用于房间尺度气流模拟的计算流体动力学的物理对象导向建模框架

《ADVANCED ENGINEERING INFORMATICS》:Physical object oriented modeling framework for computational fluid dynamics in room-scale airflow simulation

【字体: 大 中 小 】 时间:2026年10月23日 来源:ADVANCED ENGINEERING INFORMATICS 11.5

编辑推荐:

  • 分析了传统CFD框架在智能成本方面的固有缺陷。• 介绍了面向物理对象的建模(POOM)框架用于CFD。• 实现了自动化工作流程、基于大语言模型(LLM)的智能体以及基于Web的交互。• 通过概念性的SLC指标展示了设置逻辑复杂性的降低。• 为未来的CFD仿真生态系统建立了一个

  • 分析了传统CFD框架在智能成本方面的固有缺陷。• 介绍了面向物理对象的建模(POOM)框架用于CFD。• 实现了自动化工作流程、基于大语言模型(LLM)的智能体以及基于Web的交互。• 通过概念性的SLC指标展示了设置逻辑复杂性的降低。• 为未来的CFD仿真生态系统建立了一个与求解器无关的基础。

计算流体动力学(CFD)已成为分析和设计建筑环境不可或缺的工具,能够详细预测室内空气质量、热舒适度、暖通空调系统性能和污染物扩散。然而,尽管CFD在建筑设计、工程和施工(AEC)行业中有着广泛而常规的应用,但其应用仍然有限。一个主要瓶颈在于仿真设置过程,这一过程通常需要专业知识,耗时且容易出现错误。这种低效率源于大多数CFD工具所基于的传统、以求解器为中心的框架,该框架设计于几十年前,其主要目标是求解数值方程,而不是建模工程场景。这种传统框架按照一个逻辑链运作,优先考虑求解器的需求:从控制方程到离散化和边界条件[1]。实际上,这转化为一个线性的、手动的工作流程:几何处理、网格生成、边界条件指定,最后是数值求解。这种工作流程在建筑仿真领域引入了严重的自动化和效率障碍:(1) 可重用性差,因为空调或家具等物理对象被分解成不同的几何部分和边界条件文件,阻碍了知识的封装和跨项目重用;(2) 物理属性分离,即本质相关的属性(例如,通风口的几何形状和气流方向)在独立的、不直观的步骤中定义;(3) 工程直觉不一致,迫使设计师将实际参数(例如设备位置和运行模式)转换为低级别的求解器输入(例如,3D速度向量)。

在针对CFD本身的研究中,当前的优化策略包括改进求解器算法[2],[3],[4],[5],利用高性能计算(HPC)技术[6],[7],[8],[9],[10],以及自动化工作流程[11],[12],[13],[14],[15],仍然本质上受限于这种以求解器为中心的基础,因此继承了其局限性。即使是大型语言模型(LLM)的整合也是如此。Dong等人[16]提出了CFD-copilot,这是一个针对特定领域的LLM框架,通过自然语言自动完成从设置到后处理的整个CFD工作流程,整合了多智能体系统和模型上下文协议(MCP)以实现可扩展的工具执行。Jiang和Peng[17]提出了一个基于LangGraph的LLM驱动的自动化工作流程,用于城市街道峡谷CFD仿真,使用Pointwise进行几何和网格生成,并以Ansys Fluent作为求解器。Pandey等人[18]和王等人[19]提出了OpenFOAMGPT及其在多种LLM上的扩展评估,专注于OpenFOAM案例的设置和调试。尽管取得了进展,但这些研究的例子仍局限于标准基准测试:2D机翼、腔体流动、街道峡谷和水坝破裂等场景,其中几何形状是理想化的,边界条件是单一的。关键在于,这些框架依赖于碎片化的、特定于求解器的配置文件(例如blockMeshDict、fvSchemes、Fluent脚本),而不是将物理对象视为独立的、可组合的单位。LLM的作用仅限于在扁平化信息结构内生成和调试基于文本的求解器输入,缺乏封装几何形状、边界物理和行为逻辑的面向对象抽象,以供跨案例重用和系统性案例组合。

