强弱冷车厢在未加气幕时的实际参数；
60.第二处理模块230，进行参数预处理以消除测量误差，计算强弱冷车厢在未加气幕时的模拟参数和实际参数之间的误差值，当误差值超过阈值误差时，向第一处理模块210发送指令，当误差值不超过阈值误差时，分析强弱冷车厢的热环境，得到优化的强弱冷车厢的热环境；
61.第二获取模块240，根据地铁实时大数据获取强弱冷车厢人员密度；
62.第三处理模块250，将人员密度数据实时上传至服务器，将人员密度数据与气幕调节联动，输出气幕需要的优化参数；
63.第三获取模块260，获取第三处理模块250处理得到的优化参数；
64.第四处理模块270，将优化过的参数返回至第二处理模块230，得到优化后的强弱冷车厢模型。
65.以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影
响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。