La qualité de l'air intérieur est devenue une priorité essentielle pour la santé publique, en particulier parce que beaucoup de gens passent la majorité de leur temps à l'intérieur des maisons, des bureaux, des écoles et des établissements de santé. Les systèmes de purification de l'air sont une défense de première ligne contre les contaminants atmosphériques, y compris les particules, les composés organiques volatils (COV), les allergènes et les pathogènes. Cependant, l'efficacité de ces systèmes dépend fortement de leur conception : les voies de circulation de l'air, le placement des filtres, les caractéristiques du ventilateur et la géométrie globale.

L'importance du CFD dans la conception de la purification de l'air

Les purificateurs d'air se fient à la circulation de l'air à travers un filtre ou à une série d'étapes de traitement (p. ex., HEPA, charbon actif, UV-C ou précipitation électrostatique). La performance de chaque étape est intimement liée à la distribution de l'air. Sans une conception prudente, l'air peut contourner entièrement le filtre ou créer des zones stagnantes où les polluants recircient. La modélisation CFD permet aux ingénieurs de visualiser ces modèles de débit avant de construire une unité physique. Elle peut révéler un court-circuit de l'air pur, des profils de vitesse inégales à travers la face du filtre et des chutes de pression indésirables qui épuisent le ventilateur.

Comment le fluide ANSYS simule le débit d'air et le transport des contaminants

Pour les simulations de purification de l'air, les ingénieurs établissent généralement une analyse couplée de la phase de fluide continu (air) et de la phase dispersée (particules ou gouttelettes). Le logiciel résout les équations Navier-Stokes pour la masse, l'impulsion et la conservation de l'énergie, tandis que les modèles de turbulences capturent la nature chaotique et riche en ordures des flux d'air intérieurs. Le choix du modèle de turbulence est essentiel pour prédire avec précision les profils de flux en vrac et le comportement à proximité des parois, où les milieux filtrants et les parois des conduits affectent le dépôt de particules.

Choix de modélisation de turbulence

Les modèles de turbulences communs dans les simulations de purification de l'air comprennent le modèle standard k-epsilon, qui est robuste pour les débits de nombres élevés de réynolds; le modèle k-omega SST[, qui fonctionne mieux dans les régions où les gradients de pression sont défavorables et près des parois; et le modèle [Reynolds Stress Model (RSM), qui tient compte des turbulences anisotropes mais à un coût de calcul plus élevé.

Modélisation du transport et de la filtration des particules

Pour l'élimination des contaminants, le Fluent ANSYS comprend un Modèle de phase de dispersion (DPM) qui permet de suivre les particules individuelles (ou les parcelles de particules) dans le champ d'écoulement. Les utilisateurs peuvent définir la taille des particules (du submicron au grossier), la densité, le facteur de forme et les conditions d'injection. Le modèle tient compte des forces de traînée, de levage, de thermophorèse, de mouvement brownien et de tassement gravitationnel. Lorsque les particules touchent une surface filtrante, deux comportements peuvent être précisés : elles déposent (traînement) ou rebondissent. Les milieux filtrants sont souvent représentés par des milieux poreux avec des coefficients de perméabilité et de résistance à l'inertie connus dérivés de courbes de chute de pression expérimentales.

Étapes clés d'une analyse CFD pour les purificateurs d'air

Une étude rigoureuse du CFD d'un système de purification de l'air suit un flux de travail systématique, de la création de géométrie à l'extraction de mesures de performance. Chaque étape exige une attention particulière pour assurer des résultats fiables qui peuvent éclairer les décisions de conception.

Création et simplification de la géométrie

La première étape consiste à créer un modèle CAD3D du purificateur d'air, y compris le boîtier, le ventilateur, les éléments filtrants, les grilles d'entrée et de sortie, ainsi que les déflecteurs ou canaux internes. Selon les objectifs de simulation, certains détails peuvent être simplifiés, par exemple, en ignorant la géométrie exacte de l'hélice d'une lame du ventilateur et en utilisant plutôt une condition limite de ventilateur avec une courbe de vitesse de pression. La géométrie doit représenter exactement le domaine fluide : le volume d'air à l'intérieur de l'unité et, en option, la pièce dans laquelle elle fonctionne.

