*

(1.四川大學(xué)建筑與環(huán)境學(xué)院,四川 成都 610065 2.上海海洋大學(xué)海洋工程研究所，上海 201306)

從傳熱學(xué)的角度出發(fā)，建筑圍護(hù)結(jié)構(gòu)的熱工性能直接影響著建筑物的耗熱量和耗冷量(即建筑物的能耗)。熱工性能參數(shù)有傳熱系數(shù)、熱阻、遮陽系數(shù)、熱惰性指標(biāo)等，各參數(shù)之間相互作用，共同決定建筑物能耗的大小。國內(nèi)外的許多學(xué)者就熱工性能參數(shù)對建筑物能耗的影響作了大量的研究[1-6]。目前絕大多數(shù)的研究采用的是單因素分析法，通過改變其中的一個參數(shù)變量來研究其對建筑物能耗的影響效果，即知單因求果，采用傳熱學(xué)中導(dǎo)熱正問題的方法可以很容易求解。如果以給定的建筑物外墻溫度場或通過墻體的熱流密度之和(即能耗)為控制目標(biāo)，分析墻體多參數(shù)之間的協(xié)同關(guān)系，即知果尋多因，屬于多因素求解問題范疇，用傳熱學(xué)中傳統(tǒng)的理論方法求解將無法進(jìn)行，需要引入導(dǎo)熱反問題的方法進(jìn)行求解。導(dǎo)熱反問題主要有3大類:邊界熱流重構(gòu)問題、熱物性參數(shù)估計問題和內(nèi)熱源識別問題。國內(nèi)外對于前2類導(dǎo)熱反問題的求解方法研究較多，如共軛梯度法、正則化方法、正交基函數(shù)法等。智會強(qiáng)等[7]提出了用遺傳算法進(jìn)行熱物性的參數(shù)識別方法，取得了較好的效果。

本文將遺傳算法在導(dǎo)熱反問題中的應(yīng)用加以拓展，以多層墻體的穩(wěn)態(tài)導(dǎo)熱反問題為研究對象，采用改進(jìn)的遺傳算法，結(jié)合數(shù)值計算方法建立完整的數(shù)學(xué)模型，以建筑物墻體一定的溫度場或熱流密度作為約束條件，對多層墻體的多個參數(shù)取值進(jìn)行數(shù)值反演計算，探尋各參數(shù)間的相互協(xié)同關(guān)系，擬解決知果求多因問題，為建筑節(jié)能中的類似研究探尋一條可行之路。

1 參數(shù)協(xié)同概念的提出

圖1 三層墻體一維穩(wěn)態(tài)傳熱溫度分布

圖2 三層墻體非穩(wěn)態(tài)傳熱量與導(dǎo)熱系數(shù)的關(guān)系

本文擬以建筑外墻一維穩(wěn)態(tài)導(dǎo)熱反問題中的參數(shù)協(xié)同問題為研究對象，通過數(shù)值計算和改進(jìn)遺傳算法相結(jié)合的數(shù)學(xué)模型進(jìn)行外墻多參數(shù)之間的協(xié)同研究。

2 數(shù)值計算方法

2.1 數(shù)學(xué)模型

對于一維穩(wěn)態(tài)導(dǎo)熱，其基本控制方程為

(1)

邊界條件為第一類熱邊界條件：

T|x=0=T1

(2)

T|x=L=T2

(3)

式中：T1、T2分別為墻體外側(cè)和內(nèi)側(cè)壁面的溫度；d1、d2、d3分別為三層墻體各層的厚度。

2.2 計算方法

本文采用有限差分法對控制方程進(jìn)行離散，網(wǎng)格節(jié)點(diǎn)設(shè)置如圖3所示。

將離散后的控制方程及邊界條件應(yīng)用TDMA方法求解，采用FORTRAN編寫程序計算，即可得到墻體內(nèi)部的溫度分布及熱流密度。

圖3 三層墻體網(wǎng)格節(jié)點(diǎn)劃分示意圖

3 改進(jìn)的遺傳算法簡介

遺傳算法主要由選擇、交叉、變異3個基本算子組成。其中交叉操作是遺傳算法的主要進(jìn)化手段。為了獲得有效的交叉操作，本文采用了相關(guān)性配對方法，從而避免近親繁殖。在進(jìn)行交叉操作時，采用了一多點(diǎn)交叉算子，確保交叉操作能產(chǎn)生新的個體。對新產(chǎn)生的種群與父代種群引入競爭機(jī)制，擇優(yōu)錄取較優(yōu)個體構(gòu)成下一代種群。

