本发明属于通风空调导流叶片设计方法，涉及基于随机森林算法的导流叶片设计方法，本发明还涉及基于随机森林算法的导流叶片设计装置。
背景技术：
1、在通风空调工程技术领域，通过气流组织改善室内空气品质被认为是最为有效的手段，也是通风空调系统与室内人员互动的关键环节。气流组织设计的主要任务之一是确保射流的有效性和可及性，而送风射流的扩散效果则被认为是评估系统性能的重要指标，其直接关系到系统的优劣。
2、侧送风作为通风空调系统中广泛采用的送风方式，其送风口通常被设置在房间的侧墙上部，而非直接对准人体或设备。这种设计有助于避免送风射流直接吹向工作区，从而提高人员的热舒适性，提升整个系统的运行效率。侧送风设计在不同的房间结构中更为灵活，因为不受到送风方向的限制，适用性更为广泛，然而，侧送风的主要局限性之一是其送风射流的扩散效果较差。由于侧送风的设计导致空气流动方向相对横向，可能使得空气流速相对较低，导致气流到达房间深处时逐渐减弱。侧送风通常会导致某些区域形成"死角"，即空气流无法覆盖到的区域，使得这些区域的温度或湿度难以得到有效的调节。
3、因此，为弥补侧送风的局限性，通常方案包括增加风量和风口数量，通过计算流体动力学(cfd)模拟进行送风口的精确布置，即就是，在具体房间的室内气流组织设计过程中利用cfd找到最合适的风口布置方式，包括形式、大小、数量、位置等，虽然增加风量和风口数量可以改善侧送风系统的空气分布，但会导致能耗和成本增加，同时增加系统维护的复杂性。同样，基于计算流体动力学(cfd)的送风口设计优化虽然精确，但技术要求高且成本昂贵，且过程耗时。
技术实现思路
1、本发明的目的是提供基于随机森林算法的导流叶片设计方法，解决了现有技术中存在的通过增加风量和风口数量来弥补侧送风的局限性会增加成本和能耗的问题。
2、本发明的另一目的是提供基于随机森林算法的导流叶片设计装置。
3、本发明所采用的技术方案是，基于随机森林算法的导流叶片设计方法，具体按照如下步骤实施：
4、步骤1，定义风口导流叶片的特征值，根据特征值设计导流叶片构造；
5、步骤2，设置风口导流叶片特征值的变化范围，在变化范围内随机生成n组特征值数据作为样本数据；根据样本数据使用ansys fluent软件进行cfd数值模拟获得n组样本的流场数据；
6、步骤3，计算每组样本数据对应的有效送风面积效率η；
7、步骤4，采用随机森林算法构建机器学习模型，采用步骤2获得的样本数据和及对应的步骤3获得的有效送风面积效率η训练机器学习模型；
8、步骤5，将训练好的机器学习模型作为评价函数，用遗传算法寻找最佳的导流叶片的特征值，并根据最佳的导流叶片的特征值获得对应的最优导流叶片构造。
9、本发明的特征还在于：
10、步骤1中导流叶片的特征值包括风口高度h、风口宽度w、导流叶片特征半径r以及导流叶片数量2n，n为正整数。
11、步骤1中根据特征值设计导流叶片构造具体为：导流叶片形状，即就是切线弧sn的设计规则为：在90°范围内，按照导流叶片特征半径r在点a做n+1条导流叶片特征半径，其中第n条导流叶片特征半径rn的径向为对应导流叶片切线弧sn的设计导流方向；
12、在第1条导流叶片特征半径r1的末端做其切线弧s1，切线弧s1的弧度φ1为60°，切线弧s1与第n+1条导流叶片特征半径rn+1的延长线交点于b；
13、当n＞1时，按设计的对应的导流方向，在第n条导流叶片特征半径rn的末端做其切线弧sn，并终止于点b；
14、导流叶片为对称设计，对称面为xz平面，导流叶片的高度等于风口高度；
15、导流叶片的横向，就是沿x轴的分布规则为：以导流叶片靠近风口的一端为起始端，以导流叶片背离起始端的一端为末端，以第1个导流叶片的起始端横坐标定义为风口宽度w，第n个导流叶片的末端横坐标与第n+1个导流叶片的起始端x坐标一致；
16、导流叶片的纵向，即就是沿y轴的分布规则为：以起始端为定位点，导流叶片沿纵向均匀分布，导叶纵向间距为s；
17、
18、步骤2中风口导流叶片特征值的变化范围具体为：
19、风口高度h的变化范围为50mm～500mm；风口宽度w的变化范围为50mm～500mm，导流叶片特征半径r的变化范围为10mm～1000mm；导流叶片数量2n的变化范围为2～20。
