热通道玻璃幕墙内部气流组织的研究论文.docx

申请上海交通大学硕士学位论文热通道玻璃幕墙内部气流组织的研究摘要本文主要包括两部分，第一部分是利用有限元分析软件 ANSYS 对热通道玻璃幕墙内部气流组织进行模拟和分析，研究热通道玻璃幕墙在夏季能否实现“热烟囱效应”。首先是建立上海第一人民医院松江新院区热通道玻璃幕墙的数学模型，以上海夏季常见气候条件作为本模型的边界条件，经过模拟和分析发现在上海常见气候条件下，该热通道玻璃幕墙根本就不能实现“热烟囱效应”－即不能把热通道内部的热量带出，这就说明该玻璃幕墙不能实现节能。此时本文就考虑对该热通道玻璃幕墙使用强制通风。本文分别对下通风口处加载风速为2.0、2.5、3.0、3.5、4.0、4.5、5.0m/s 的情况进行研究，通过综合分析，最后确定在下通风口加载风速为 4.5m/s 时的情况较好。通过计算确定强制通风时风机电动机的功率 861W 和节约的能量 84％。本文对幕墙间距分别为 0.2m、0.4m、0.6、0.8m、 1.0m、1.2m、1.4m、1.6m、1.8m、2.0m、2.2m、2.5m 和风口尺寸分别 0.1m、0.15m、0.2m、0.25m、0.3m、0.35m、0.4m、0.45m、0.5m 等 108 种不同情况进行了模拟和分析，并对部分常见尺寸（ h f上＝420mm 、h f下＝380mm 、hm =2900mm、L 分别为 0.2m、0.4m、0.6m）的热通道玻璃幕墙进行了模拟和分析，最后对比较有代表性的幕墙(0.6m（ L ）×3.5 m（ hm ）、h f上＝0.35m 、h f下＝0.35m )I申请上海交通大学硕士学位论文进行的经济性计算，计算节能 30％。为了考察本文建立的模型正确与否，本文引用了公开发表文献中的实验数据进行验证。把文献中实验的边界条件加载到本文建立的模型上，再用 ANSYS 模拟，把模拟值和实验值对比，最大的绝对平均误差为 6.81%。证明了本文建立的模型和研究方法均是正确的。本文模拟时流体的模型均采用标准的 k???? 湍流模型，流体为不可压缩流体。本文第二部分是利用神经网络拟合热通道玻璃幕墙尺寸与出风口平均速度和出风口平均温度之间具体数字关系。首先建立热通道玻璃幕墙的神经网络（ANN）模型。在本文中，模型采用三层感知器神经网络也就是 BP 神经网络作为万能函数逼近器。ANN 的训练数据来自于本文的模拟数据，经过大量的分析比较以及网络泛化能力分析，确定三层前向神经网络的结构，采用 log-sig 和 Pure linear 组合作为隐层和输出层的传递函数。预测值和模拟值相比，热通道玻璃幕墙出风口平均速度 ANN 模型的平均误差、绝对平均误差、标准差分别为 0.3312%、4.526%、7.4654%，同时 100%的数据点的误差在±15%之内，82.5%的数据点的误差在±10%之内。热通道玻璃幕墙出风口平均温度 ANN 模型的平均误差、绝对平均误差、标准差分别为0.00018%、0.1023%、0.13987%，同时 100%的数据点的误差在±5%之内。最后得到了出风口平均温度和出风口平均速度的神经网络关联式，利用该关联式，我们只要输入幕墙间距和风口尺寸，可以直接得出出风口平均速度和出风口平均温度。II申请上海交通大学硕士学位论文本文建立的热通道玻璃幕墙的模型具有较高的精度，具有较好的通用性。关键词：热通道玻璃幕墙、ANSYS、节能、热烟囱效应、机械通风、神经网络、神经网络关联式、模型精度III申请上海交通大学硕士学位论文RESEARCH ON AIR-FLOW ORGANIZATION INTHERMAL CHANNELOF GLASS CURTAIN WALLABSTRACTEnergy-saving is a very serious common issue during the course of human development,building energy conservation is an important component of it. The building energyconservation is not only includes the construction energy-saving, but also including theenergy-saving during the course of use, a reasonable glass curtain wall contribute to thebuilding energy-saving. Therefore, the study of the glass curtain wall is great significant forenergy-saving.Thi