低温处理在生物[1]、材料[2]、医药[3]等众多行业中占据重要地位，在食品加工领域同样应用广泛[4]。大多数食品尤其是果蔬、海产品、肉制品等水分含量较高的食品，若没有及时进行低温处理，大肠杆菌、沙门氏菌等细菌则会迅速繁殖，导致食品腐败变质[5]。低温处理通过降低食品的温度能够有效地抑制食品中的微生物活性[6]，减缓酶促反应和化学反应速度[7]，保持食品的口感和品质，便于食品的储存和运输[8]。
近年来，食品低温处理的能源消耗持续攀升。据统计，全球冷链物流能源消耗总量在 2 500～3 500 TJ之间，约占全球能源消耗的2%～3%。其中，制冷约占冷链物流总体能源消耗的50%～80%。美国冷链物流每年消耗约130 TJ 的能源，占该国能源消耗总量的1.5%；欧盟冷链物流每年消耗约100 TJ 的能源，占该地区能源消耗总量的1.2%；我国冷链物流每年消耗约500 TJ 的能源，是全球冷链能源消耗最大的国家。因此，降低能耗的同时提高食品的保藏品质一直都是当前研究的重点[9]。
食品在低温处理过程中主要通过传导、对流、辐射3 种方式进行冷量传递。而其传递过程往往涉及多尺度（热量、质量、动量）的物理变化[10]。采用传统方法研究食品的低温处理过程往往需要耗费大量的时间以及高昂的试验建造成本，而利用计算机进行仿真模拟则能够作为一种有效的辅助工具来研究食品的低温处理的过程[11]。计算流体力学（computational fluid dynamics，CFD） 是建立在经典流体动力学与数值计算方法基础之上的一门新型独立学科[12]。20 世纪60年代，CFD 作为一门独立的学科开始形成。后来，随着计算机技术的不断发展，其应用逐渐扩散到航空[13]、船舶[14]、汽车[15]、制冷[16]等领域。近年来，随着食品工业的不断进步，该技术在食品工业中同样得到了广泛的应用[17]。与传统的试验方法相比，CFD 技术的优势主要体现在三方面。首先是成本效益，可以在不进行实际物理试验的情况下预测食品速冻和冷藏过程中的温度分布和流体变化，从而减少了试验成本和时间[18]。其次是灵活性，CFD 模拟可以快速更改参数和条件，进行多种情况的测试，而不需要重新配置试验设备[19]。最后是安全性，通过模拟可以优化速冻和冷藏过程，确保食品安全，减少微生物污染的风险[20]。图1 展示了通过Science Director 期刊全文库检索得到的2021-2025年有关 CFD 技术在食品低温处理应用的文献数量变化情况。
图1 CFD 技术在食品低温处理领域的文献数量
Fig.1 Annual number of publications on CFD in the field of lowtemperature processing of food
从图1 中可以直观地观察到，该领域的文献数量整体呈现上升趋势，这表明国内外学者对于该领域应用研究越来越重视。
尽管国内外学者在该方向的模拟研究上已取得较为系统和成熟的成果，但目前尚未有研究人员对 CFD技术在该领域的应用现状、应用原理以及未来发展趋势进行全面系统的归纳与总结。因此，本研究梳理CFD 技术在食品低温处理中的应用现状，探讨如何进一步优化该技术并克服现有的挑战，并展望未来 CFD技术在食品工业的发展方向。
1 CFD 应用基础
1.1 CFD 软件的主要结构
CFD 软件的结构通常包括前处理器、求解器和后处理器3 个主要部分[12]，以及可能的辅助工具和数据库。
前处理器，主要负责定义和处理计算域的几何形状、生成网格、设定流体属性与边界条件。其通常配备与求解器相对应的图形界面对话框，以便用户输入相关数据[21]。前处理器生成的网格数据和设定的边界条件直接影响求解器的计算精度和效率。
求解器是 CFD 软件的核心，它包含了数值求解算法，用于求解流体流动和热传递等控制方程[22]。求解器使用离散化方法将连续的控制方程转化为代数方程组，并求解这些方程得到流动变量的近似值。求解器可以采用不同的数值方法，如有限差分法（finite difference method，FDM）、有限体积法（finite volume method，FVM）、有限元法（finite element method，FEM）等。
