基于二维格子玻尔兹曼方法(LBM)仿真框架的室内多模态传感器节点物理信息多目标布点优化

《BUILDING AND ENVIRONMENT》:Physics-Informed Multi-Objective Placement of Indoor Multi-Modal Sensor Nodes Using a Two-Dimensional LBM-Based Simulation Framework

【字体: 大 中 小 】 时间:2026年07月02日 来源:BUILDING AND ENVIRONMENT 8.4

编辑推荐:

  该研究提出了一种面向集成式室内多模态传感器节点布置的物理信息多目标优化(Physics-Informed Multi-Objective Optimization, PI-MOO)方法。研究人员在建筑楼层的呼吸区平面(z=1.2 m)上构建了二维格子玻尔兹曼方

  
该研究提出了一种面向集成式室内多模态传感器节点布置的物理信息多目标优化(Physics-Informed Multi-Objective Optimization, PI-MOO)方法。研究人员在建筑楼层的呼吸区平面(z=1.2 m)上构建了二维格子玻尔兹曼方法(Lattice Boltzmann Method, LBM)模型,并用以生成夏季强制对流与过渡季自然通风条件下温度场以及污染物浓度方差的参考场。研究人员采用快速非支配排序遗传算法II(NSGA-II)同时优化三个目标:温度场重建误差——均方根误差(Root Mean Square Error, RMSE)、视线(Line-of-Sight, LoS)覆盖以及方差加权气体风险覆盖。Kneedle算法以成本效益为依据将传感器预算确定为N=31。在该预算下,相对于均匀布置(Uniform),PI-MOO使RMSE降低30.3%,气体风险覆盖提高24.6%;相对于虚拟力算法(Virtual Force Algorithm, VFA),RMSE降低23.6%,气体风险覆盖提高7.7%。在蒙特卡罗(Monte Carlo)节点失效测试中,即使在五个节点失效后,PI-MOO仍保持了最佳的绝对性能。该研究中使用的二维LBM场仅作为比较不同布局方案的参考场,与三维模拟或现场实测的比对验证尚属后续工作。
室内环境监测的准确性直接决定智能建筑中供暖通风与空气调节(Heating, Ventilation and Air Conditioning, HVAC)控制策略的响应速度与调节精度。然而,建筑空间功能日趋复杂,分散单点监测已难以满足精细化控制需求;同时,室内热环境与气流场具有强非线性与空间非均匀性,由单一测点代表全场的做法会产生显著位置依赖偏差。现有研究多基于几何覆盖或统计聚类布设传感器,往往假设空间各向同性、介质均质,忽略了墙体遮挡、热源羽流及涡流死角造成的物理场盲区。随着物联网(Internet of Things, IoT)与微机电系统(Micro-Electro-Mechanical Systems, MEMS)技术的发展,将温度、气体、 occupancy感知集成到同一节点的做法日益普遍,但这也使单个节点必须同时服务于多个空间需求相互冲突的监测目标。为此,该研究提出了一种基于二维LBM生成参考场的物理信息多目标优化布置框架,将传感器布局优化从几何驱动推向物理场驱动,相关论文发表在《BUILDING AND ENVIRONMENT》。

该研究的关键技术路线可概括如下。研究以中国科学院广州能源研究所新能源楼三楼为案例,从建筑CAD/DXF图纸自动提取墙、柱、门窗及热源/污染源语义信息,建立z=1.2 m呼吸区水平截面的二维数字孪生模型;采用D2Q9单松弛BGK(SRT-LBM)格式求解流场,并同时耦合温度分布函数与浓度分布函数求解热质输运,设置夏季强制对流、过渡季自然通风和示踪气体泄漏三种典型工况作为参考场;以NSGA-II为优化器,在几何可行域与最小间距约束下搜索节点坐标,三目标分别为温度场重建RMSE、LoS覆盖率及方差加权气体风险覆盖率;利用Kneedle算法确定N=31的最优成本效益预算;最后通过蒙特卡罗节点失效仿真评估布局后验鲁棒性,并与均匀布置策略及VFA基线对比。