Génération et qualité des meshs

Pour les purificateurs d'air, une maille polyèdre ou maille à cellules coupées[ offre souvent un bon compromis. Fluent Meshing offre un maillage automatique avec des couches de prisme pour la résolution des couches limites. La qualité de la maille est évaluée par l'intermédiaire de la fausseté, de la qualité orthogonale et du rapport d'aspect. Une maille pauvre peut produire des solutions inexactes ou divergentes. Les ingénieurs devraient effectuer une étude de convergence [mesh en raffinant la maille jusqu'à ce que les résultats clés (p. ex. chute de pression, vitesse de la face du filtre) changent de moins de quelques pour cent. Les nombres de cellules typiques varient de 500 000 à 5 millions, selon la complexité.

Conditions de limite et paramètres du solvant

Une fois qu'un maillage approprié est prêt, la simulation est configurée avec des conditions de bordure. Les paramètres communs incluent:

  • Inlet: entrée de vitesse ou entrée de débit massique, précisant le débit d'air volumétrique (p. ex. 200 CFM) souvent mesuré expérimentalement. Pour les études à l'échelle de la pièce, l'entrée peut représenter une ouverture à la pièce.
  • Sortie: sortie de pression réglée à la pression atmosphérique (gauge 0 Pa). Des conditions de retour peuvent être requises si une recirculation est prévue.
  • Méthodes de remplissage: zone poreuse avec visqueux directionnel et coefficients de résistance inertielle dérivés des données ou expériences du fabricant.
  • Fan: modélisé comme une condition limite du ventilateur en utilisant la courbe de saut de pression définie par l'utilisateur (ΔP vs. débit) ou comme un cadre de référence mobile (MRF) pour les ventilateurs axiaux.
  • Taille: condition sans glissement, adiabatique ou isotherme si le transfert de chaleur est important.
  • Particules: injectées à l'entrée avec une distribution de taille représentative des contaminants intérieurs (p. ex. 0,3 μm, 2,5 μm, 10 μm).

Les paramètres du solvant comprennent le choix du solveur à pression (par défaut pour les débits incompressibles), le choix d'un modèle de turbulence (p. ex., K-omega SST) et la fixation des critères de convergence (habituellement des résidus inférieurs à 1e-4 pour la continuité et l'impulsion).

Traitement et interprétation postérieurs à la mise en œuvre

Après la convergence de la simulation, les ingénieurs évaluent les résultats à l'aide des outils intégrés de post-traitement d'ANSYS Fluent ou dédiés comme CFD-Post ou ParaView. Les résultats clés sont les suivants :

  • Les contours et les vecteurs de la vélocité pour visualiser les schémas de débit d'air, identifier les zones mortes et assurer un débit uniforme à travers le filtre.
  • La chute de pression[ à travers le filtre et le système global; la chute excessive réduit l'efficacité et augmente la puissance du ventilateur.
  • Piles de particules colorées par le diamètre ou le temps des particules, montrant quelles particules sont capturées et qui s'échappent.
  • Efficacité de la collection[ en fonction de la taille des particules – critique pour la comparaison avec les normes HEPA (>99,97 % à 0,3 μm).
  • Modifications d'air par heure (ACH)[ pour les modèles à échelle ambiante, une métrique clé pour le contrôle des infections.

Les ingénieurs participent à la conception en modifiant la géométrie (par exemple, en ajoutant des vanes, en changeant la forme du filtre, en ajustant la position du ventilateur) et en réexécutant la simulation jusqu'à ce que les cibles soient atteintes.