后处理器用于处理和可视化计算结果，包括流线、压力、速度、温度等物理量的分布[23]。它提供了计算域的几何模型及网格显示、矢量图、等值线图、填充型等值线图（云图）、XY 散点图、粒子轨迹图等功能，允许用户动态模拟流动效果，直观地了解 CFD 的计算结果。
辅助工具:一些 CFD 软件还提供辅助工具，如网格生成器、优化工具、自定义模型开发工具等。
数据库:在 CFD 软件编程中，运行数据库的概念被引入以存储和更新计算过程中的所有数据。
1.2 CFD 常用软件
CFD 依赖于数值方法来求解流体控制方程，常用的数值方法包括FDM、FVM、FEM 等。这些方法通过将连续的方程离散化，转化为代数方程组，以便计算机处理。目前应用于食品工业中常用的 CFD 软件主要有ANSYS Fluent、COMSOL Multiphysics、Open FOAM、STAR-CCM+、Phoenics 等[24]。ANSYS Fluent 是多功能CFD 软件，擅长多物理场耦合和动态网格模拟[25]。COMSOL Multiphysics 以多物理场仿真见长，提供统一的建模环境和应用程序开发工具[26]。Open FOAM 是一个开源 CFD 软件，使用C++编写，适合需要高度定制化的用户[27]。STAR-CCM+软件能够提供直观的用户界面和丰富的流体动力学模型，支持高级网格技术和自动化仿真流程[28]。Phoenics 是早期的商业软件，以开放性和多模型选择著称，特别适合流动和传热模拟[29]。
1.3 CFD 控制方程
1.3.1 连续性方程
连续性方程:基于质量守恒原理，描述了流体在流动过程中的质量守恒关系。对于不可压缩流体，连续性方程的一般形式如下。
式中:u、v、w 分别为流体在x、y、z 方向上的速度分量，m/s。
在食品低温处理中，连续性方程用于确保在整个处理空间内，流体的质量不会凭空产生或消失，从而保证对流体流动模拟的合理性。
1.3.2 动量方程
动量方程:基于牛顿第二定律，描述了流体在力的作用下的运动状态变化。对于不可压缩牛顿流体，其矢量形式的动量方程如下。
式中:ρ 为流体密度，kg/m3，V 为速度矢量，m/s；t为时间，s；
为当地加速度
；V·∇V 为对流加速度，
p 为压力，Pa；∇p 为压力梯度，
为流体的动力黏度，Pa·s；∇2V 为速度的拉普拉斯，m/（s·m2）；F 为体积力，N/m3。
在食品低温处理中，动量方程用于模拟冷空气在处理设备内的流动情况，例如预测气流的速度分布、流向以及可能出现的涡流等，有助于优化设备的风道设计。
1.3.3 能量方程
能量方程:基于能量守恒原理，描述了流体和固体内部的热量传递过程。对于常物性、不可压缩流体，能量方程的一般形式如下。
式中:ρ 为流体密度，kg/m3；cp 为流体的定压比热容，J/（kg·K）；T 为温度，K；t 为时间，s；
为温度仪随时间的变化率，K/s；V 为速度矢量，m/s；∇T 为温度梯度，K/m；V · ∇T 为对流项，K/s；k 为热导率，w/（m·K）；∇2T 为温度的拉普拉斯，K/m2；ST 为内热源项，W/m3。
在食品低温处理中，能量方程用于模拟食品与周围低温介质之间的热量交换，预测食品内部的温度分布随时间的变化，从而确定合适的处理时间和温度条件。
质量传输方程:描述了物质在流体或固体中的扩散和对流传输过程。对于组分i 的质量传输方程，其一般形式如下。
式中:ρ 为流体密度，kg/m3；Yi 为组分i 的质量分数；t 为时间，s；V 为速度矢量，m/s；Di 为组分i 的扩散系数，m2/s；Si 为组分i 的生成或消耗源项，kg/（m3·s）；∇·为散度算子，1/m；∇为梯度算子，1/m。
在食品低温处理中，传质方程可用于模拟食品中水分的蒸发或吸收过程、气体在食品内部和周围环境之间的传输等。
