《Water》：Hardware Architecture-Driven Efficiency Improvement of Sorption-Based Atmospheric Water Harvesting Using Model-Based Systems Engineering and SysML
编辑推荐：
吸附式大气水 harvesting（sorption-based atmospheric water harvesting, SAWH）的性能取决于传热与传质、冷凝和循环操作的集成，然而对单个组件的改进并不一定转化为更高的净产水量（net water prod
吸附式大气水 harvesting（sorption-based atmospheric water harvesting, SAWH）的性能取决于传热与传质、冷凝和循环操作的集成，然而对单个组件的改进并不一定转化为更高的净产水量（net water production）或更低的能耗（energy consumption）。本研究开发了一种基于需求（requirements-driven）的框架，采用模型系统工程（model-based systems engineering, MBSE）和系统建模语言（Systems Modeling Language, SysML），将SAWH性能目标与运行策略（operating strategies）、硬件架构（hardware architecture）和验证规划（verification planning）联系起来。研究人员将吸附床（sorbent bed）视为黑箱（black box），在需求、行为与结构模型以及三维设计（three-dimensional design）之间建立了可追溯性（traceability）。所得架构解决了与气流分布（airflow distribution）、热相互作用（thermal interaction）、模式切换（mode switching）、蒸汽传输（vapor transport）和冷凝水收集（condensate collection）相关的耦合损失（coupled losses）。设计分析（design analysis）明确了损失减少、辅助能耗需求（auxiliary energy demand）、循环持续时间（cycle duration）和运行复杂性（operational complexity）之间的权衡，为选择基线配置（baseline configuration）提供了依据。研究人员还提出了一种耦合床扩展配置（coupled-bed extension），以重新利用吸附废气（adsorption exhaust）用于冷凝器冷却（condenser cooling），并在交替模块（alternating modules）之间共享床冷却功能（bed-cooling functions）。主要贡献在于系统性地连接了性能需求（performance requirements）、物理设计选择（physical design choices）和评估测量（measurements），为原型开发（prototype development）和替代SAWH配置的比较提供了基础。
**研究背景与问题提出**
吸附式大气水 harvesting（sorption-based atmospheric water harvesting, SAWH）是面向干旱、孤立及基础设施受限地区的分散式供水方法。该过程先在吸湿性材料中浓缩水分，再将其释放至受限气流中进行冷凝，从而可在直接冷凝技术不具备吸引力或能耗不可接受的低相对湿度条件下运行。传统研究长期集中于吸附剂开发，金属-有机框架（metal-organic frameworks, MOFs）、吸湿盐、水凝胶及多孔复合材料等显著拓展了SAWH的运行范围。然而，吸附剂平衡吸附量的提升并不必然带来设备产水量的比例增长：材料级测量通常基于小样品在受控温湿度下进行，而设备性能由吸附剂特性与床几何结构、气流分布、热阻、蒸汽传输、冷凝及循环控制的相互作用共同决定。将吸附剂放大为填充床会引入扩散限制、温度梯度、气流分布不均与热质量增加，使实际产水率大幅偏离基于平衡吸附量的预测。此外，SAWH循环包含强耦合的吸附、再生、冷凝、冷却与集水过程，寄生热损失、吸附入口热污染、回路间泄漏、蒸汽路径死体积、冷凝器能力不足及冷凝液再蒸发等非理想因素，主导了理论性能与实际性能之间的差异，并最终汇聚为日均产水量下降、循环时间延长与比能（specific energy）上升。气候变异进一步使架构选择与控制复杂化，固定时长操作可能在有利条件下过早终止吸附或在边际吸附量可忽略后继续再生。因此，本研究的核心问题是：在把吸附床视为固定黑箱模块的前提下，如何通过协调的硬件架构与控制决策提高SAWH系统的净产水性能与比能性能。
