[发明专利]一种基于人工智能的医院病房通风系统智能设计方法

说明书

本发明公开了一种基于人工智能的医院病房通风系统智能设计方法，包括步骤：利用Rhino软件参数化建模技术建立不同换气方案的病房三维几何模型；通过开源CFD软件OPENFOAM进行室内气流组织模拟，得到不同换气方案的室内空气龄的空间分布，进而计算得到换气效率；建立描述换气方案参数与换气效率关系的深度神经网络模型，以不同换气方案的参数为模型输入量，以对应的换气效率为模型输出量，对深度神经网络模型进行训练；设计多种换气方案，利用训练好的深度神经网络模型得到每种换气方案的换气效率，确定最优换气方案。该方法旨在将AI算法转化为设计生产力，寻找医院病房的通风系统最优设计方案。

技术领域

本发明属于医疗建筑节能和室内通风设计技术领域，具体涉及一种基于人工智能的医院病房通风系统智能设计方法。

背景技术

近年来SARS和新冠肺炎等传染性疾病对人民生命安全和国民经济造成重大威胁和损失，社会各界对医院病房室内通风换气效果的关注度日益增加。医院作为收纳和救治病人的重要建筑场所，一旦发生传染病感染或交叉感染，后果十分严重。因此，如何科学地设计病房室内通风换气方案，已成为医疗建筑设计领域普遍关注和迫切需要解决的问题。

一般医院病房主要依赖空调通风系统影响室内气流组织，通过缩短室内空气龄，达到最大的室内换气效率。如果未选取最优的气流组织形式，不仅浪费资源不节能，而且可能会引起二次污染。因此，如何对室内空气龄的分布进行评估，是病房建筑室内优化设计需要解决的首要问题。目前主要依赖室内实测和计算流体力学方法(Computational FluidDynamics，CFD)进行室内气流组织模拟和分析，但由于实测成本高、CFD软件计算效率低，难以解决医疗建筑设计阶段时间紧、大量方案比选导致的计算量大等问题。

随着高性能计算水平飞速提升以及人工智能算法日益成熟，可以利用机器学习相关算法，采用有限的CFD仿真样本进行训练，得到病房通风方案快速评估模型，从而基于该机器学习模型确定最佳病房室内气流组织形式。另一方面，由于传统的商用CFD软件很少专门针对医疗建筑，其熟练使用需要依赖使用者对复杂的CFD理论、网格划分技术、计算参数以及可视化后处理等技术有一定的基础。为方便工程实用，近年来国内外科研人员均尝试基于计算机编程技术和CFD方法实现绿色建筑性能化分析，如国外研发团队利用Rhino的Grasshopper平台连接了OPENFOAM开源CFD软件，开发了butterfly接口，实现了对建筑的自然通风模拟。随着城市建筑数字化技术逐渐深入应用，人工智能、建筑参数化建模以及CFD仿真技术将会全面深入绿色建筑性能设计领域。

发明内容

本发明的目的在于，提供一种基于人工智能的医院病房通风系统智能设计方法，将AI算法转化为设计生产力，寻找医院病房的通风系统最优设计方案。

本发明提供的技术方案如下：

一种基于人工智能的医院病房通风系统智能设计方法，包括以下步骤：

S1、利用Rhino软件参数化建模技术建立不同换气方案的病房三维几何模型；

S2、通过开源CFD软件OPENFOAM进行室内气流组织模拟，得到不同换气方案的室内空气龄的空间分布，进而计算得到换气效率；

S3、建立描述换气方案参数与换气效率关系的深度神经网络模型，以不同换气方案的参数为模型输入量，以对应的换气效率为模型输出量，对深度神经网络模型进行训练；

S4、设计多种换气方案，利用训练好的深度神经网络模型得到每种换气方案的换气效率，确定最优换气方案。

优选地，换气方案的参数具体包括：送风口位置、排风口位置、送风口尺寸、排风口尺寸、排风口数量、病房空间尺寸、房间送风量。

优选地，描述换气方案参数与换气效率关系的深度神经网络模型表达式为：