基于CFD平均流统计量估算极端气流速度的简易经验方法：利用国际空间站哥伦布舱与CASA通风数据的验证

《Atmosphere》：A Simple Empirical Method for Estimating Extreme Air Velocities from CFD Mean-Flow Statistics: Validation Using ISS Columbus and CASA Ventilation Data

　　

基于雷诺平均纳维-斯托克斯（Reynolds-Averaged Navier–Stokes, RANS）模型的计算流体动力学（Computational Fluid Dynamics, CFD）模拟被广泛应用于航天器舱室通风设计，然而此类模拟主要提供平均流场量，往往低估与乘员舒适度、通风效率及滞止区评估相关的极端气流速度。本研究提出一种简易的经验后处理框架，用于基于CFD平均流统计量估算极端气流速度。所提方法通过单一经验系数Kc，将速度上包络表示为局部平均速度与标准差的函数。在本研究中，速度上包络统一定义为速度幅值分布的99百分位（记作p99），经验峰值因子相应定义为Kc,p99 = (p99 ? μ)/σ。该定义统一应用于校准数据集及所有外部验证数据集，确保分析各阶段使用相同的目标变量。该方法利用国际空间站（International Space Station, ISS）乘员舱（Crew Quarters）研究的已发表速度场数据进行校准，随后使用独立的ISS通风数据集（包括哥伦布舱（Columbus module）及乘员替代睡眠区（Crew Alternative Sleeping Area, CASA）构型）进行检验。对数字化实验及CFD导出速度分布的分析得出稳健的中位数系数约为Kc = 4.5，而外部数据集表明p99等效值通常落在Kc ≈ 4–6范围内。来自哥伦布舱通风研究的独立验证证据表明，考虑速度脉动可显著改善与实验观测的一致性，与未修正的平均速度预测相比，分布失配减少约83%。外部比较应理解为回顾性一致性检验而非前瞻性预测：哥伦布舱及CASA数据集所报告的峰值因子来源于与之比较的同一分布，因此它们描述数据而非预测数据。据此，所提框架作为探索性上包络指标提出，其可转移性由独立推导峰值因子的观测聚集性所提示，但尚未得到证明。结果表明，对标准CFD输出施加简单的统计修正，可在无需大涡模拟（Large Eddy Simulation, LES）计算成本的情况下提供极端通风速度的实用估算。尽管所提框架应视为探索性上包络指标而非通用湍流闭合模型，且其本身既不提供保守边界也不识别滞止风险，但在多个ISS通风数据集间观察到的一致性表明，该框架可为航天器舱室通风评估与设计提供有用的初步筛选工具。

论文解读：基于CFD平均流统计量估算极端气流速度的简易经验方法

一、研究背景与问题提出

气流管理是载人航天器环境控制与生命保障系统（Environmental Control and Life Support Systems, ECLSS）的关键组成部分。与地面室内环境不同，航天器舱室在微重力条件下运行，浮力驱动的输运基本缺失，强制通风成为控制传热、污染物去除、二氧化碳输运、湿度调节及乘员热舒适的主导机制。因此，准确预测舱内气流模式成为航天器设计与运行的基本要求。

计算流体动力学（Computational Fluid Dynamics, CFD）已成为航天器通风系统评估的首要工程工具，因为实验测试成本高昂且在早期设计阶段往往不切实际。雷诺平均纳维-斯托克斯（Reynolds-Averaged Navier–Stokes, RANS）模拟尤其具有吸引力，因为与高保真方法如大涡模拟（Large Eddy Simulation, LES）或直接数值模拟（Direct Numerical Simulation, DNS）相比，其以相对较低的计算成本提供可接受的工程精度。然而，常规RANS模拟主要提供时间平均的流场量，预测的速度幅值是平均流场量，不能直接代表航天员所经历的瞬时速度脉动。这一局限在评估局部最大速度、吹风感、气流不适、通风效率或滞止区域时尤为重要。实践中，许多工程决策受速度分布上尾而非平均速度本身的影响。

已有研究证明湍流强度显著影响人体热舒适、感知气流、污染物输运及局部通风效率。在哥伦布舱研究中，基于湍流统计导出的速度分布与实验测量的一致性远优于仅基于平均速度的分布。然而，获取可靠的极端速度估算仍具挑战性：LES虽能解析大部分湍流能量谱并提供瞬时流动结构的直接访问，但其计算需求对常规航天器设计应用而言仍然过高。因此，学界持续关注能够从标准RANS模拟中提取额外设计相关信息而无需大幅增加计算成本的方法。

二、研究内容与核心结论

本研究探讨是否可基于仅依赖平均流统计量的简单经验关系估算局部极端气流速度。所提公式将速度上包络表示为X_max = μ + K_cσ，其中μ为平均速度，σ为速度标准差，K_c为经验系数，代表平均状态与速度分布极端部分之间的有效距离。与传统湍流模型不同，该系数并非旨在表示通用物理闭合，而是作为可从已发表通风数据集校准并作为实用后处理工具应用的工程参数。研究的中心假设是：较窄范围的K_c值可表征航天器舱室环境中的极端通风速度，且该范围可从现有ISS数据集中推断。

