第二节：移定式可变喷嘴发烟机成烟（投影）面积的计算模型建立的说明

1. 源强计算

有效烟剂供应速率：ṁ_smoke,effective = ṁ_feeder * η_mix

2. 初始扩散参数

由于喷射角度和推力（影响喷射速度）的变化，我们需要计算烟雾离开喷口后的初始轨迹和初始扩散。

2.1 喷射速度与方向
设发动机排气速度为V_jet（与推力相关），喷射俯仰角为θ（相对于水平面），方位角为φ（例如，0度为正对风向，90度为横穿风向）。
那么，喷射的速度矢量为：
V_jet_x = V_jet * cos(θ) * cos(φ)
V_jet_y = V_jet * cos(θ) * sin(φ)
V_jet_z = V_jet * sin(θ)

2.2 初始扩散参数
近场初始扩散σ_y0和σ_z0由喷嘴设计和喷射速度决定，我们可以用经验公式，例如：
σ_y0 = k_y * L, σ_z0 = k_z * L
其中L是特征长度，k_y和k_z是扩散系数，可能与喷射速度和角度有关。

3. 移动平台的影响

无人车以速度矢量V_vehicle = (V_x, V_y, 0)移动（假设地面移动）。那么，在时间t时，释放点的位置为：
X_source(t) = X0 + V_x * t
Y_source(t) = Y0 + V_y * t

4. 综合扩散模型

考虑一个移动的、具有初始扩散的连续点源。在时间t，从释放点释放的烟雾微团，经过时间τ后（即观察时间t'=t+τ），到达的位置由风场和扩散决定。

4.1 平均风场传输
假设平均风场为U（沿x方向），那么烟雾微团在时间τ后的平均位置为：
X_plume = X_source(t) + (U + V_jet_x) * τ
Y_plume = Y_source(t) + V_jet_y * τ
Z_plume = V_jet_z * τ - 0.5 * g * τ^2 (考虑重力沉降，但若颗粒很小可忽略)

4.2 扩散
扩散参数σ_y和σ_z随传输时间τ（或下风距离）变化。通常，σ_y和σ_z是顺风距离x的函数，但这里我们采用τ作为变量，因为释放点和观察点都在移动。
顺风距离：x = (U + V_jet_x) * τ
那么，σ_y(τ) = σ_y0 + a * x^b = σ_y0 + a * ( (U+V_jet_x)*τ )^b
同样，σ_z(τ) = σ_z0 + c * x^d = σ_z0 + c * ( (U+V_jet_x)*τ )^d
其中a,b,c,d是与大气稳定度相关的系数。

4.3 浓度分布
在t'时刻，对于空间点(x,y,z)的浓度贡献，来自于之前所有释放时间t和传输时间τ（满足t+τ=t'）的微团。

由于是连续释放，我们可以将系统视为一个移动的线源（沿路径积分）。对于固定观察点，浓度是时间t'的函数。但我们关心的是烟幕的整体形状，因此我们采用拉格朗日观点，追踪整个烟羽。

5. 烟幕轮廓计算

我们想要的是在操作时间T内，所有释放的烟雾在空间形成的包络面（达到阈值浓度的边界）。

5.1 静态风场下的烟幕包络

假设风场稳定，无人车按预定路径运动。我们可以将无人车的路径离散为一系列点，每个点都是一个连续点源，释放时间为Δt。

那么，在操作结束后，整个烟幕由这些点源释放的烟羽叠加而成。

每个点源i，位于(X_i, Y_i, 0)，在释放时刻t_i，以速率S_i = ṁ_smoke,effective释放烟雾。该点源对t时刻（t>t_i）的浓度贡献为：

C_i(x,y,z,t) = [S_i / ( (2π)^(3/2) σ_y σ_z (U+V_jet_x) )] *
exp[ - (y - Y_i - V_jet_y * τ)^2 / (2σ_y^2) ] *
exp[ - (z - V_jet_z * τ + 0.5*g*τ^2)^2 / (2σ_z^2) ]
其中，τ = t - t_i，并且x = X_i + (U+V_jet_x)*τ

注意：这里我们假设扩散参数σ_y和σ_z是τ的函数，通过x=(U+V_jet_x)*τ来计算。

5.2 整体浓度场

整体浓度场是所有点源贡献的叠加：
C_total(x,y,z,t) = Σ C_i(x,y,z,t)

5.3 可见烟幕轮廓

可见烟幕轮廓是满足C_total(x,y,z,t) ≥ C_threshold的空间点集合。

由于我们关心的是整个作业过程中形成的烟幕，我们可以计算在操作时间T内，每个空间点曾经达到的最大浓度，然后找出最大浓度超过阈值的区域。

即，定义：
C_max(x,y,z) = max{ C_total(x,y,z,t) for t in [0, T_end] }

那么，可见烟幕区域就是 { (x,y,z) | C_max(x,y,z) ≥ C_threshold }

6. 面积计算

通常关心的是地面投影面积或者某一高度（例如1.5米）的水平截面面积。

对于水平截面，我们可以计算在z=1.5米处，C_max(x,y,1.5) ≥ C_threshold的区域，然后计算该区域的面积。

由于形状不规则，我们可以通过离散化网格，统计满足条件的网格数量，乘以网格面积来近似。

7. 模型简化与计算实现

上述模型非常复杂，需要数值计算。在实际应用中，我们可以进行以下简化：

忽略重力沉降和垂直速度（如果V_jet_z不大且颗粒很细）。

假设扩散参数σ_y和σ_z是下风距离x的函数，而不区分τ，即采用固定的风速U（忽略V_jet_x的影响，因为通常U>>V_jet_x）。

将无人车的路径简化为一条或多条线段，然后对每条线段，使用线源高斯模型。

线源高斯模型可以将一条线段上的连续释放视为一个整体。对于直线路径，我们可以通过积分得到浓度分布。

8. 简化后的线源模型：

对于从点A到点B的直线路径，以速度V_vehicle移动，释放率为S。那么，在点P处的浓度可以通过对路径积分得到：

C(P) = ∫ [S / (2π U σ_y σ_z)] * exp[ -0.5*(y/σ_y)^2 ] * exp[ -0.5*(z/σ_z)^2 ] dl

其中，dl是路径上的微元，y是垂直于路径和风方向的距离，σ_y和σ_z是当前微元到点P的顺风距离x的函数。

但是，这个积分仍然复杂，我们可以将路径离散为多个点源，然后求和。

9. 总结

由于系统的复杂性，无法给出一个简单的解析公式，但给出了一个基于数值积分和叠加原理的计算框架。

步骤回顾：确定源强S。确定初始扩散参数σ_y0, σ_z0。确定无人车路径（随时间的位置）。确定风场（风速U，风向）。选择适当的大气扩散参数（a,b,c,d）和阈值浓度C_threshold。离散化时间和空间，计算每个空间点在操作时间内的最大浓度。根据阈值确定可见区域，并计算面积。

这个模型可以考虑喷射角度（通过改变初始速度矢量）、无人车移动（路径）和推力（通过改变初始喷射速度和源强）的影响。

注意：实际应用中，许多参数（如扩散参数）需要根据现场试验进行校准。这个模型提供了一个系统化的分析框架，但需要配合实验数据才能得到准确的预测结果。

（未完待续）