烟囱浮力效应驱动的非对称V形隧道火灾中烟气背层流动的多参数耦合机制

《International Journal of Heat and Fluid Flow》：Multi-parameter coupling mechanisms of smoke back-layering in asymmetric V-shaped tunnel fires driven by stack-buoyancy effects

　　

•揭示了释热率(HRR)、坡度不对称性与几何形状之间的多因素耦合效应。•层流-浮力相互作用主导了V形隧道中的烟气回流。•不对称坡度显著增强了方向性排烟效果。•建立了经验证的回流长度预测模型。

引言

烟气回流是指在纵向通风隧道中，高温火灾烟气逆通风气流向上游扩散的现象，烟气前锋与火源之间的距离定义为回流长度。该参数对于评估上游疏散安全性和灭火空间至关重要，是不对称V形坡度隧道通风设计的核心指标。

随着交通基础设施的快速发展，大量跨越河流和湖泊的水下隧道已建成并投入运营。由于复杂的地质和水文约束条件，许多此类隧道采用大断面、陡坡度和长布局的非对称V形纵坡设计。作为典型的长距离封闭空间，当发生交通事故时，此类隧道面临着严重的火灾风险。在热浮力和烟囱效应的驱动下，火灾烟气可迅速传播，从而严重阻碍排烟、人员疏散和灭火作业，并可能导致严重的人员伤亡和财产损失。

与常规水平隧道和单坡隧道不同，非对称V形坡度隧道中的烟气运动受热浮力主导，并与多个影响因素强烈耦合。为常规隧道开发的传统防火和控烟策略可能无法完全满足这些特殊隧道配置的安全要求。在自然通风条件下，下坡侧的烟气向上游扩散，而上坡侧的烟气则向下游流动。当上坡侧的烟气从隧道排出时，火源附近的烟气可能发生再循环并形成稳定的回流层。因此，需要系统研究非对称V形坡度隧道的烟气回流特性。研究结果可为隧道火灾风险防控、通风系统优化和应急响应提供指导，从而减少烟气引发的灾害损失。

过去几十年来，大量研究对隧道火灾中的烟气回流长度进行了调查，包括基本理论和实验研究、倾斜隧道研究、特殊形状隧道分析以及多因素耦合研究。

烟气回流长度的概念最初由Thomas提出（Thomas, 1958, Thomas, 1968），他定义了该物理参数并建立了其与弗劳德数的相关性，从而为后续研究奠定了理论基础。他的研究表明，回流长度随纵向通风速度的增加而减小，当风速达到临界阈值时，烟气回流可能完全被抑制。此后，众多研究对纵向通风隧道中的烟气回流长度进行了深入调查。Vantelon等人（1991）基于半圆形管道实验测试提出了烟气回流长度的无量纲方程。Li等人（2010）发现，对于释热率相对较低的火灾，无量纲回流长度与理论方程定义的修正Richardson数的三分之一幂次相关。Hu等人（2008）分析了烟气回流滞止点的力平衡，表明当纵向通风的惯性力与驱动烟气向上游扩散的浮力相平衡时，回流可以被抑制。Du等人（2020）结合盐水模型实验和光衰减技术探索了烟气回流的结构特征和密度分布。Yao等人（2023）通过数值模拟系统研究了环境压力对隧道火灾中烟气运动的影响，引入了"折返速度"的概念，并建立了考虑环境压力影响的烟气回流长度和临界速度预测模型。Jiang和Wu（2025）通过盐水模拟实验和小型隧道火灾测试揭示了亚临界纵向通风下烟气回流长度、烟层厚度和分层稳定性的演化规律。Esmaeel等人（2021）研究了火源长宽比对风增强效应的影响，发现在恒定火灾强度下，增大长宽比可以提高归一化火灾引起的压力梯度并增强风增强效应，而在固定总释热率下则出现相反趋势。Ma等人（2025）探讨了隧道断面形状对纵向烟气控制和回流长度的影响，得出结论认为隧道断面水力直径越大，回流长度越长。他们进一步提出了结合断面形状效应的最大顶板温度和回流长度预测公式。Zhang等人（2021）通过缩尺模型实验和理论分析研究了矩形断面高宽比对隧道火灾回流长度和临界速度的影响。结果表明，高宽比的增加导致烟气回流长度增加但临界速度减小。Sun等人（2024）关注了自然通风下隧道坡度对烟气回流长度的双重效应。

近年来，倾斜隧道中的烟气回流长度越来越受到关注。Wang等人（2024）数值研究了自然通风倾斜隧道中的烟气传播和回流长度，并确定了隧道坡度、HRR、隧道长度和隧道宽度对烟气扩散的耦合效应。Wang等人（2025）考察了配备水喷雾系统的单向上坡隧道中的烟气回流，阐明了隧道坡度、纵向通风、喷雾流量和喷雾角度对烟气回流长度的耦合效应。Shao和Bi（2025）使用缩尺实验研究了自然通风倾斜隧道火灾中的最大顶板温度和回流长度，并提出了一个新的烟气回流长度预测模型。Su等人（2024）系统评估了隧道坡度对地铁隧道车厢火灾中临界速度和约束速度的影响，表明隧道坡度通过改变烟囱效应对烟气回流长度有显著影响。Fan（2023）使用具有动态网格技术的三维非稳态数值模型分析了隧道中移动列车火灾，发现最大回流长度与纵向风压呈对数变化。Du等人（2022）通过考虑隧道倾斜角度和火源位置作为关键影响参数，建立了自然通风倾斜隧道中烟气回流长度的预测模型。Li等人（2022）提出了上下倾斜隧道在隧道坡度和通风条件耦合效应下烟气回流长度的无量纲模型。Zhao（2024）研究了隧道宽度和坡度对自然通风倾斜隧道中烟气温度分布和回流长度的影响，报告称随着坡度从0°增加到8°，回流长度先减小后趋于稳定。Li等人（2010）还基于缩尺实验建立了无侧向集中排烟条件下隧道烟气回流长度的经验模型。