研究结果按章节可归纳如下:
LBM求解器验证。通过顶盖驱动方腔、差分加热方腔以及高斯脉冲扩散三个经典基准算例,研究人员分别验证了流场、温度边界层与标量输运模块的实现正确性;模拟结果与标准解或解析解吻合良好。该验证仅针对算法实现,目标建筑的三维或实测验证被明确列为未来工作。
室内物理场特征与非均匀性分析。在夏季强制对流工况下,流体域温度均值为27.74 °C,最大34.88 °C,变异系数(Coefficient of Variation, CV)为6.43 %;过渡季自然通风工况均值降至18.61 °C,但CV升至11.06 %,空间非均匀性明显增强。示踪气体泄漏场景中,浓度方差高度偏斜并集中于墙体遮挡后的尾涡区与羽流扩散前缘,说明高方差区域才是气体风险监测的关键位置。
最优预算决策与边际效益分析。预算扫描显示,当N<30时温度RMSE与气体风险覆盖之间存在显著冲突,Pareto前沿分布较宽;LoS覆盖率随预算增加近似单调提升。采用理想点距离(Ideal Point Distance, IPD)进行综合评分,权重取RMSE:LoS:气体风险=0.4:0.3:0.3,N=31被选为拐点。超过该阈值后,新增节点主要落在波动微弱的内部区域,边际效用迅速下降;权重敏感性测试也确认N=31的稳健性。在该预算下,Pareto前沿呈现明显非凸性,RMSE与气体风险覆盖呈负相关,而LoS覆盖率已达94 %–96 %,不再是系统瓶颈。
性能比较分析。在N=31时,PI-MOO获得RMSE=1.160、LoS=0.959、气体风险覆盖=0.884;相比Uniform的RMSE=1.664、气体风险覆盖=0.710,RMSE降低30.3 %,气体风险覆盖提高24.6 %;相比VFA的RMSE=1.518、气体风险覆盖=0.821,RMSE降低23.6 %,气体风险覆盖提高7.7 %。空间分布上,PI-MOO节点集中于冷热射流混合边界及LBM识别出的高方差气体扩散路径,而非几何中心或均匀开敞区域。
系统韧性与鲁棒性评估。随机移除1、3、5个节点后,PI-MOO的RMSE与气体风险覆盖下降斜率略大于Uniform和VFA,反映其关键节点信息权重较高;但由于初始性能优势大,即使五个节点失效,PI-MOO的绝对性能仍然超过无故障的两种基线方案,其LoS覆盖率也保持在87 %左右,体现出较强的绝对鲁棒性。

讨论部分指出,物理感知传感策略通过锁定高方差区域与复杂气流界面,有效缓解了传统几何布点造成的监测盲区;边际效用分析为工程预算决策提供了量化依据,避免盲目增加节点;后验节点失效测试则表明物理信息优化布局在失效场景下仍具有最高的绝对性能。但研究也明确指出,二维呼吸区平面模型忽略了垂直温度分层、天花板贴附射流及三维回流结构,尤其对自然通风主导的过渡季工况适用性较弱;当前LBM参考场主要用于不同布局的相对比较,而非目标建筑的全尺度预测验证。未来工作将发展三维D3Q19 LBM或大涡模拟(Large Eddy Simulation, LES)验证二维方案的迁移性,并引入强化学习等方法实现动态、可重构的传感器布置。

研究结论可翻译概括如下:室内环境监测面临物理场强非均匀性与传统几何布置局限性的双重挑战。该研究基于二维LBM参考场发展了物理信息多目标布置方法,推动传感器布局优化从几何覆盖走向物理场驱动。数值证据表明:(1)物理感知传感策略在监测精度上具有显著优势,可在同等节点规模下同时提升温度场重建精度与气体风险覆盖;(2)边际效用分析识别出N=31为成本效益拐点,超过该预算后性能提升有限;(3)后验鲁棒性分析显示,即使在节点失效情况下,物理信息优化布局仍能保持优于基线方案的绝对监测性能。
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