湍动能方程（k 方程）:在实际的食品低温处理过程中，流体流动通常处于湍流状态。为了准确模拟湍流流动，需要引入湍流模型，其一般形式如下。
式中:ρ 为流体密度，kg/m3；k 为湍动能，m2/s2；t 为时间，s；V 为流体的时均速度矢量，m/s；μ 为流体的动力黏度，Pa·s；μt 为湍流黏度，Pa·s；σk 为湍流普朗特数；Gk 为湍流动能生成项，W/m3；ϵ 为湍动能耗散率，m2/s3；∇·为散度算子，1/m；∇为梯度算子，1/m。
在模拟大型冷藏库内的气流时，k 方程可以用于计算湍动能的产生和耗散，反映湍流的强度和规模，湍动能耗散率方程（ϵ 方程）如下。
式中:ρ 为流体密度，kg/m3；ϵ 为湍流动能耗散率，m2/s3；t 为流体的时均速度矢量，m/s；μ 为流体的动力黏度，Pa·s；μt 为湍流黏度，Pa·s；σϵ 为湍流普朗特数；C1ϵ、C2ϵ 为经验常数；Gk 为湍动能生成项，W/m3；k 为湍流动能，W/m3；∇·为散度算子，1/m；∇为梯度算子，1/m。
在 CFD 模拟中，ϵ 方程和k 方程配合使用，用于确定湍流黏度μt，进而更准确地模拟湍流流动对传热和传质过程的影响，提高模拟结果的准确性。
1.4 物理模型
在食品低温处理过程中，CFD 常用的模型有湍流模型、传热模型、相变模型和多相流模型等[30]，为优化食品低温处理工艺提供支持。不同模型在应用过程中的原理、优缺点见表1。
表1 CFD 常见模型对比
Table 1 Comparison of common CFD models
模型湍流模型（以标准模型k-ϵ 为例）传热模型相变模型（以焓法为例）多相流模型原理求解湍动能和湍流耗散率的输运方程，计算湍流黏性系数修正雷诺时均方程基于能量守恒定律，通过能量方程描述热量传递将相变潜热包含在焓的变化中，求解含相变潜热的能量方程模拟相变求解各相的连续性、动量和能量方程，考虑不同相间相互作用优点计算资源需求低，操作简便，适用性广泛，能处理常见食品低温处理场景的气流模拟直接呈现温度分布，易理解应用，利于品质预测对食品冻结、解冻的相变现象模拟效果好，能准确计算相变时间和区域在涉及多相的食品低温处理模拟中，能全面呈现各相相互作用，如冷冻干燥过程缺点复杂流动模拟误差大，需经验修正，近壁面流动模拟不准复杂几何建模难，多相介质处理复杂，忽略非热因素参数获取难，计算效率低，微观现象简化处理模型设置复杂，计算资源需求极高，模型验证困难
1.5 数值模拟求解的一般过程
数值模拟的一般流程如下:首先进行前处理，核心工作包括构建几何模型并确定计算域、开展网格剖分及独立性验证、定义流体物性参数；随后进入求解计算阶段，需完成数值方法与湍流模型的选取、求解器参数配置，之后启动求解器并监控计算收敛过程；最后通过后处理提取流场相关计算结果，完成结果可视化呈现，开展结果验证分析，最终总结研究结论。具体的求解流程图见图2。
图2 CFD 求解的一般流程
Fig.2 General procedure for CFD solving
2 CFD 技术在食品低温处理中的应用进展
基于 CFD 技术在食品低温处理领域的研究实例，对国内外学者的不同研究方向进行整理与分析发现，目前 CFD 技术在食品低温处理方面的研究主要可以分为3 个大方向，首先是对食品本身的热传导过程进行研究与讨论，主要包括食品整个冷冻冷藏过程的温度分布及变化等。其次是食品冷链运输方面的研究，主要包括对不同的冷链运输工具热性能方面的试验与验证。最后是对保温材料进行深入探究，主要包括保温材料性能研究及其结构优化。基于 CFD 技术在食品传热传质方面的研究实例，讨论不同建模方式对仿真模拟精度的影响。从模型选择、网格划分、边界条件设置、数值算法等关键性技术提出如何改进以提高仿真模拟的效果。
2.1 CFD 技术在食品传热传质中的研究
CFD 技术通过其可视化的结果，能够有效地帮助研究人员解决研究食品传热传质过程中难以直接观测和精准量化的难题[31]。食品传热传质研究中，关键在于如何准确描述传热传质过程，并且要在模型的复杂性和计算成本之间找到平衡，确保模型既能反映实际情况，又具有可操作性。
