节能门窗材料性能与热工模拟研究——基于人工智能与机器学习

该文档是浙江大学的一篇研究生学位论文，主要研究内容集中在人工智能和机器学习在节能门窗材料性能热工计算及模拟领域的应用。作者通过实验、理论计算和模拟分析，探讨了节能门窗的材料性能，尤其是耐候性和力学性能，并研究了不同类型的节能门窗（如纯木、断桥铝合金、木包铝、铝包木和塑钢门窗）的保温、水密、气密和抗风压性能。此外，论文还涉及中空玻璃系统和整窗系统的传热系数计算，强调了Low-E玻璃和惰性气体填充对降低传热系数的效果。 这篇论文首先概述了中国建筑门窗的发展和研究现状，强调了节能门窗在建筑节能中的关键作用，因为门窗能量损失约占建筑围护结构总能耗的40%至50%。然后，论文深入研究了集成木材（如集成松木、集成柞木和集成竹材）的耐候性和力学性能，发现这些材料在特定环境和应力条件下的表现。集成竹材展示出优于集成松木的抗弯强度，并且不受纹理方向影响。 接着，作者制作了一系列节能门窗样品，包括纯木、断桥铝合金、木包铝、铝包木和塑钢门窗，并对其性能进行了全面测试。结果表明，这些节能门窗系列都具有良好的使用性能和出色的节能效果。 论文还运用相关标准和算法，计算了中空玻璃和整个窗户系统的传热系数。通过采用Low-E（低辐射）玻璃和填充惰性气体，如氩气，可以显著降低中空玻璃的传热系数，从而提高门窗的节能性能。 这篇论文为节能门窗的研究提供了理论基础，利用人工智能和机器学习方法，对门窗材料性能和热工性能进行了深入探讨，为优化建筑设计和提高能源效率提供了有价值的数据和策略。