为进一步扩展这一研究框架，近期研究考察了各种特殊结构隧道中的烟气回流。Li和Tang（2022）将缩尺实验与数值模拟相结合，通过考虑火源位置和分叉口断面面积，开发了分叉隧道交叉口烟气回流长度的修正模型。Huang等人（2023, 2024）研究了上游和下游主线倾斜的分叉隧道中的烟气回流长度，发现无量纲回流长度模型中的比例系数从0.467增加到0.754。Liu等人（2023）建立了顶棚中央排烟口下游烟气回流长度的理论预测模型，为点排条件下估算烟气扩散提供了有用工具。Ying等人（2025）分析了地下互通隧道中不同火源位置和通风方案下的烟气回流，使用408种工况条件并建立了考虑火源位置的预测模型。

在涉及多火源和混合通风-排烟模式的复杂场景下，多因素耦合效应也得到了探索。Chen等人（2025）系统研究了排烟口下游的烟气回流长度，并提出了结合纵向风速、HRR和排烟速度的预测模型。Meng（2023）使用缩尺实验研究了纵向通风隧道中两个火源的火焰合并和烟气回流长度。结果表明，火焰合并经历三个典型阶段：完全合并、间歇合并和非合并。发现烟气回流长度随火源间距增加而减小，在0.9 m间距处存在明显的转折点。随后建立了考虑HRR和通风速度的分段预测模型。

尽管先前的研究取得了重大进展，但仍存在几个关键局限性。首先，大多数研究集中在集中排烟的纵向通风条件下水平、单坡和倾斜隧道中的烟气回流，而下游坡度长度和隧道坡度的综合效应很少被深入研究。其次，对于两侧坡度和坡度长度各异的隧道，坡度过渡区不对称压差和烟囱效应的形成机制尚不清楚。第三，多因素相互作用在V形隧道底部产生独特的烟气分层、涡流和热量积聚。其内在机制了解不足，目前没有通用模型描述此类配置中的烟气传播。合理设计坡度长度和坡度可以改善烟气排出并优化疏散气流；然而，它也可能引发上游烟气回流，对人员构成重大风险。

如表1所示，先前的研究已逐步将烟气回流研究从倾斜隧道扩展到非对称V形配置。然而，非对称V形隧道中下游坡度长度的效应尚未被系统量化，特别是相对于HRR和隧道坡度的相对重要性。此外，这些火灾和几何参数的综合效应尚未被充分纳入烟气回流预测。因此，本研究考虑HRR、隧道坡度和下游坡度长度，定量比较它们对烟气回流的影响，并建立非对称V形隧道的多参数预测关系。

据此，本研究进行了定量分析，以评估在坡度长度和坡度的综合效应下烟气回流长度如何变化。为解决上述局限性，本研究结合FDS数值模拟与理论分析，研究了非对称V形坡度隧道火灾的烟气回流特性。

**火灾场景**

采用Fire Dynamics Simulator 6.6.0（FDS 6.6.0；McGrattan等人, 2017, McGrattan等人, 2017）来探索非对称V形坡度隧道火灾中的烟气回流特性。该版本在先前研究中已得到广泛验证其可靠性。隧道模型长900 m，宽12.6 m，高7.5 m，坡度范围为3%至8%。本研究研究的隧道坡度范围为3%至8%。选择此范围是参考了实际

**隧道中火灾烟气的受力分析**

在非对称V形坡度隧道火灾中，高温烟气因密度降低而变得浮起。由烟气前锋与环境空气之间的密度差引起的静压差Ps，主导了烟气沿隧道顶板向洞口方向的传播。因此，火源附近烟气的上游静压差Ps,u可表示为：

Ps,u = Δρ × x × g × h

在非对称V形坡度隧道中，高温烟气是

**释热率对烟气回流长度的影响**

图5显示了坡度为5%-5%且右侧隧道长度为600 m时烟气迁移特性的变化。可以看出，当释热率从5 MW增加到50 MW时，回流层长度从70 m减小到51 m，上游回流长度和两侧烟层厚度均显著减小。从受力分析的角度来看，HRR的增加使总烟气产量增加并

**结论**

本研究通过理论分析与数值模拟相结合，系统研究了非对称V形坡度隧道火灾的烟气回流特性。定量分析了HRR、隧道坡度和下游坡度长度对烟气回流长度的耦合效应，揭示了上游烟气回流的演化规律。建立了多因素耦合无量纲预测模型并进行了验证。主要结论为

**CRediT作者贡献声明**

Jie Wang：资金获取，概念构思。Rui Ke：撰写——原始稿件，正式分析。Xiaowei Kong：资源，调查。Yi Chai：数据整理。Yong Wang：验证，方法学。

Kaihua Lu：指导，资金获取。
竞争利益声明
作者声明不存在任何已知的可能影响本文所述工作的竞争性财务利益或个人关系。
致谢
本研究得到国家自然科学基金（批准号：52476127、52574280 和 52376133）的资助。
Jie Wang|Rui Ke|Xiaowei Kong|Yi Chai|Yong Wang|Kaihua Lu