基于排污效率和吹风感指数的客舱空调最佳送风方式

2022-09-05林家泉戴仕卿

航空学报 2022年7期

林家泉，戴仕卿

中国民航大学电子信息与自动化学院，天津 300300

伴随着航空运输业的蓬勃发展，航空排放已经对机场附近人类健康和生态环境造成了最直接的负面影响。据统计，跑道周边超微颗粒水平比上下班高峰期繁忙公路至少高出3倍，尤其是静稳天气下，近地面风速小不利于污染物扩散，影响更为显著。这些颗粒物主要来源于航空发动机、辅助动力系统以及机场车辆排放的尾气。然而，从飞机推出到起飞平均需要10～20 min的等待时间，过长的等待时间导致大量颗粒物从引气系统进入客舱，难以通过再循环风扇快速滤除，过多的颗粒物吸入会对鼻子和眼睛产生刺激，长期置于这种环境下(尤其是航空从业人员)也会导致一些慢性的心肺疾病，为此，提高舱内的空气品质至关重要。

目前，国内外关于提高客舱空气品质的方法已经有不少研究，主要包括探究合理的送风参数设置、送风方式对于污染物扩散的影响以及新型的送风装置等。送风速度的增加往往可以提高污染物的排污效率，却也意味着更多的燃料消耗，而新型的送风装置也难以用于现有的机型上。Wu和Ahmed提出了一种间歇式送风方式，发现通过恰当调节占空比可有效提升空气利用率。Fallenius等通过二维水箱实验来验证非稳态送风的可行性，发现脉冲流入可以得到更多的涡流并减少滞留区尺寸。Wu和Ahmed提出一种基于方波信号送风的方式降低了舱内的平均空气龄。可见，非稳态送风已被证实能够有效提高舱内的空气混合，但现有研究仅考虑了排污效率却忽视了气流增速对于乘客热舒适性以及污染物扩散规律的影响。

综上所述，为降低飞机客舱发动机引气污染水平，本文采用方波信号代替恒值信号对飞机客舱送风，模拟计算客舱在不同送风方式下舱内污染物的分布规律，考虑到方波信号下气流增速对于乘客热舒适性的影响，结合排污效率和吹风感指标(Draft Rating,DR)评估出最佳的客舱空调送风工况，为减少发动机引气污染，提高客舱空气品质提供参考依据。

1 研究方法

1.1 飞机客舱CFD模型

采用CFD技术建立5排Boeing737飞机经济舱模型，共包含2个天花板送风口，10个侧壁送风口，30个个性化送风口以及10个底部排风口，见图1。由于高曲率模型不利于网格的划分，为此实验对人体头部模型进行了简化处理。整个客舱模型网格划分以四面体网格为主，对于进风口和排风口等流场复杂区域进行网格加密，方便捕捉具体的气流特征，共划分354万网格。

图1 Boeing737经济舱模型Fig.1 Boeing 737 cabin model

1.2 数值模型

为了得到准确的气流流场以及污染物扩散规律，采用ANSYS FLUENT对客舱模型进行求解。目前，RNG(Renormalization Group)-湍流模型被认为可准确研究客舱内气流组织和污染物传播规律。其中各控制方程的通用形式为

(1)

针对引气颗粒污染物的气-固两相流问题，采用离散相模型(Discrete Phase Model，DPM)来模拟颗粒污染物在舱内的运动轨迹。DPM适用于颗粒体积分数小于10%的情况，该模型中气体被视作连续相采用Eulerian方法计算，而颗粒则通过积分Lagrangian坐标系下的作用力微分方程来求解其运动轨迹，具体方程为(以轴方向为例)

(2)

式中：为连续相速度；为颗粒相速度；为连续相密度;为颗粒相密度;为重力加速度;为颗粒物受到的附加力(浮力、阻力、压力梯度力、附加质量力等);(-)为空气施加于颗粒物的曳力，表达式为

(3)

(4)

(5)

式中：为相对雷诺数；为颗粒直径；为流体的动力黏度；为曳力系数；、均为常数。

计算时采用SIMPLC算法，采用标准壁面函数法来处理近壁面的流动，压力基于Standard离散格式，动量方程采用二阶迎风格式。时间步长设置为0.2 s，且当能量残差小于10以下，其余变量残差小于10以下认定为收敛。

1.3 客舱CFD模型验证

为了保证客舱CFD模型以及RNG-湍流模型的准确性，采用粒子图像测速(Particle Image Velocimetry，PIV)技术对舱内速度场进行验证。图2所示为实验舱，通过烟雾发生器产生平均粒径约为1.5 μm的颗粒，从实验舱天花板和侧壁的送风口进入，并从底部的排风口排出。