20、步骤2中根据样本数据使用ansys fluent软件进行cfd数值模拟获得n组样本的流场数据具体为：使用ansys fluent软件模拟经导流叶片优化后风口射流与无导流叶片风口射流；
21、经导流叶片优化后风口射流的模拟设置为导流叶片特征半径r、导流叶片数量2n、风口高度h及宽度w以及对应的导流叶片结构；
22、无导流叶片风口射流的模拟设置为：风口的高度h和宽度w；
23、通过对经导流叶片优化后风口射流与无导流叶片风口射流的模拟，分别获得经导流叶片优化后风口射流的有效送风面积与无导流叶片风口射流的有效送风面积。
24、步骤2中，使用ansys fluent软件进行cfd数值模拟，模拟经导流叶片优化后风口射流与无导流叶片风口射流，计算n组样本数据的流场分布数据，所述cfd的数值模拟的参数设置包括流体为空气，入口风速为5m/s，温度为室温，且考虑湍流模型。
25、步骤3中有效送风面积效率η为经导流叶片优化后风口射流的有效送风面积与无导流叶片风口射流的有效送风面积之比。
26、步骤4中训练机器学习模型时，以获得的n组导流叶片的特征值作为输入特征，以对应的有效送风面积效率η为目标变量，通过设置随机森林算法的参数进行训练。
27、步骤5中将训练好的机器学习模型作为评价函数即就是：将训练好的机器学习模型预测的输出，即就是有效送风面积效率η作为适应度函数，遗传算法通过模拟自然选择和遗传学的机制来迭代寻找最优导流叶片的特征值。
28、步骤5中遗传算法寻找最佳的导叶参数配置即导流叶片的特征值，具体的：给定风口高度h、风口宽度w和导流叶片特征半径r范围以及导流叶片数量2n范围，通过遗传算法寻找最优的导流叶片特征半径r和导流叶片数量2n，然后按照步骤1得到相应风口尺寸，即风口高度h、风口宽度w对应的最优导流叶片构造。
29、本发明采用的第二种技术方案是，基于随机森林算法的导流叶片设计装置，用于上述基于随机森林算法的导流叶片设计方法，包括：
30、导流叶片设计模块，用于定义风口导流叶片的特征值，然后根据特征值设计导流叶片构造；
31、样本生成模块，用于设定风口导流叶片的特征值的变化范围，并随机生成n组样本数据；根据样本数据使用ansys fluent软件进行cfd数值模拟获得n组样本的流场数据；
32、量化评价模块，用于计算n组风口导流叶片的特征值作为样本数据对应的有效送风面积效率η；
33、机器学习模型训练模块，用于构建一个基于随机森林算法的机器学习模型，然后利用n组样本数据和n组样本数据对应的有效送风面积效率η来训练上述机器学习模型，该机器学习模型使用n组风口导流叶片的特征值作为输入特征，以预测有效送风面积效率η作为输出；
34、遗传算法寻优模块，使用经训练机器学习模型作为评价函数，结合遗传算法来寻找最佳的导流叶片的特征值，并根据最佳的导流叶片的特征值获得对应的最优导流叶片构造。
35、本发明的有益效果是：
36、(1)本发明通过增加导流叶片优化单个风口的性能，不需要增加整个系统的风量和风口数量，不增加风量，即能耗降低，不增加风口数量既减少的相应的成本，即使因为增加导流叶片会造成单个风口的成本增加，但是减少了能耗，降低了运营成本，最终会降低整体的长期成本，因此本发明避免了成本和能耗的增加，解决了现有技术存在的通过增加风量和风口数量来弥补侧送风的局限性会增加成本和能耗的问题。
37、(2)本发明在导流叶片设计过程中利用cfd模拟获得有效送风面积效率η，再进行机器学习模型训练，使用遗传算法寻找相应的最优导流叶片即可，即就是本发明在之后具体房间的气流组织设计时，根据风口尺寸使用遗传算法寻找相应的最优导流叶片即可，不必再使用cfd模拟；而现有技术要采用计算流体动力学(cfd)模拟进行送风口的精确布置，耗时很大，计算成本很高，因此本发明相对于现有技术模拟难度更小，耗时更少，计算成本更低。