3.1 相關(guān)性配對

3.1.1 不相關(guān)性指數(shù)

文獻(xiàn)[9]提出了個體相關(guān)性的概念，相關(guān)性是指2個個體之間的相似程度。

定義個體X、Y之間的不相關(guān)性指數(shù)為：

(4)

可見，不相關(guān)性指數(shù)r(X,Y)表示X和Y之間不相同基因的數(shù)目，r(X,Y)越大，X和Y之間的相關(guān)性越小。

3.1.2 相關(guān)性配對

在進(jìn)行交叉操作之前，首先要將種群中的個體配對。簡單遺傳算法采用的方法是隨機(jī)配對，可能導(dǎo)致無效的交叉操作出現(xiàn)。針對上述情況，本文在配對時按照不相關(guān)性指數(shù)進(jìn)行配對，設(shè)初始種群中有N個個體，首先隨機(jī)選取一個個體Xi，其余的N-1個個體構(gòu)成群稱為Xi的配對池位，設(shè)為{Y1，Y2,…，YN-1},分別計算Xi與Y1,Y2,…，YN-1的不相關(guān)性指數(shù)r(Xi,Yj)，j=1,2,…,N-1，選取最大的不相關(guān)指數(shù)r(Xi,Yj)對應(yīng)的個體Yj作為Xi的配對個體；然后重復(fù)上述操作，直至所有個體配對為止。

3.2 有效區(qū)域—多點(diǎn)交叉

對于多個參數(shù)進(jìn)行二進(jìn)制編碼時，染色體會攜帶多個參數(shù)的信息，文獻(xiàn)[10]提出了—多點(diǎn)交叉的概念，即在染色體所攜帶的每個信息段同時執(zhí)行一點(diǎn)交叉操作，具體數(shù)學(xué)描述如下：

假設(shè)2個參數(shù)x、y,其對應(yīng)的二進(jìn)制編碼染色體包含2個參數(shù)的信息，2個參數(shù)的信息以“︱”分界表示，設(shè)有2個染色體：

X1：01001︱11011 (x1=01001，y1=11011)

X2：10001︱00100 (x2=10001，y2=00100)

由于每個染色體中包含有2個參數(shù)的信息，故每個信息段都采用一點(diǎn)交叉。在進(jìn)行一點(diǎn)交叉時，首先要確定交叉點(diǎn)的有效區(qū)域，然后在該區(qū)域內(nèi)隨機(jī)選擇交叉點(diǎn)，確保交叉操作能產(chǎn)生新的不同于父代的個體。交叉點(diǎn)的有效區(qū)域確定如下[11]：

Jmin=min{m|kim≠kjm,m=1,2,…,N}，Jmax=max{m|kim≠kjm,m=1,2,…,N}，N為最大基因座位數(shù)。

則交叉點(diǎn)的有效區(qū)域?yàn)閇Jmin,Jmax]。對于上述染色體，2個參數(shù)交叉的有效區(qū)域分別為[1,2]和[1,5]。設(shè)2個參數(shù)的交叉點(diǎn)分別為2和4，則新產(chǎn)生的個體為：

可見，經(jīng)過這樣交叉操作得到的子代完全不同于父代，是有效的交叉操作。

3.3 父子競爭產(chǎn)生新種群

簡單遺傳算法中用子代代替父代成為新種群，若經(jīng)過交叉、變異操作后產(chǎn)生的子代均劣于父代，就會出現(xiàn)丟失父代最優(yōu)個體的現(xiàn)象。為了確保子代總是優(yōu)于或等于它們的父代，本算法引入了父子競爭機(jī)制，即由父代種群(N個個體)經(jīng)過選擇、交叉、變異產(chǎn)生子代種群(N個個體)，然后父代個體與子代個體共同組成待選種群(2N個個體)，選擇適應(yīng)度最大的前N個個體組成新種群，繼續(xù)進(jìn)行遺傳操作，使得進(jìn)化總是朝著最優(yōu)方向進(jìn)行，加快了收斂速度。

4 用改進(jìn)的遺傳算法與數(shù)值計算結(jié)合研究參數(shù)協(xié)同數(shù)學(xué)模型的建立

4.1 模型的建立

利用改進(jìn)的遺傳算法求解參數(shù)協(xié)同問題，關(guān)鍵是設(shè)計有效的評價函數(shù)，即適應(yīng)度函數(shù)。本文構(gòu)造的適應(yīng)度函數(shù)如下