在CFD的工程应用中,它已被广泛用于建筑的整体环境仿真,涵盖结构周围的气流[20]、火灾动力学[21]以及热舒适度预测的可视化[22]等领域。在室内气流仿真的自动化方面也取得了显著进展。自动化工作集中在使用BIM/CAD/IFC数据构建案例,以及使用参数化软件或专用插件构建案例。在利用BIM/CAD/IFC信息自动化仿真方面,Porter等人[23]通过详细程度级别(LODOS)系统和对象简化系统对BIM模型进行了几何抽象,以减少CFD网格的复杂性和运行时间。然而,他们的方法并没有修改工作流程的信息结构。Utkucu和S?zer[24]将BIM几何形状与能源和CFD工具集成,但他们的框架过度依赖于Revit生态系统,缺乏独立的CFD仿真信息结构。Jansen等人[25]开发了bim2sim,这是一个开源框架,具有将IFC数据转换为建筑能源仿真模型(EnergyPlus或TEASER)的独立信息架构。虽然该框架提到了OpenFOAM插件,但其核心验证集中在IFC到BEPS数据的转换和格式化上,缺乏针对CFD的实质性调整。Richter等人[26]使用预计算的BPS边界条件自动化了IFC到OpenFOAM的设置,但他们的方法暴露了一个基本的信息缺口:IFC模式缺乏CFD生态系统所需的语义描述符,包括设备几何形状和物理的详细参数以及用户定义的边界条件(例如湍流强度、入口速度剖面)。因此,他们的框架不得不依赖算法占位符和硬编码模板来处理缺失的数据,这限制了边界条件设置的能力,使其只能产生单调的EnergyPlus输出,并限制了信息架构适应实际CFD工程需求的能力。总之,BIM/IFC模型主要编码建筑外壳和房间边界,缺乏内部家具的几何细节和CFD仿真所需的语义描述符(例如湍流、速度剖面),从而迫使现有的自动化工作流程仅传输边界几何形状,并依赖于占位符和硬编码模板。

在使用参数化工具或专用插件构建案例时,Rhino/Grasshopper平台是主要选择。Butterfly是一个面向对象的Python库,可以从Grasshopper几何形状生成OpenFOAM案例[27]。然而,其面向对象编程(OOP)设计仅在软件层面进行,为了代码的可管理性而封装求解器设置,并没有构成一个高级的CFD信息框架。用户仍需手动将每个对象的几何形状与边界类型耦合。Eddy3D是一个专为室外微气候和城市规模热舒适度仿真设计的Grasshopper插件,使用OpenFOAM求解器[28]。Eddy3D专注于外部环境,模拟风舒适度、热量/水分传输和植被效应,但在街区尺度上。然而,它与Butterfly有相同的根本限制。此外,由于它专注于室外场景,Eddy3D本质上不支持房间尺度的室内气流仿真。总之,虽然通过参数化建模软件构建案例可以实现从几何模型到仿真案例的参数化和自动化,但这种方法仍然严重依赖于参数化平台本身。相关的OOP设计主要用于在Grasshopper中创建视觉界面,没有减少用户在进行仿真时所需的专业知识和设置考虑。这种自动化只是对传统框架下的界面和工作流程进行的优化,它是从几何角度出发的,而不是从CFD仿真角度出发的,缺乏信息框架设计和系统的案例管理。

在房间尺度上的自动化室内气流仿真方面,仍然遇到重大瓶颈。一个主要问题是BIM模型通常缺乏家具布局和几何形状等关键细节,这影响了室内气流仿真的准确性。此外,尽管家具布置对建筑环境中的气流分布有很大影响[29],[30],[31],传统的CFD方法往往忽略了将CFD整合到自动化过程中。因此,在现有框架内自动化房间尺度气流仿真方面仍然存在明显的研究空白。仅遵循既定的技术路径在突破方面潜力有限。更重要的是,将可变、复杂的室内布局和家具数据整合到自动化工作流程中,大大增加了建模和解决方案开发的智力成本。

在这里,我们提出了一个框架转变,以解决这一核心限制:面向物理对象的建模(POOM)框架,这是一个信息框架。受面向对象编程原则的启发,POOM通过将离散的、可重用的物理对象置于仿真工作流程的中心,而不是数值求解器,从而颠覆了传统逻辑。在POOM框架中,建筑组件(例如扩散器、椅子)被建模为包含其几何形状、物理和行为逻辑的独立“对象”。这与传统参数化软件中的OOP有根本不同。OOP主要是软件设计和开发的范式,旨在提高代码的可重用性和可扩展性,而POOM是一个面向CFD仿真对象的信息框架。它的核心关注点是语义信息,而不是自动化程序。POOM将CFD设置从低级别的、以求解器为中心的程序转变为高级的、基于对象的组合过程,反映了建筑师和工程师对建筑的构想:作为离散的功能元素的集合——类似于建筑信息建模(BIM)。然而,与bim2sim等BIM/CAD/IFC到CFD的方法不同,后者通过解析和映射IFC模型中的信息来获取仿真输入。bim2sim遵循BIM集成模式:其信息架构旨在解释和转换IFC数据为仿真格式,同时继承了IFC的架构限制(例如,缺乏内部家具描述、供暖、通风和空调(HVAC)终端细节以及CFD特定的边界参数)。相比之下,POOM从头开始重新思考CFD案例信息的组织方式,将物理对象(例如空调、家具、占用者)视为包含几何形状、边界物理和行为逻辑的独立单元。