Avantages de la modélisation des CFD pour les purificateurs d'air

L'adoption de CFD dans le processus de conception offre des avantages substantiels par rapport aux approches purement expérimentales :

  • Prototypage physique réduit:[ Les essais traditionnels nécessitent la construction et la mesure de dizaines d'itérations. CFD peut évaluer des centaines de prototypes virtuels, en économisant le matériel et les coûts de main-d'œuvre.
  • Faster time-to-market:[ Une analyse CFD complète pour une configuration unique peut être exécutée en quelques heures à quelques jours, contre des semaines pour un prototype physique et une campagne de test.
  • Constatation détaillée: CFD fournit des données tridimensionnelles sur le champ complet qui sont impossibles à obtenir à partir de mesures ponctuelles. Les ingénieurs voient exactement où se produit la séparation du flux ou où la concentration de particules est la plus élevée.
  • Optimisation sous de multiples contraintes:[ Les concepteurs peuvent simultanément optimiser pour la chute de pression, l'efficacité de collecte, le bruit (par des prévisions sonores induites par le débit) et la consommation d'énergie.
  • Sécurité et évolutivité:[ La FCD peut simuler des contaminants dangereux (p. ex. aérosols à virus, agents chimiques) sans risque pour le personnel, et peut être étendue à de grands espaces comme les hôpitaux, les aéroports ou les usines.

Études de cas et applications du monde réel

De nombreuses études publiées démontrent l'efficacité de l'ANSYS Fluent pour l'analyse de la purification de l'air. Par exemple, des chercheurs de l'Université du Minnesota ont simulé un nettoyant portatif pour comprendre comment les différentes positions du ventilateur affectent le débit d'air pur (CADR). En utilisant Fluent, ils ont constaté que placer l'entrée du ventilateur près du filtre réduisait le débit de dérivation de 40 %, ce qui a permis de mesurer le CADR plus haut dans des essais physiques (voir étude. Un autre cas a consisté à optimiser un précipitateur électrostatique pour l'équipement de protection respiratoire; Fluents DPM et modules électriques de champ ont été combinés pour prédire l'efficacité de capture des particules sur une gamme de tensions (référence[.

Défis et limites

Malgré sa puissance, le CFD n'est pas une panacée. Les ingénieurs doivent être conscients de plusieurs défis :

  • Coûts de calcul:[ Les simulations à haute fidélité (LES, suivi des particules avec un grand nombre de particules, essais transitoires) exigent des ressources importantes en CHP.
  • Incertitude de modélisation:[ Les modèles de turbulence et de dépôt de particules contiennent des constantes empiriques qui peuvent ne pas être précises pour tous les régimes de débit.
  • Géométrie et dépendance au mesh:[ La géométrie sursimplifiante (par exemple, ignorant la géométrie de la grille, les détails de la lame de ventilateur) peut manquer d'importants éléments de flux. La qualité de mesh doit être gérée avec soin; un utilisateur non qualifié peut produire des résultats plausibles mais erronés.
  • Grâce à la complexité multiphysique :[ Certaines techniques de purification impliquent des réactions électrostatiques, UV ou catalytiques.
  • Interprétation des résultats : Les sorties CFD sont vastes; l'extraction de changements de conception actionnables nécessite de l'expérience et des connaissances du domaine.

Orientations futures

L'évolution du CFD pour la purification de l'air se dirige vers une plus grande intégration et l'automatisation. Une autre tendance est le couplage du CFD avec des outils de simulation de l'énergie du bâtiment (p. ex., EnergyPlus) pour optimiser simultanément des stratégies de ventilation et de filtration de l'ensemble du bâtiment. Des jumeaux numériques en temps réel qui utilisent des modèles à ordre réduit dérivés de simulations de Fluent commencent à apparaître dans des systèmes de gestion de bâtiments intelligents. De plus, l'ANSYS étend ses capacités de simulation basées sur le cloud (ANSYS Cloud[), ce qui rend le CFD à haute performance plus accessible aux petites organisations.

Conclusion

La modélisation CFD avec ANSYS Fluent est devenue un outil indispensable pour l'analyse et la conception de systèmes efficaces de purification de l'air. En permettant aux ingénieurs de simuler le débit d'air, de suivre les contaminants et d'évaluer la performance de filtration dans un environnement virtuel, l'approche réduit considérablement le temps et le coût de développement tout en fournissant une vision physique plus approfondie.