研究人员利用从ISS乘员舱（Crew Quarters）研究数字化得到的速度场信息进行校准，使用独立的哥伦布舱（Columbus module）和乘员替代睡眠区（Crew Alternative Sleeping Area, CASA）数据集进行验证。校准得出组合中位数K_c = 4.47，PIV子组中位数为4.12，CFD子组中位数为6.11。外部数据集的p99等效K_c,p99值中位数分别为：哥伦布舱4.77（范围4.34–5.25）、CASA 2022为4.99（范围3.40–5.24）、CASA 2023为3.96（范围1.37–4.82）。哥伦布舱验证表明，考虑速度脉动可将分布失配减少约83%。研究结论认为，对标准CFD输出施加简单统计修正可在无需LES计算成本的情况下提供极端通风速度的实用估算，该框架可作为航天器舱室通风评估与设计的初步筛选工具。

三、主要技术方法

研究人员采用的主要技术方法包括：第一，经验峰值因子模型构建，即U_max = μ + K_cσ，其中σ在标准RANS湍流模型（如k?ε或k?ω SST）中通过局部各向同性假设从湍流动能k估算为σ = √(2k/3)；第二，图形数字化协议，使用WebPlotDigitizer从已发表高分辨率图版中提取空间速度分布曲线，每个平面采样约1000–3600个点，并计算空间均值μ、空间标准差σ及99百分位p99；第三，留一平面交叉验证（Leave-One-Plane-Out Cross-Validation, LOPO-CV）方案，每次迭代移除一个物理平面的PIV和CFD两个剖面，从剩余八个剖面计算稳健中位数峰值因子并预测留出剖面的峰值速度；第四，三维速度幅值修正（V_m至V_a），对单分量或平面平均速度进行分布级转换以重建真实三维速度统计量；第五，蒙特卡洛不确定性分析，假设μ和U_max存在±5%误差、σ存在±10%误差，验证校准结果对数字化伪影的稳健性。校准数据来源于已发表的ISS乘员舱研究（1:4缩比水模型PIV测量与全尺寸RANS CFD模拟），外部验证数据来源于哥伦布舱基准研究（25个监测点的RANS/LES/实验比较）及CASA 2022和2023年研究（URANS模拟，约560万单元多面体网格）。

四、研究结果

4.1 峰值因子（K_c）校准

利用从ISS乘员舱研究数字化的速度场统计量校准经验系数K_c。共提取十个独立剖面（五个PIV测量平面和五个对应RANS CFD平面），对每个剖面计算空间平均速度μ、空间标准差σ及99百分位p99，并计算个体平面峰值因子K_c,p99 = (p99 ? μ)/σ。PIV导出系数范围为2.03至7.84，中位数为4.12；CFD导出系数范围为3.02至9.09，中位数为6.11；组合数据集得出中位数4.47，均值5.29。蒙特卡洛不确定性分析表明组合中位数K_c稳定在约4.7（95%置信区间：4.11–5.43），确认校准对数字化伪影不敏感。

4.2 内部预测性能：留一平面交叉验证

采用LOPO-CV方案评估所提估算器的预测能力。使用组合中位数系数K_c = 4.47时，平均绝对误差（MAE）为0.258 m/s，均方根误差（RMSE）和平均绝对百分比误差（MAPE）为33.5%。使用源特定中位数系数（PIV：4.12；CFD：6.11）时，MAE和RMSE略有改善，但偏差和MAPE增加。结果表明该模型作为保守上包络估算器而非精确点预测器运行，系统性地低估最极端CFD峰值表明单一组合中位数K_c不足以界定RANS预测速度分布的上尾。

4.3 固定K_c规则比较

对校准数据集评估若干候选固定K_c规则。组合数据集的L2最优系数K_c = 6.04产生最低MAE和RMSE但最高MAPE；稳健中位数系数K_c = 4.47产生较低MAPE（27.4%）和适度负偏差；固定值K_c = 4产生与中位数相似的MAPE但较大RMSE和偏差，表明4–6范围的K_c值对实际应用均属合理。

4.4 外部验证：哥伦布舱数据集

使用哥伦布舱基准研究进行首次独立验证。未修正的平均速度预测V_m相对实验分布表现出显著误差，MAE范围为22.3%至27.6%；修正为V_a后MAE大幅降至0.9%至8.7%之间。所有案例的平均MAE从24.0%降至4.1%，改善82.8%。在"符合要求"速度带（0.051–0.203 m/s）内改善最为显著，V_m预测低估实验比例42–52个百分点，而V_a预测将此低估降至1.5–17.4个百分点。哥伦布舱案例的K_c,p99中位数为4.77（范围4.34–5.25），落在校准范围内。

