使用Cradle CFD对车载储供氢系统进行氢气泄漏与扩散研究
目前产业总体上对燃料电池汽车设计及应用中的安全性要求欠缺，为了进一步提升燃料电池汽车的安全性，江苏大学燃料电池发动机研究所尹必峰教授团队使用Cradle CFD对车载储供氢系统进行了氢气泄漏与扩散研究，本项目不仅为燃料电池车通风结构的安全设计提供参考依据，并为快速排出氢气提供保障，有效增强了燃料电池汽车安全性能，对于保障生命和财产安全具有重要意义。
针对燃料电池车，研究车载储供氢系统氢气泄漏与扩散机理和特性，通过CFD数值仿真对储氢舱内的流场、氢气摩尔分数、压强等进行分析，从而为氢气传感器的布置提供理论依据，帮助驾驶人员和ECU在短时间内对供氢系统进行切断，避免更多的氢气泄漏。同时建立一套在多样化场景和高效工况下均能工作的漏气检测与定位系统，以提高气体泄漏事故的防御水平，确保公共安全和环境保护。设计挑战
（3）保证燃料电池车内氢气摩尔分数处于安全值（小于4%）；设计案例
当发生意外情况导致氢气泄漏后，需要研究自然通风下通风结构的安全设计对于排氢的影响，分析高压氢气泄漏与扩散的规律。考虑外流场以及内流场对于氢气泄漏的影响，以及设计通风栅格形状对于排氢性能的影响。研究强制通风下排氢风扇的位置和结构参数，使储氢舱内部的氢气快速下降，控制在可燃极限4%氢气摩尔分数以下，防止氢气泄漏带来的危害。通过Smartblade插件对叶片的结构进行修改，在Cradle scflow中对排氢风扇进行不连续网格设置，最后求解并在后处理中得到氢气泄漏的相关云图和数据。此外还可以使用Odyssee软件的算法对于风扇参数进行优化与验证。满足多场景多工况下的气体泄漏的高效精确检测与定位需求。研究燃料电池车不同环境条件下（封闭、半封闭或开放空间）的漏氢场景，提出可靠的检测与定位方法，以确保对氢气泄漏的及时响应与准确定位。借助多传感器融合技术，致力于从不同传感器的数据进行综合分析，以提高漏气检测的准确性和可靠性，更全面地了解氢气的泄漏和扩散情况。采用先进的数据处理技术和模型优化算法，以提高对氢气泄漏的准确性。机器学习和深度学习等优化算法将被运用于识别氢气泄漏，实现对复杂环境中微弱信号的敏感采集，并通过混淆矩阵得出预测的效果。同时开发实时漏氢定位系统，包括利用传感器网络和定位算法，快速准确地定位漏气源，并提供实时报警信息，有助于迅速采取必要的安全措施。首先Cradle CFD的scflow前处理非常强大，基于CAD模型，无需模型修复，直接基于voxelfit网格划分，同时局部体加密设置非常灵活，易于操作；其次Cradle CFD有专门设计优化风扇的Smartblade模块，Smartblade模块可以自动全参数化生成风扇外形，自动计算，风扇自动化设计工具，生成模型→流场分析→修改模型→结果后处理一系列操作可实现自动化，能够大大缩小CFD验证以及后续优化。并且scflow与Odyssee机器学习模块具有良好的兼容，还具备后处理机器学习嵌入版，可以实时预测不同变量下的计算结果，对于仿真优化提供强大数据支撑。最后Cradle CFD具有强大的后处理模块，对于仿真结果可视化，内部流场，组分浓度，可生动形象的展示出来。总结与展望
后续可以使用Cradle CFD继续进行以下研究↓↓↓ 通过CradleCFD软件帮助优化氢气存储和输送系统的设计，减少泄漏风险并提高系统效率。通过模拟分析不同管道、储罐、阀门等组件的气流动态，可以优化系统的布局和操作方式，降低泄漏的可能性。模拟氢气在空间中的扩散行为，以评估泄漏对周围环境和人员的影响。通过模拟可以复现氢气泄漏产生超压爆炸的场景，为安全管理和应急响应提供参考。模拟和优化新型高压氢气存储技术的设计，如高压氢气储罐（35MPa及70MPa）、高压氢气管道等。通过模拟分析不同设计方案的气流动态和泄漏风险，可以指导新技术的研发和应用。希望CradleCFD在材料中加入液氢，并且加入液氢闪蒸模型，实现液氢的泄漏与扩散。也希望CradleCFD能设置连续体以便模拟液氢流动、传热、传质等现象。*改变数模后前处理要重新设置参数，很多案例参数只需要微改，希望CradleCFD设置一种前处理参数保留功能，提高效率节省时间。
