La calidad del aire interior se ha convertido en una prioridad crítica de la salud pública, especialmente cuando muchas personas pasan la mayor parte de su tiempo dentro de hogares, oficinas, escuelas y instalaciones sanitarias. Los sistemas de purificación del aire son una defensa de primera línea contra contaminantes del aire, incluyendo partículas, compuestos orgánicos volátiles (VOC), alérgenos y patógenos.

La importancia de la CDF en el diseño de la purificación del aire

Los purificadores de aire dependen de mover el aire a través de un medio filtrante o de una serie de etapas de tratamiento (por ejemplo, HEPA, carbono activado, UV-C o precipitación electrostática).El rendimiento de cada etapa está íntimamente ligado a la distribución del flujo de aire.Sin un diseño realista, el aire puede evitar el filtro completamente o crear zonas estancadas donde los contaminantes recirculen.

Cómo ANSYS Fluent Simula el flujo de aire y el transporte contaminante

ANSYS Fluent es un solucionador de CFD de uso general construido sobre el método de volumen finito. Para simulaciones de purificación de aire, los ingenieros suelen establecer un análisis acoplado de la fase de fluido continuo (aire) y la fase dispersa (partículas o gotitas).El software resuelve las ecuaciones de flujo de Navier-Stokes para la conservación de masa, el impulso y la energía, mientras que los modelos de turbulencia de la capturan el modelo de flujo de flujo de flujo de partículas de flujo de flujo de flujo de partículas de flujo de flujo de flujo de partículas de flujo de flujo de partículas de flujo de flujo de partículas de partículas de flujo de flujo de agua

Turbulencia Modeling Choices

Los modelos de turbulencia comunes en las simulaciones de purificación de aire incluyen el modelo de simulación de alta resistencia k-epsilon, que es robusto para los flujos de alta velocidad de ingeniería; el modelo k-omega de alta velocidad

Modelado de Transporte y Filtración de partículas

Para la eliminación de contaminantes, ANSYS Fluent incluye un Modelo de fase descreíble (DPM) que rastrea las partículas individuales (o las parcelas de partículas) a través del campo de flujo.Los usuarios pueden definir los tamaños de partículas (de submicro a grueso), densidad, factor de forma y condiciones de inyección.

Pasos clave en un análisis de CFD para purificadores de aire

Un riguroso estudio de la CFD de un sistema de purificación del aire sigue un flujo de trabajo sistemático, desde la creación de geometría hasta la extracción de métricas de rendimiento. Cada etapa requiere una atención cuidadosa para asegurar resultados fiables que puedan servir de base a decisiones de diseño.

Creación de geometría y simplificación

El primer paso es crear un 3D CAD modelo del purificador de aire, incluyendo el soporte, ventilador, elementos de filtro, rejas de entrada y salida, y cualquier bultadura interna o canales.Dependiendo de los objetivos de simulación, algunos detalles pueden ser simplificados, por ejemplo, ignorando la geometría exacta de helix de una hoja de ventilador y en lugar de un dominio

Generación de malla y calidad

El recuento de la malla es suficiente para captar las características de flujo importantes, como las capas de escamas, las zonas de separación y las capas de límites cercanas a las paredes, pero lo suficientemente gruesas para mantener la capacidad de gestión de costos computacionales.

Condiciones de los límites y ajustes de los valores de los usuarios

Una vez que se haya preparado una malla apropiada, la simulación se configura con condiciones de límites.

  • Intérprete:] entrada de velocidad o flujo de masa, especificando la velocidad de flujo de aire volumétrico (por ejemplo, 200 CFM) a menudo medido experimentalmente. Para estudios de escala de espacio, la entrada puede representar una apertura a la habitación.
  • Expulsa:]: la salida de presión se establece a presión atmosférica (gauge 0 Pa). Las condiciones de retorno pueden ser necesarias si se espera que se recircule.
  • Medios de comunicación: Zona porosa con coeficientes de resistencia viscos e inerciales dimanantes de datos o experimentos del fabricante.
  • Fan:] modelado como condición de límite de ventilador mediante curva de salto de presión definida por el usuario (ΔP vs. caudal) o como marco de referencia móvil (MRF) para ventiladores axiales.
  • ] condición de no-slip, adiabática o isotérmica si importa la transferencia de calor.
  • Partículas:] inyectadas en la entrada con un representante de distribución de tamaño de contaminantes interiores (por ejemplo, 0,3 μm, 2,5 μm, 10 μm).

Los ajustes de Solver incluyen seleccionar el solucionador basado en la presión (default para flujos incompresibles), elegir un modelo de turbulencia (por ejemplo, k-omega SST), y establecer los criterios de convergencia (normalmente residuales por debajo de 1e-4 para la continuidad y el impulso). Las simulaciones transitorias se utilizan para estudiar la evolución de la concentración contaminantes a lo largo del tiempo, mientras que las simulaciones de estado estable son suficientes para evaluar la eficiencia de la recolección de tiempo.