目前国内外学者对食品传热传质的仿真研究路线有两条，第一条是对食品本身建模，研究人员在该方向的研究则是根据研究对象的复杂程度不断深入。Laguerre 等[32]建立了简单的鱼和片冰的二维模型来研究其传热过程。充分考虑了鱼内部、鱼与冰、鱼与空气的热传导，虽然能够较为全面地考虑鱼内部、鱼与冰、鱼间空气的热传导过程，但是最终在预测底部鱼的冷却速率时，二维 CFD 模型和一维分析模型均低估了冷却速率。试验中，底部鱼在200 min 时无量纲温度T≈0.6，而模型预测值T≈0.7。产生此现象的原因是该模型忽略了融水的制冷效果，融水在鱼堆中流动、分布复杂，模型难以准确描述其对鱼体冷却的影响。对此，研究人员可以改用多孔介质模型。由于鱼堆中融水的流动对传热影响显著，且传统二维模型难以描述，多孔介质模型将鱼体视为多孔介质骨架，依据达西定律描述融水渗流速度，能够更真实反映融水与鱼体的热交换。在另一项研究中，Tang 等[33]采用k-ϵ 模型来研究冷库内空气的流动特性和传热过程。最终证实与模拟均表明沿Z 轴加垫板堆垛的温度最低且分布最为均匀。由于冷库内空气流动属于高雷诺数（Re＞10⁶）的湍流状态。k-ϵ 模型通过求解湍动能k 和湍流耗散率ϵ，能够准确捕捉到冷库内复杂的湍流流动特性。Zhao 等[34]在研究杨梅的速冻过程建立了较为复杂的杨梅的多相流物理模型，将其简化为由具有不同热物性的果肉和果核组成。
研究发现，家用冰箱的传热效率无法满足杨梅的冷冻要求，采用液氮速冻可降低细胞损伤和水分流失。研究人员考虑到杨梅在速冻过程中涉及复杂的传热和相变过程，热传导方程可描述热量在杨梅内部的传递，通过将相变热作为源项处理，能够较好地模拟杨梅从液态到固态的相变过程。但是模拟值与试验数据在对流系数、热物性参数和相变温度区的评估上存在一定的差异。因此，应当考虑到杨梅在冷冻过程中的水分迁移和溶质扩散，建立传热传质耦合模型，通过耦合模型可更全面地反映冷冻过程中的物理变化，提升模型精度。
而另一条研究路线则是对制冷设备本身进行CFD 建模，通过调整各种参数优化设计制冷设备的制冷速率。Xie 等[35]以小型装配式冷库为研究对象构建模型。经过仿真模拟分析发现冷库角落因冷风机作用影响了冷库内气流分布，通过设置挡板能够有效保持气流连续性与温度均匀性。但是在本研究中，对模型简化处理无法完全考虑冷库内复杂的三维流动和传热情况，导致模拟结果与实际存在一定的偏差。Chauhan等[36]采用 CFD 模型结合k-ϵ 湍流模型和可扩展壁面函数，可有效处理速冻机内的湍流问题。最终虽然实测与模拟结果在结论上一致，但是具体的测量结果存在较大的偏差。在速度方面，CFD 结果存在一定的过预测现象，高转速下平均速度方差为16%，低转速下平均速度变化为9%；在温度方面，不同区域的模拟结果与试验数据有差异。如在Zone C 处，由于用户定义函数（user defined functions，UDF）设定的相变点与试验数据存在差异，导致 CFD 对温度变化的预测出现偏差，试验数据在靠近喷头处有温度尖峰，而 CFD 数据中并未体现。而在另一项研究中，Piechnik 等[37]构建多尺度耦合 CFD 模型来研究冷冻干燥机的内部传热传质的机制。研究人员采用COUPLED 求解器进行非稳态模拟，结合雷诺平均方程（reynolds-averaged navierstokes equations，RANS）求解连续性、动量和能量方程。压力空间离散用二阶格式，其他方程用一阶迎风格式，通过设定归一化残差控制收敛求解冷冻干燥机内气流和冷却过程。深入分析发现，原设备内气流分布不均，导致不同货架传热系数和冷冻时间差异显著。研究人员通过增加风扇面积和数量、调整绝缘枕位置可改善气流分布，使冷冻时间大幅缩短50%。在本研究中采用的建模方式和网格划分等关键性技术对准确模拟冷冻干燥过程、优化设备设计发挥了重要作用，为商业规模冷冻干燥机设计提供重要参考。除此以外，黄世苗[38]和尹义金等[39]对冷库的优化设计等方面同样取得了一定的研究成果，对于冷库节能优化设计都提供了一定的理论依据。