4.5 外部验证：CASA数据集

使用CASA数据集进行第二次独立验证。2022年基线配置和2023年改进排气室配置的K_c,p99值中位数分别为4.99（范围3.40–5.24）和3.96（范围1.37–4.82）。CASA 2023的低值出现在改进排气室案例中，其特征为速度变异性极低或采样域未捕获与乘员舱平面相同的上尾行为。结果表明K_c具有构型和位置依赖性，4–6的推荐范围应解释为初步筛选指南而非普遍可转移或已验证的预测范围。

4.6 校准与验证结果综合

综合所有数据集的K_c估计显示：组合中位数4.47、PIV中位数4.12、CFD中位数6.11、哥伦布舱中位数4.77、CASA 2022中位数4.99、CASA 2023中位数3.96。外部数据集的p99等效K_c,p99值与校准范围重叠，但未证明通用或强可转移系数。外部数据集是回顾性使用的，测试的是独立推导峰值因子是否聚集在可比范围内，而非固定系数能否预测未见分布的上尾。

4.7 乘员舱逐平面数字化分析

平面平均速度显示PIV水模型与CFD空气模型间存在预期偏移，但拟合K_c值遵循一致的空间模式。供应区附近（P1）K_c较低（PIV为2.03，CFD为3.02）；核心区（P2–P4）K_c增加并在P4达到峰值（PIV为7.84，CFD为9.08），与剪切层增长和射流扩展一致；朝向排气口（P5）K_c下降（PIV为4.82，CFD为4.10）。这支持将K_c解释为空间变化包络指标而非通用常数。敏感性分析显示将K_c从1.0增至4.0可使PIV的MAE降低62.5%、CFD降低52.7%。

4.8 独立跨数据集验证与ISS通风要求合规性

哥伦布舱数据集的关键发现是原始RANS平均速度幅值V_m无法代表实验气流模式。跨所有数据集的分析得出三个主要结论：第一，标准平均速度输出V_m低估局部峰值风速并高估滞止体积分数，后处理必须纳入显式动能项或经验方差乘数；第二，跨全尺寸模块域（哥伦布舱和CASA），99百分位峰值乘数K_c,p99一致聚集在3.40–5.25范围内，与乘员舱分析导出的平面拟合乘数（K_c ≈ 4.0–4.8）一致；第三，近壁采样（1英寸偏移）产生更高空间方差（σ ≈ 0.19–0.22 m/s）和增加的上尾分数，应用K_c ≈ 4.0可解释壁面射流剪切层而无需完整LES网格分辨率。

五、讨论与结论

讨论部分首先解释峰值因子K_c的物理意义：其代表局部平均速度与速度分布极端上尾之间以标准差为单位有效距离。K_c并非旨在体现通用物理常数，而是封装湍流脉动、流动非均匀性和舱内空间异质性综合效应的实用工程参数。校准中σ为跨测量平面计算的空间标准差，反映湍流脉动、平均流非均匀性和几何约束的综合影响，因此校准的K_c值应解释为经验空间上包络而非经典湍流意义上的时间峰值因子。K_c沿舱轴的空间演化与受限射流和壁面边界流动的物理行为一致：强剪切区域湍流产生达到峰值，减速流区域随后衰减。

与Smirnov V_a修正公式的比较表明两种方法互补而非竞争：V_a修正提供典型瞬时速度的更好表示，K_c估算器提供极端上尾的简单估计。哥伦布舱验证中82.8%的改善归因于Smirnov V_a修正而非K_c估算器本身。研究人员提出决策框架：当目标是估算典型瞬时速度幅值时使用V_a修正；当目标是速度分布极端上尾（如99百分位）的初步估计时使用K_c估算器；当典型瞬时速度和极端上尾均受关注时可组合两种方法；两种方法均不应单独用于合规验证。

研究结论部分指出：所提K_c估算器未达到合规验证所需精度，其MAPE约30–35%且倾向于低估最极端CFD峰值，不能替代详细CFD分析或实验验证。该方法提供的是快速、计算成本低廉的识别区域手段，用于初步筛选阶段排序设计方案、识别高风险区域和指导计算或实验资源配置。推荐K_c = 4.5（组合中位数）用于通用初步筛选，K_c = 6.1（CFD导出中位数）适用于以数值预测为主要信息来源的评估。研究局限性包括：图版数字化固有误差、校准数据集仅含五个独立物理构型、PIV水模型与CFD空气模型的尺度与介质效应、99百分位作为极端度量不代表最极端瞬时速度、以及RANS模型依赖性。研究人员建议未来工作优先方向包括：扩展校准至额外独立ISS或地面舱数据集、建立空间标准差σ_s与时间湍流标准差σ_t之间关系、进行K_c对所选分位数的系统敏感性研究、以及利用时间分辨PIV或LES数据进行前瞻性验证。