图2 实验舱Fig.2 Experimental cabin

利用图3的16M像素CCD相机采集第3排区域的速度场，且实验参数设置与仿真边界条件保持一致，即送风量为1 000 m/h。本次图像的采样频率设置为1 Hz，共采集50幅瞬态流场图，以保证样本时间的不相关性。单次采样区域为900 mm×600 mm，共采样4个子区域，再利用数据处理将各子区域拼接，得到完整的流场信息。

PIV实验和CFD仿真结果如图4所示，可以看出仿真结果基本模拟出过道上方环流、中心下降气流的运动趋势，但也和实验结果存在一定的差异。为了进一步确定数值模拟的准确性，选取乘客呼吸区周围典型位置处速度值进行对比。如图5所示，选取纵坐标=0.5 m，横坐标=-1.2, -0.4, 0.6, 1.4 m为采样点1～4，横坐标=0 m，纵坐标=-0.4, -0.1, 0.2 m为采样点5～7，对比两幅图发现采样点处速度误差小于15%，为此，认为该模型是准确可靠的。

图3 Boeing 737实验平台Fig.3 Boeing 737 experimental platform

图4 PIV实验和仿真结果对比Fig.4 Comparison of PIV experimental and simulation results

图5 PIV实验和仿真采样值对比Fig.5 Comparison of sampling values between PIV experimental and simulation results

1.4 网格无关性验证

选取220万、354万、550万网格进行网格无关性验证，以确定所用的网格数量。观测=1.25 m、=0 m、=-1.5, -1.0, -0.5, 0, 0.5, 1.0, 1.5 m这7个采样点上的速度值。如图6所示，354万网格和550万网格计算结果十分相近，220万网格计算差异较大，为此，认为354万网格可以满足要求。

图6 网格独立性分析Fig.6 Grid independence analysis

1.5 仿真边界条件设定

客舱的送风温度设置为24 ℃，送风量为1 000 m/h，送风速度受送风口大小影响存在差异，但不同送风方式的总流量保持相同。本文选取0.4 μm作为颗粒直径，共释放10 s。具体的边界条件为

1) 人体模型设置为固定发热量80 W，体表温度为32 ℃。

2) 壁面和窗户设置为Reflect，座椅和地面设置成Trap。

3) 个性化通风口设置为默认关闭状态，定义为Wall类型。

4) 不同送风方式下，恒值信号送风风速具体设定见表1。

表1 恒值信号送风速度Table 1 Constant signal air supply velocity

5) 方波信号送风下风速的高低幅值分别设置为基准值的135%和65%，以60 s为周期，前30 s为高幅值，后30 s为对应的低幅值。以天花板送风方式为例，如图7所示。

图7 天花板送风下两种信号送风速度Fig.7 Two signal air supply velocities with ceiling air supply

2 计算结果及分析

为研究恒值信号送风和方波信号送风对于舱内流场以及引气污染物扩散的影响，对每组仿真模拟计算了360 s，共包含6个完整周期，且每个周期内方波信号送风的供气量均与恒值信号送风的供气量保持相同。

2.1 飞机客舱纵向截面气流特征对比

图8为恒值信号送风下第3排区域的纵向截面流场图，由图中可以看出混合送风方式下，从天花板和侧壁送风口吹入的气流，在行李架中部发生碰撞，产生的气流向下传播，且在中间乘客左右两边形成强烈的环流。对于侧壁送风方式，其气流主要受康达效应的影响，贴着行李架壁面向上运动，左右两边气流在天花板处发生碰撞，随后以较低的速度向下流动，在乘客呼吸区形成一顺一逆两个流速较慢的涡流。而单独的天花板送风气流则沿着壁面向下运动，在到达客舱底部时，一部分新鲜空气从排风口排除，另一部分新鲜空气则从座椅底部流出后，向上运动，重新加入到主循环之中。

图9和图10所示为方波信号送风下客舱纵向截面流场图，可以看出当低风速结束时(=120 s)，舱内气流几乎与恒值信号送风保持一致。而当高风速送风结束时(=150 s)，混合送风和侧壁送风下的舱内流场发生了明显改变。对于混合送风而言，随着送风速度的增大，两者汇聚的气流逐渐向舱壁靠近，直到中心环流占主导地位，部分空气沿着舱壁从排风口排除，另一部分则再次加入到主循环之中。伴随着周期的结束，气流重新被推回到图9(a)所示状态，至此一次循环结束，新鲜空气实现了从过道乘客处向靠窗乘客处移动再回到起点的过程。侧壁送风也获得了类似的效果，对比图9(b)和图10(b)发现部分气流脱离了原先的轨迹，使得碰撞后的方向较之前产生了偏转，中心环流逐渐从中间乘客位置转移到天花板下方，原先容易堆积污染物的滞留区被打破，乘客呼吸区的空气流动性得到增强。而天花板送风下的流场几乎没有改变，气流依旧沿着壁面运动，新鲜空气在到达乘客呼吸区后，动能几乎耗散殆尽，难以对原先的滞留区造成影响。但由于天花板送风的特性，大量引气污染物会在进入客舱后，跟随新鲜气流沿着壁面直接流出排风口，为此，天花板送风在污染物进入阶段反而会获得较高的排污效率。

