为了创造一个健康，舒适而又节能的室内环境，本研究首先通过引入权重因子构建目标函数将多目标设计问题转化为单目标优化问题。然后采用基于计算流体动力学（CFD）的伴随方法进行逆向设计。基于CFD的伴随方法用于计算目标函数对设计变量的梯度，以便使优化算法（最速梯度法）沿最快的方向最小化目标函数。但优化算法中的步长对计算时间有显著影响，通常使用的恒定步长是通过耗时的试错过程获得的。该研究通过使用自适应步长来进一步提升伴随方法的性能。基于CFD的伴随方法最开始是使用“冻结湍流”假设（即，湍流粘度的变化等于零）来推导出伴随方程，因此梯度的计算是不准确的。又因为本研究中目标函数由RANS方程和RNG k-ε湍流模型约束控制，我们开发了RNG k-ε湍流模型的伴随方程，完善了伴随方法，提升了计算精度。改进后的伴随方法可用于确定送风口的尺寸，位置和形状以及送风参数（即速度，温度和角度），但最佳的设计可能包含大量的送风口，且实施起来是不切实际的。因此，该研究开发了面积约束的拓扑优化和聚类分析，将多个送风口合并为有限的数量并确定其大小和位置。通过进一步优化送风口形状和参数，可以获得所需的室内环境。考虑到精度和效率，基于CFD的伴随方法适用于室内环境的逆向设计；但基于CFD的伴随方法单个设计循环仍然需要使用个人计算机计算数十个小时。为了加快逆向设计过程，本研究评估了四种快速流体动力学（FFD）模型，用于求解Navier-Stokes方程和湍流模型。之后又进一步采用FFD求解器求解伴随方程和用于逆向设计室内环境的基于FFD的伴随方法。结果表明，FFD在预测瞬态室内气流方面比CFD快20倍，且保持相似的计算精度；逆向设计过程中基于FFD的伴随方法比基于CFD的伴随方法快4-16倍。 2100433B