当前 CFD 在食品传热传质研究中成果与挑战并存。一方面，已构建多种模型用于研究不同食品传热过程，在制冷设备优化上成果显著，研究领域也不断拓展。另一方面，现有研究存在不足，模型精度有待提升，复杂食品体系模拟有局限，模拟方法在处理复杂流场时存在缺陷，且对食品感官品质及冷藏化学变化的研究匮乏。后续可结合计算机视觉、电子鼻、电子舌等先进技术，深入研究食品在低温处理过程中色泽、质地、风味等感官性质的改变机制。例如，利用计算机视觉技术量化食品颜色变化，建立颜色与温度、时间等因素的关系模型，从而更全面地评估 CFD 模拟对食品品质的影响。在模型的建立方面，各大仿真模拟软件可以建立一个数据共享机制。研究人员无需重复进行基础数据的收集和测量工作。已有的大量物性参数和试验数据将被集中存储在云端数据库中，研究人员只需通过便捷的网络访问，即可快速获取所需数据。除此以外，CFD 技术还能与人工智能和机器算法融合，在数值模拟方面，使用深度学习模型估计低分辨率网格中的空间导数，这种方法已被证明优于传统的有限差分方法；利用卷积神经网络（convolutional neural networks，CNN）深度学习方法求解压力泊松方程能够有效减少 CFD 的求解时间；通过机器学习生成高效的入口条件和远场条件，减少计算域的尺寸。在湍流模型改进方面，开发具有不变张量基和乘法层的机器学习架构，提高湍流模型中各向异性预测的准确性；利用物理知识增强的随机森林来改进RANS 模型。
2.2 CFD 技术在冷链运输中的研究
食品冷链运输是一个复杂、庞大的系统，各个环节和各种因素之间相互交织、相互影响，只有将这些条件很好地结合，才能保证食品冷链运输的正常运行[40]。通过对国内外学者的研究总结发现，对于冷链运输系统的改进往往通过 CFD 模型的构建来找到系统中存在的问题，并为冷链运输过程提出合理化的指导思想和方法。当前该研究主要集中在冷链运输工具的设计与优化，包括冷藏车、冷藏船、冷藏集装箱等。
冷藏车能够在陆运过程中维持稳定的低温环境，确保易腐食品、药品等货物的品质，是冷链物流陆运环节不可或缺的运输工具。研究冷藏车的传热过程对保障食品品质安全、优化物流环节有着重大意义。Jara等[41]选用剪切应力传输（shear stress transport，SST）湍流模型来研究冷藏车的热行为，研究揭示了当冷区靠近壁面、天花板和地板，且在2 400 s 后可达稳定温度0 ℃，在7 200 s 后实现系统稳定。该研究这有助于后续学者更深入地理解冷藏车的传热机制，为进一步优化冷藏车设计提供了理论基础。然而，随着运输规模和环境复杂性的增加，冷藏船在跨国冷链运输中面临着不同的挑战。
冷藏船凭借其大容量的冷藏空间，在跨国冷链运输环节中发挥着不可或缺的关键作用。关于冷藏船的具体应用国内学者研究较多。王朋[42]和李兰兰 [43]针对南极磷虾冷藏船做了类似的研究。前者通过仿真模拟发现货舱通风地板下方存在部分位置的冷空气流场分布不合理。通过调整挡风板和通风入口面积，确保货物在规定时间内达到设计温度。而后者在研究过程中通过仿真模拟发现传统的直接蒸发排管系统存在不足，无法更好地满足货物转运的需求。经过深入探究，研究人员发现采用氨泵强制供液的“直接蒸发式的风冷系统”并改进空气冷却器的布置，可提高系统的制冷效率。然而，该研究在优化算法上还存在一定的改进空间，研究人员可以引入自动化优化算法，结合 CFD模拟，自动寻找最优的挡风板位置、通风入口面积等设计参数，减少人工调整的工作量。尽管上述研究在优化南极磷虾冷藏船的制冷系统方面取得了一定成果，但仍存在一些尚未深入探索的领域。从研究深度来看，对于船上食品在冷藏过程中的内部化学变化关注较少。因此，难以全面了解食品在冷藏船运输过程中的品质变化机制，无法为精准控制冷藏条件提供更深入的理论依据。从研究广度而言，现有的研究主要集中在对冷藏船本身结构和制冷系统的优化，而对不同货物种类在冷藏船运输过程中的适应性研究较少。