Post-Procesamiento e Interpretación

Después de que la simulación converge, los ingenieros evalúan los resultados utilizando las herramientas incorporadas de ANSYS Fluent después del procesamiento o dedicadas como CFD-Post o ParaView.

  • Contornos y vectores de velocidad] para visualizar patrones de flujo de aire, identificar zonas muertas y asegurar el flujo uniforme a través del filtro.
  • La caída de la presión] en todo el filtro y el sistema general; la caída excesiva reduce la eficiencia y aumenta la potencia del ventilador.
  • Títulos de partículas coloreados por diámetro o tiempo de partículas, mostrando qué partículas se capturan y qué escape.
  • La eficiencia de la colonización como función del tamaño de las partículas, crítica para compararlas con las normas HEPA (con 99,97% a 0,3 μm).
  • Modificaciones por hora (ACH)] para modelos a escala de habitación, una métrica clave para el control de infecciones.

Los ingenieros se dedican al diseño modificando la geometría (por ejemplo, añadiendo las vanas, cambiando la forma del filtro, ajustando la posición del ventilador) y re-corregir la simulación hasta que se cumplan los objetivos.

Beneficios de la modelación de CFD para los purificadores de aire

La adopción de CFD en el proceso de diseño ofrece ventajas sustanciales sobre enfoques puramente experimentales:

  • Prototipado físico reducido: La prueba tradicional requiere construir y medir docenas de iteraciones. La CFD puede evaluar cientos de prototipos virtuales, ahorrando materiales y costos laborales.
  • Más rápido tiempo a mercado: Un análisis completo de CFD para una configuración individual puede ejecutarse en horas a unos días, frente a semanas para un prototipo físico y una campaña de prueba.
  • ]Detalladas perspicacias: CFD proporciona datos tridimensionales y de campo completo que son imposibles de obtener de mediciones de puntos. Los ingenieros ven exactamente dónde se produce la separación de flujo o dónde la concentración de partículas es más alta.
  • ]Optimización bajo múltiples limitaciones: Los diseñadores pueden optimizar simultáneamente la caída de presión, la eficiencia de la recogida, el ruido (a través de predicciones de sonido inducidas por el flujo), y el consumo de energía.
  • ]Seguridad y escalabilidad: El CFD puede simular contaminantes peligrosos (por ejemplo, aerosoles con virus, agentes químicos) sin riesgo para el personal, y puede ser escalado a grandes espacios como hospitales, aeropuertos o fábricas.

Estudios de casos y aplicaciones en el mundo real

Los modelos de control de la lupa de aire comprimido (CLT) de la Universidad de Minnesota simularon un limpiador de aire portátil para entender cómo las diferentes posiciones de los ventiladores afectan a la tasa de entrega del aire limpia (CADR).

Desafíos y limitaciones

A pesar de su poder, CFD no es una panacea. Los ingenieros deben estar conscientes de varios desafíos:

  • ] Costo Computacional: Las simulaciones de alta fidelidad (LES, seguimiento de partículas con grandes cantidades de partículas, transientes) exigen recursos HPC significativos. Las pequeñas empresas pueden necesitar computación de nubes o reducir la fidelidad de modelo.
  • Incierto de modelado: Los modelos de turbulencia y deposición de partículas contienen constantes empíricas que pueden no ser precisas para todos los regímenes de flujo. La validación con datos experimentales sigue siendo esencial.
  • La geometría y la dependencia de malla: La geometría des simplificación (por ejemplo, ignorando la geometría de la parrilla, los detalles de la hoja de abanico) puede perder importantes características de flujo. La calidad de malla debe ser cuidadosamente gestionada; un usuario no calificado puede producir resultados plausibles pero incorrectos.
  • complejidad de la mutifísica: Algunas tecnologías de purificación implican electrostáticas, radiación UV o reacciones catalíticas. Mientras que Fluent puede unirse a otras solturas (por ejemplo, MHD, radiación), tales simulaciones acopladas son complejas y propensas a problemas de estabilidad.
  • Interpretación de resultados: Los productos CFD son vastos; extraer cambios de diseño factibles requiere experiencia y conocimiento de dominio. Una caída de alta presión puede ser malinterpretada como un problema cuando podría ser necesario para la captura de partículas.

Future Directions

La evolución de la CFD para la purificación del aire se dirige a una mayor integración y automatización. Un área prometedora es optimización asistida por el aprendizaje automático, donde los modelos de flujo de energía de la nube se entrenan rápidamente en los datos de la CFD predecir el rendimiento para nuevas geometrías.

Conclusión

El modelado CFD con ANSYS Fluent se ha convertido en una herramienta indispensable para el análisis y diseño de sistemas eficaces de purificación del aire. Al permitir que los ingenieros simulan el flujo de aire, rastrean los contaminantes y evalúen el rendimiento de la filtración en un entorno virtual, el enfoque reduce drásticamente el tiempo y el costo del desarrollo mientras que proporcionan una mayor penetración física.