(5)

式中：fj為第j組熱物性參數(shù)的適應(yīng)度;Ti為目標(biāo)溫度場中第i點(diǎn)的值;TiC(j)為第j組熱物性參數(shù)對應(yīng)的溫度場中第i點(diǎn)的值。

4.2 算法流程圖

具體的算法流程見圖4。

圖4 用改進(jìn)的遺傳算法求解參數(shù)協(xié)同反問題流程圖

5 算例

5.1 算例1

5.1.1 問題描述

設(shè)一建筑物的外墻由三層不同的建筑材料構(gòu)成，如圖1所示，墻體外側(cè)的溫度為T1=35 ℃，要求墻體內(nèi)側(cè)的溫度控制在T4=20 ℃，各層墻體的相關(guān)計算參數(shù)見表1。現(xiàn)以目標(biāo)溫度場(如圖5所示)為約束條件，探究各層建筑材料導(dǎo)熱系數(shù)λ1、λ2、λ3的協(xié)同關(guān)系。

表1 三層墻體模型的計算參數(shù)

圖5 三層墻體的溫度分布

5.1.2 遺傳設(shè)計

5.1.2.1 編碼方式設(shè)計

本文采用二進(jìn)制編碼，由于有3個待求量，所以每個染色體均應(yīng)包含3個參數(shù)信息，每個參數(shù)采用10位二進(jìn)制碼，每個染色體有30個基因位。

5.1.2.2 遺傳算子設(shè)計

1)選擇算子：本文采用輪盤賭法進(jìn)行選擇，每個染色體被選中的概率由其相對適應(yīng)度來決定，即

(6)

式中：Pj為第j個染色體的相對適應(yīng)度；fj為第j個染色體的適應(yīng)度；N為種群大小，本文中N=100。

2)交叉算子：本文采用一多點(diǎn)交叉算子，交叉概率為0.9。

3)變異算子：本文采用多重均勻變異算子，變異概率為0.05。

5.1.2.3 評價函數(shù)及終止條件

評價函數(shù)為式(4)，要求個體適應(yīng)度fj>1 000時終止，另一個終止條件為最大遺傳代數(shù)終止，最大遺傳代數(shù)取500。

5.1.3 計算結(jié)果

以圖4所示的流程圖為基礎(chǔ)，應(yīng)用大型編程軟件FORTRAN編寫計算機(jī)程序?qū)栴}進(jìn)行數(shù)值計算。首先隨機(jī)產(chǎn)生N=100個染色體作為初始種群，將每個染色體所包含的3個二進(jìn)制編碼串轉(zhuǎn)化為參數(shù)實(shí)際值，代入離散后的控制方程求解該染色體對應(yīng)的溫度場。計算溫度場時網(wǎng)格間距取Δx=1 mm。選擇三層墻體中均勻分布的45個測點(diǎn)的溫度值作為比較值，分別與目標(biāo)溫度場中對應(yīng)點(diǎn)的值進(jìn)行比較。滿足圖5所示溫度場的λ1、λ2、λ3組合見表2。

表2 圖5所示溫度場的λ1、λ2、λ3匹配表

由計算結(jié)果可知，當(dāng)墻體各層的厚度d1、d2、d3保持不變，各層墻體材料的導(dǎo)熱系數(shù)λ1、λ2、λ3取表2中任一列的數(shù)值，都能使墻體內(nèi)的溫度分布與目標(biāo)溫度場一致，說明在以溫度場為控制目標(biāo)的條件下，各層材料的導(dǎo)熱系數(shù)之間存在著一定的匹配關(guān)系。這一結(jié)果可以用來指導(dǎo)建筑節(jié)能設(shè)計，對于不同地區(qū)的建筑物，設(shè)計者可以根據(jù)本地區(qū)的實(shí)際情況，如本地區(qū)主要建筑材料的類型、市場價格、施工難易度等，選擇合適的建筑材料進(jìn)行組合，以達(dá)到相同的傳熱效果。本算例表明在一定的約束條件下，各層材料導(dǎo)熱系數(shù)之間存在著協(xié)同關(guān)系。