**研究内容与重要意义**
研究人员采用模型系统工程（model-based systems engineering, MBSE）与系统建模语言（Systems Modeling Language, SysML），构建了一个需求驱动、全程可追溯的系统框架，将SAWH性能目标与运行策略、硬件架构及验证规划相连接。研究将吸附床限定为由可测量端口变量（进出口温湿度、气流率、热输入、冷凝水输出）定义的黑箱，把吸附剂化学与材料优化排除在边界之外，从而聚焦非材料组件及其相互作用对净产水量、能耗与循环时长的影响。主要结论是：通过需求建模、行为建模与结构建模的贯通，可系统识别气流分布、热隔离、切换泄漏、蒸汽路径体积、冷凝器容量、排水与控制时机等架构层面损失机制，并据此形成基线架构与耦合床扩展配置。该工作的重要意义在于建立了系统需求、物理设计选择与验证测量之间的系统性连接，为原型开发与替代SAWH配置的比较提供了可追溯的基础，并揭示出独立子系统设计中常被忽视的压降、电负荷、泄漏风险、成本与控制复杂性问题。
**关键技术方法**
研究人员采用MBSE两级方法框架（架构级与实现级），以SysML开展多视图建模，包括需求图（requirements diagram）、用例图（use case diagram）、活动图（activity diagram）、状态机图（state machine diagram）与模块定义图（block definition diagram），并构建参数化三维装配（parametric 3D assembly）；通过「deriveReqt」「satisfy」「trace」等关系建立需求—架构—验证的追溯链，并将能耗核算拆分为电能与热能；基线架构通过候选方案与R-5–R-17的定性权衡比较选定。需要说明的是，本工作为框架与设计研究，未涉及样本队列。
**研究结果**
4.1 问题框定与需求（Problem Framing and Requirements）：通过需求建模，将利益相关者的产水量、比能、循环时长、运行条件、安全与成本需求形式化为R-0至R-23的分层需求体系，涵盖系统范围、性能、架构损失控制、水处理、控制与资料及约束与生命周期六个包，并将总比能E
tot拆分为电能E
elec与热能E
th两项独立核算，循环时长R-3直接决定日均可完成的循环次数。
4.2 运行概念与运行模式（Concept of Operations and Operating Modes）：通过SysML用例图将五类利益相关者映射至八个运行模式，UC-1与UC-2均「include」自主控制模式UC-3，安全停机UC-5与实验超控UC-8以「extend」关系接入，由此建立用例与需求的可追溯关系；通过活动图将单床SAWH循环建模为吸附（Phase A）与解吸/再生/冷凝（Phase B）两阶段批处理过程，显式揭示了热回收回路、冷凝器节流反馈与阀门切换过渡三个跨阶段耦合；通过状态机图使模式过渡均由测量量触发而非固定定时器，安全停机可从任意状态经独立于软件的硬件联锁切断加热功率。
4.3 系统架构模型（System Architecture Model）：模块定义图将系统分解为气流回路、热回路、蒸汽-水路、电源-控制四个子系统，并把切换阀门与死体积合模为单一模块、将入口热污染与热区损失统一为热障模块、将分路能源子计量作为架构模块；物理架构示意采用垂直堆叠布置，热回收单元仅在冷却阶段与床耦合；3D设计概念通过定性权衡选定基线架构，包含气流均衡腔与穿孔扩散板、靠近床接口的电动低泄漏风门、可测量的电加热板、短而隔热的蒸汽支路、倾斜冷凝器、重力辅助集水、单向阀与分布式仪表；并提出增强型耦合床配置，利用吸附废气为互补模块的冷凝器冷却，并以共享风机辅助散热器回路选择性地控制床温、加速解吸后冷却，直接回应循环时长需求R-3。
**讨论与结论**
研究结论（Conclusions）部分指出：本研究从SAWH性能目标出发，开发了一种基于需求的完整物理设计方法，聚焦以吸附床为黑箱前提下的架构层面因素；需求模型将产水、热能和电能、循环时长、运行条件、损失控制、安全性、可维护性与报告边界形式化，并通过行为与结构SysML模型与运行模式、子系统接口、组件、传感器、执行器及验证活动相链接。分析识别出气流分布、热隔离、切换泄漏、蒸汽路径体积、冷凝器容量、排水与控制时机为主要设计关注点；所得基线架构包含气流均衡腔与扩散板、低泄漏风门、可测量的床加热、短而隔热的蒸汽支路、专用冷凝器、重力辅助集水与分布式仪表；将该架构转化为可追溯的3D设计是本研究的主要实践贡献；耦合床配置被提出用于探索交替运行、吸附废气再利用与散热器辅助床冷却。研究在系统需求、架构决策与验证证据之间保持了连续性，架构成果为原型开发提供了基础，而性能收益仍有待后续实验验证；未来测试将量化组件损失、产水量、比能消耗与循环时长，并评估耦合床配置相对于其附加能耗与复杂性的合理性。