图8 恒值信号送风下的流场Fig.8 Flow fields with constant signal air supply

图9 方波信号送风下的流场(t=120 s)Fig.9 Flow fields with square wave signal air supply (t=120 s)

图10 方波信号送风下的流场(t=150 s)Fig.10 Flow fields with square wave signal air supply (t=150 s)

2.2 恒值信号与方波信号送风的污染物浓度对比

图11和图12所示为6种工况下乘客呼吸区横向截面污染物分布图。从图11和图12中可以看出，3种送风方式下污染物分布具有明显差异。图11中均为恒值信号送风，可以看出侧壁送风方式下乘客呼吸区的空气质量较差，天花板送风方式则具有最低的颗粒物浓度。由于座椅的阻挡，客舱顶部和尾部出现了污染物聚集的现象。对比6幅图，可以看出方波信号送风对于乘客呼吸区污染物的降低具有显著效果。方波信号送风下的混合送风方式使得质量分数高的污染物得到稀释，部分污染物从原先的1×10kg/m降到了4×10kg/m以下。侧壁送风方式下中间部分乘客的呼吸区得到改善，大量污染物被振荡的气流带到壁面处，得以从排风口排除。而天花板送风方式下，客舱尾部的污染物也出现了显著降低，说明方波信号送风对于气流水平方向的流动性产生了积极的意义。

图11 恒值信号送风下的颗粒物浓度分布Fig.11 Distribution of particulate concentration with constant signal air supply

图12 方波信号送风下的颗粒物浓度分布Fig.12 Distribution of particulate concentration with square wave signal air supply

3 数据分析与处理

3.1 客舱空气品质评价

用排污效率指标来衡量各通风方式对于引气颗粒污染物的排除能力。对于同一污染物，在相同的通风量和时间内可以使舱内的剩余污染物降到最低，该方法便有着最优的排污效率。从引气颗粒污染物进入客舱开始计算，共运行6个周期，其瞬态排污效率计算公式为

(6)

式中：为各时间点排风口排出的颗粒浓度;为各时间点客舱内的剩余颗粒浓度。计算不同送风方式下舱内颗粒污染物的排污效率如图13所示。

图13 6种工况下的排污效率Fig.13 Contaminant removal effectiveness under 6 working conditions

由图13可以看出，方波信号送风下的混合送风方式保持最优的排污效率，比方波信号下天花板送风方式和侧壁送风方式分别高5.7%和50.9%。方波信号送风对于混合送风方式以及侧壁送风方式的排污效率均有较大提升，相较于恒值信号送风分别提高8.2%和16.3%。对于天花板送风方式几乎没有提升，这主要是由于流场特征问题，方波信号送风也难以改善客舱中间位置气流的流动。

3.2 热舒适性分析

为了评估高速送风下气流增速对客舱内乘客热舒适性的影响，本文采用吹风感指数DR来探究不同送风方式下的热舒适性，ANSI/ASHRAE Standard 113-2013标准中规定要求DR指数<20%，其计算公式为

DR=(34-)(-005)062×

(037+314)

(7)

式中：为局部空气温度；为局部空气速度；为局部湍流强度。

计算不同送风方式下舱内平均DR指数如图14 所示。由图中可以看出方波信号下的气流增速使得舱内DR指数明显提升，混合送风方式始终保持着最佳的吹风感指数小于5%，而方波信号下的天花板送风方式吹风感指数大于10%。图15～图17为乘客所在截面上的吹风感指数分布图，可以看出吹风感指数主要受舱内气流流场分布影响，混合送风方式下乘客周围的吹风感基本小于10%，方波信号下的气流增速使得靠窗乘客侧面吹风感增强，但依旧符合ASHERE标准。侧壁送风方式下，过道两侧乘客胳膊处和头部吹风感明显提升，且中间过道处吹风感高于20%。而天花板送风则主要对乘客腿部影响较大，特别当夏季腿部皮肤裸露时，对于吹风感相对敏感，且垂直风速相差过大，易造成人体局部过冷。为此，不宜使用过大的风速以免影响乘客的舒适性体验。