[發明專利]一種基于人工智能的醫院病房通風系統智能設計方法

有效

• 申請號: 202110394305.5
• 申請日: 2021-04-13
• 公開（公告）號: CN113158593B
• 公開（公告）日: 2023-02-07
• 發明（設計）人: 張慎;王義凡;尹鵬飛;程明
• 申請（專利權）人: 中南建筑設計院股份有限公司
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F30/15;G06F30/27;G06N3/084;G06F113/08;G06F119/08
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒

本發明公開了一種基于人工智能的醫院病房通風系統智能設計方法，包括步驟：利用Rhino軟件參數化建模技術建立不同換氣方案的病房三維幾何模型；通過開源CFD軟件OPENFOAM進行室內氣流組織模擬，得到不同換氣方案的室內空氣齡的空間分布，進而計算得到換氣效率；建立描述換氣方案參數與換氣效率關系的深度神經網絡模型，以不同換氣方案的參數為模型輸入量，以對應的換氣效率為模型輸出量，對深度神經網絡模型進行訓練；設計多種換氣方案，利用訓練好的深度神經網絡模型得到每種換氣方案的換氣效率，確定最優換氣方案。該方法旨在將AI算法轉化為設計生產力，尋找醫院病房的通風系統最優設計方案。

技術領域

本發明屬于醫療建筑節能和室內通風設計技術領域，具體涉及一種基于人工智能的醫院病房通風系統智能設計方法。

背景技術

近年來SARS和新冠肺炎等傳染性疾病對人民生命安全和國民經濟造成重大威脅和損失，社會各界對醫院病房室內通風換氣效果的關注度日益增加。醫院作為收納和救治病人的重要建筑場所，一旦發生傳染病感染或交叉感染，后果十分嚴重。因此，如何科學地設計病房室內通風換氣方案，已成為醫療建筑設計領域普遍關注和迫切需要解決的問題。

一般醫院病房主要依賴空調通風系統影響室內氣流組織，通過縮短室內空氣齡，達到最大的室內換氣效率。如果未選取最優的氣流組織形式，不僅浪費資源不節能，而且可能會引起二次污染。因此，如何對室內空氣齡的分布進行評估，是病房建筑室內優化設計需要解決的首要問題。目前主要依賴室內實測和計算流體力學方法(Computational FluidDynamics，CFD)進行室內氣流組織模擬和分析，但由于實測成本高、CFD軟件計算效率低，難以解決醫療建筑設計階段時間緊、大量方案比選導致的計算量大等問題。

隨著高性能計算水平飛速提升以及人工智能算法日益成熟，可以利用機器學習相關算法，采用有限的CFD仿真樣本進行訓練，得到病房通風方案快速評估模型，從而基于該機器學習模型確定最佳病房室內氣流組織形式。另一方面，由于傳統的商用CFD軟件很少專門針對醫療建筑，其熟練使用需要依賴使用者對復雜的CFD理論、網格劃分技術、計算參數以及可視化后處理等技術有一定的基礎。為方便工程實用，近年來國內外科研人員均嘗試基于計算機編程技術和CFD方法實現綠色建筑性能化分析，如國外研發團隊利用Rhino的Grasshopper平臺連接了OPENFOAM開源CFD軟件，開發了butterfly接口，實現了對建筑的自然通風模擬。隨著城市建筑數字化技術逐漸深入應用，人工智能、建筑參數化建模以及CFD仿真技術將會全面深入綠色建筑性能設計領域。

發明內容

本發明的目的在于，提供一種基于人工智能的醫院病房通風系統智能設計方法，將AI算法轉化為設計生產力，尋找醫院病房的通風系統最優設計方案。

本發明提供的技術方案如下：

一種基于人工智能的醫院病房通風系統智能設計方法，包括以下步驟：

S1、利用Rhino軟件參數化建模技術建立不同換氣方案的病房三維幾何模型；

S2、通過開源CFD軟件OPENFOAM進行室內氣流組織模擬，得到不同換氣方案的室內空氣齡的空間分布，進而計算得到換氣效率；

S3、建立描述換氣方案參數與換氣效率關系的深度神經網絡模型，以不同換氣方案的參數為模型輸入量，以對應的換氣效率為模型輸出量，對深度神經網絡模型進行訓練；

S4、設計多種換氣方案，利用訓練好的深度神經網絡模型得到每種換氣方案的換氣效率，確定最優換氣方案。

優選地，換氣方案的參數具體包括：送風口位置、排風口位置、送風口尺寸、排風口尺寸、排風口數量、病房空間尺寸、房間送風量。

優選地，描述換氣方案參數與換氣效率關系的深度神經網絡模型表達式為：