38、(3)本发明通过定义了包括风口高度、风口宽度、导流叶片特征半径和数量等特征值，明确了设计参数，使得设计过程更加明确和可重复，引入有效送风面积效率指标，可以定量地评估导流叶片对风口送风射流扩散效果的优化程度，有助于比较不同设计方案的优劣，有效送风面积效率的量化评估，使得设计者能够不断改进和优化导流叶片的形状和位置，以获得更好的送风效果；本发明通过利用机器学习模型，实现了对风口导流叶片性能的准确评估，提高了风口导流叶片对送风射流扩散效果的优化能力；本发明结合遗传算法优化，进一步实现了最佳导叶参数配置的搜索，为风口送风射流扩散效果的最大化提供了高效的设计方法。
1.基于随机森林算法的导流叶片设计方法，其特征在于，具体按照如下步骤实施：
2.根据权利要求1所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤1中导流叶片的特征值包括风口高度h、风口宽度w、导流叶片特征半径r以及导流叶片数量2n，n为正整数。
3.根据权利要求1所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤1中根据特征值设计导流叶片构造具体为：导流叶片形状，即就是切线弧sn的设计规则为：在90°范围内，按照导流叶片特征半径r在点a做n+1条导流叶片特征半径，其中第n条导流叶片特征半径rn的径向为对应导流叶片切线弧sn的设计导流方向；
4.根据权利要求3所述的基于随机森林算法的导流叶片设计方法，所述步骤2中风口导流叶片特征值的变化范围具体为：
5.根据权利要求4所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤2中根据样本数据使用ansys fluent软件进行cfd数值模拟获得n组样本的流场数据具体为：使用ansys fluent软件模拟经导流叶片优化后风口射流与无导流叶片风口射流；
6.根据权利要求5所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤2中，使用ansys fluent软件进行cfd数值模拟，模拟经导流叶片优化后风口射流与无导流叶片风口射流，计算n组样本数据的流场分布数据，所述cfd的数值模拟的参数设置包括流体为空气，入口风速为5m/s，温度为室温，且考虑湍流模型。
7.根据权利要求6所述基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤3中有效送风面积效率η为经导流叶片优化后风口射流的有效送风面积与无导流叶片风口射流的有效送风面积之比。
8.根据权利要求7所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤4中训练机器学习模型时，以获得的n组导流叶片的特征值作为输入特征，以对应的有效送风面积效率η为目标变量，通过设置随机森林算法的参数进行训练。
9.根据权利要求8所述的基于随机森林算法的导流叶片设计方法，其特征在于，所述步骤5中将训练好的机器学习模型作为评价函数即就是：将训练好的机器学习模型预测的输出，即就是有效送风面积效率η作为适应度函数，遗传算法通过模拟自然选择和遗传学的机制来迭代寻找最优导流叶片的特征值；
10.基于随机森林算法的导流叶片设计装置，其特征在于，用于实现如权利要求9所述的基于随机森林算法的导流叶片设计方法，包括：导流叶片设计模块(61)，用于定义风口导流叶片的特征值，然后根据特征值设计导流叶片构造；样本生成模块(62)，用于设定风口导流叶片的特征值的变化范围，并随机生成n组样本数据；根据样本数据使用ansys fluent软件进行cfd数值模拟获得n组样本的流场数据；量化评价模块(63)，用于计算n组风口导流叶片的特征值作为样本数据对应的有效送风面积效率η；机器学习模型训练模块(64)，用于构建一个基于随机森林算法的机器学习模型，然后利用n组样本数据和n组样本数据对应的有效送风面积效率η来训练上述机器学习模型，该机器学习模型使用n组风口导流叶片的特征值作为输入特征，以预测有效送风面积效率η作为输出；遗传算法寻优模块(65)，使用经训练机器学习模型作为评价函数，结合遗传算法来寻找最佳的导流叶片的特征值，并根据最佳的导流叶片的特征值获得对应的最优导流叶片构造。