5.2 算例2

5.2.1 問題描述

設(shè)一外墻為普通240 mm磚墻，導(dǎo)熱系數(shù)為λ1=1.101 W/(m·k)，現(xiàn)需要做內(nèi)保溫，墻體外側(cè)的溫度為成都地區(qū)夏季室外干球溫度T1=31.8 ℃，內(nèi)側(cè)溫度為夏季空調(diào)室內(nèi)設(shè)計溫度T2=26 ℃，如圖6所示。設(shè)定保溫材料為擠塑聚苯乙烯板XPS，保溫層厚度為50mm時磚墻內(nèi)的溫度場為目標(biāo)溫度場，如圖7所示，現(xiàn)考查采用不同保溫材料時，保溫材料的導(dǎo)熱系數(shù)和保溫層厚度應(yīng)為何值，才能夠達(dá)到目標(biāo)溫度場？即以目標(biāo)溫度場為約束條件，探究保溫層的導(dǎo)熱系數(shù)和保溫層厚度的協(xié)同關(guān)系。

圖6 墻體保溫材料參數(shù)協(xié)同模型

圖7 圖6墻體的溫度分布

5.2.2 計算結(jié)果

經(jīng)過數(shù)值計算,得到保溫層導(dǎo)熱系數(shù)和保溫層厚度的協(xié)同關(guān)系如圖8所示。

圖8 保溫層厚度與保溫材料導(dǎo)熱系數(shù)的協(xié)同關(guān)系

6 結(jié)論

1)本文首次提出了參數(shù)協(xié)同的概念，參數(shù)協(xié)同指的是在一定的約束條件下(如一定的溫度場、熱流密度或一定的能耗等)，各個參數(shù)之間的匹配關(guān)系。文中通過2個算例證明了在建筑物墻體穩(wěn)態(tài)傳熱過程中，熱工參數(shù)之間確實(shí)存在著一定的協(xié)同關(guān)系，對于建筑節(jié)能設(shè)計具有重要的指導(dǎo)意義。

2)本文將改進(jìn)的遺傳算法與導(dǎo)熱反問題的數(shù)值計算相結(jié)合，首次將該方法應(yīng)用于建筑物墻體參數(shù)之間的協(xié)同研究，數(shù)值計算結(jié)果表明, 此方法用來求解參數(shù)協(xié)同問題是行之有效的。

3)本文提出的計算模型不僅可以用于穩(wěn)態(tài)傳熱多參數(shù)協(xié)同的研究，也可以用于非穩(wěn)態(tài)傳熱多參數(shù)協(xié)同的研究。與傳統(tǒng)的理論方法相比，本模型能夠快速計算得到熱工參數(shù)的精確值，為建筑節(jié)能設(shè)計中類似的反問題研究指出了一條可行之路。

[1]高宏逵.夏熱冬冷地區(qū)辦公建筑節(jié)能設(shè)計對策研究[D].哈爾濱：哈爾濱工業(yè)大學(xué), 2007.

[2]徐春桃. 居住建筑外圍護(hù)結(jié)構(gòu)對室內(nèi)熱環(huán)境與建筑能耗的影響[D].重慶：重慶大學(xué), 2008.

[3]Meral Ozel.Thermal Performance and Optimum Insulation Thickness of Building Walls with Different Structure Materials[J]. Applied Thermal Engineering, 2011(31) : 3854-3863.

[4]Yu Jinghua , Yang Changzhi , Tian Liwei , et al. A Study on Optimum Insulation Thicknesses of External Walls in Hot Summer and Cold Winter Zone of China [J]. Applied Energy, 2009(86) : 2520-2529.

[5]Beck J V,Blackwell B,Clair C R St.Inverse Heat Conduction-Ⅲ Posed Problem[M]. NewYork:Wilay,1985:1-40.

[6]Huang C H,Ozsik M N,Sawaf B.Conjugate Gradient Method for Determining Unknown Contact Conductance during Metal Casting[J]. Int J heat Mass Transfer, 1991,34(7)：1779-1785.

[7]智會強(qiáng),牛坤,王秀春.基于遺傳算法的熱物性參數(shù)辨識[J]. 蘭州理工大學(xué)學(xué)報,2006,32(1)：130-133.

[8]過增元.場協(xié)同原理與強(qiáng)化傳熱新技術(shù)[M].北京：中國電力出版社,2004.

[9]蔡良偉,李霞.遺傳算法交叉操作的改進(jìn)[J]. 系統(tǒng)工程與電子技術(shù),2006，28(6)：925-928.

[10]關(guān)旭,張春梅,王尚錦.一種改進(jìn)的自適應(yīng)遺傳算法[J]. 微機(jī)發(fā)展,2003，13(11)：41-44.

[11]任世軍,陳亮.遺傳算法中交叉操作的改進(jìn)策略[J]. 哈爾濱商業(yè)大學(xué)學(xué)報,2006，22(5)：60-62.