在本文中,我们介绍了POOM框架,并展示了其在自动化房间尺度气流仿真方面的有效性。我们详细介绍了其三个核心机制:模型封装、变量映射和协调功能。我们实现了一个概念验证工作流程,使用OpenFOAM(一种开源的计算流体动力学软件)[32]自动化了从CAD图纸到仿真结果的整个仿真流程。在此基础上,我们还基于这种自动化和POOM信息框架,实现了通过模型上下文协议(MCP)集成的LLM智能体进行对话式仿真。我们还为最终用户开发了一个多平台的、基于Web的交互式案例。为了定量验证专家工作量的减少,我们引入了一个称为仿真逻辑复杂性(SLC)的新颖客观指标。将这一指标应用于办公室气流案例(在本文中被视为基准案例),我们展示了POOM通过对象重用来显著降低了设置复杂性,相比于传统框架。通过将问题描述与特定于求解器的细节分离,POOM为开发智能、协作和可访问的仿真生态系统奠定了基础,最终旨在使先进的CFD分析在房间尺度气流仿真中普及。图1展示了POOM与传统框架之间的概念性对比。

在传统框架中,智能(如人类思维)充当求解器和现实世界问题之间的解码器。传统框架缺乏全局思维,而POOM通过其独立层次实现了这一点。POOM框架中的智能在决策层运行,而仿真工作在执行层自动构建。图中的“AC”指的是空调。

POOM的核心机制和工作流程围绕着图2中展示的三个核心机制组织,这些机制旨在解决可重用性差、物理属性分离和工程直觉不一致的系统挑战。

模型封装是为了提高可重用性。一个物理对象(例如某种壁挂式空调模型)被分解为模块化的、捆绑的组件:(1) 具有功能标签的3D几何形状(例如供气口、回风口、外壳);(2) 相相关的边界条件。

POOM基于自动化工作流程的实际实现和可行性是通过一个基准室内气流仿真案例来展示的。如方法论中详细说明的,整个仿真流程基于单个直观的CAD(DXF)输入文件自动执行。在这个文件中,用户定义了房间轮廓并放置2D块来表示物理对象(例如空调、家具),通过块属性指定它们的类型、位置和模板。

结果表明,POOM框架可以从根本上改变房间尺度CFD仿真的工作流程,将其从一个碎片化的、以求解器为中心的程序转变为一个自动化的、基于对象的组合过程。通过引入和量化新的SLC指标,我们提供了客观证据,表明在使用可重用对象模型时,POOM显著降低了仿真设置的核心“智能成本”。这种效率提升不仅仅是渐进式的自动化。

本研究提出了并验证了面向物理对象的建模(POOM)框架,作为自动化房间尺度气流计算流体动力学(CFD)仿真的基础框架。POOM通过引入可重用的物理对象作为仿真组合的主要单位,解决了传统以求解器为中心的CFD的核心低效率问题。我们实现了一个概念验证框架,自动完成了从标准CAD图纸到OpenFOAM的整个仿真流程。

在准备这项工作时,作者使用了DeepSeek-V3.2进行文本翻译和语言润色,以提高手稿的可读性和清晰度。核心的科学思想、研究方法、数据分析、结果以及结论完全由作者构思、开发并验证。在使用该工具后,作者根据需要对内容进行了审阅和编辑,并对发表文章的内容负全责。

**作者贡献声明**
岳 马:撰写(初稿);可视化;软件开发;研究方法;概念化。
叶 博:撰写(审稿与编辑);监督;资源协调;资金申请。

**利益冲突声明**
作者声明没有已知的财务利益冲突或可能影响本文研究结果的个人关系。

**致谢**
本项目得到了上海市智能低碳控制建筑环境专业技术服务平台(项目编号:23DZ2290100)的支持。

作者:岳 马 | 叶 博
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号