不同的海产品、肉类或果蔬在呼吸作用、水分蒸发等方面存在差异，这些差异可能会导致对冷藏环境的要求不同，然而目前这方面的研究尚未形成系统的体系。而在关于超低温运输船冷藏舱的设计研究中，朱发新等[44]研究发现传统矩形舱室存在传热面积大、传热量大的问题，为此，研究人员利用 CFD 技术设计了新型球体形舱室结构，并从结构、工作原理、材料选用等方面进行优化。最终经验证的新型舱室在特定条件下传热面积更小，传热量更大，提高了冷藏保温能力。对冷藏船的研究成果为优化大型冷链运输工具提供了思路，然而该研究成果在实际应用过程中却面临一定的挑战，相比传统矩形舱室，建造工艺更为复杂。球体形结构在板材加工、焊接等方面要求更高，对施工人员技术水平和建造设备有更高要求，增加建造难度和时间成本。在维护方面，特殊结构可能使内部设备检修、管道维护不便，需专用工具和技术，增加维护难度和成本。因此，需要后续研究人员的进一步深入探讨。相比于冷藏船，冷藏集装箱作为直接与货物接触且对温度控制要求极高的运输单元，有着独特的研究重点和难点。
冷藏集装箱在冷链运输中至关重要。它能精准控温，为易腐货物营造适宜环境，保障产品品质与安全。Getahun 等[45]在研究冷藏集装箱时气流分布受地板设计（如T 型条地板和平板地板）和运行条件（蒸发器风扇速度）影响，且测量存在不确定性的问题，并通过试验测量与 CFD 模型相结合、优化模型假设和参数、进行网格敏感性分析等方式改进。最后研究发现，T 型条地板结构具有降低压力梯度的特性且在能源利用方面更加节能。而田津津等[46]对冷藏集装箱的研究充分考虑了这一点。研究人员通过 CFD 建模发现冷藏集装箱存在流场和温度场不均匀、送风速度和货物堆码方式影响箱内流体分布与换热效果等问题。为了解决这一问题，研究人员首先通过空载模拟确定了冷藏集装箱的最佳送风速度，随后设计了3 种不同的货物堆码方式并进行仿真模拟。最终模拟结果显示四体式堆码在改善温度分布、降低温度差异方面的效果显著优于其他两种堆码方式。上述研究充分考虑了货物装载对冷藏集装箱流场和温度场的影响，为优化冷藏集装箱的使用提供了有价值的参考。然而，目前在这一领域的研究仍有拓展空间。在研究深度上，虽然已经关注到货物堆码方式对流体分布与换热效果的影响，但针对不同货物类型以及不同装载密度，其流场和温度场的详细变化规律，尚缺乏深入研究。从研究广度来说，目前的研究主要集中在货物堆码和送风速度等方面，而对于冷藏集装箱在不同运输环境（如不同气候条件下的陆地运输、海上运输中的风浪影响等）下的性能研究较少。此外，在多式联运过程中，冷藏集装箱频繁经历不同的运输阶段，各阶段之间的衔接对箱内温度稳定性的影响也有待进一步研究。
冷链物流为食品安全提供了重要保障，促进了生鲜食品行业的发展。随着冷链运输规模在我国的进一步扩大，其将朝智能化、信息化、专业化、多元化、标准化和环保化方向发展[40]。然而目前 CFD 技术在食品冷链运输领域的研究在广度和深度上均存在提升空间。在广度方面，航空冷藏运输作为冷链物流的重要环节，其研究近乎空白，需要尽快开展相关研究，利用CFD 技术模拟航空冷藏运输过程中的特殊环境对食品品质的影响。同时，还应加强对不同运输环境下冷藏集装箱性能以及多式联运中冷藏集装箱温度稳定性的研究。在深度方面，不仅要深入研究不同货物类型和装载密度对冷藏设备内流场和温度场的影响，还要重视食品在冷藏过程中的内部化学变化，将食品理化指标变化纳入 CFD 研究体系，在具体的实践过程中可以利用ANSYS Fluent 软件建立食品冷藏过程的 CFD 模型，模拟冷藏室内的空气流动、传热和传质现象。编写 UDF，将维生素C 含量、可溶性固形物含量和色泽变化的数学模型嵌入到 CFD 模型中，实现两者的耦合，从而更全面、深入地理解冷链运输对食品品质的影响，为食品冷链运输技术的发展提供更坚实的理论支持。
2.3 CFD 技术在食品保温材料优化中的研究
国内外学者在研究 CFD 技术在食品保温材料优化中的应用时，普遍关注材料的热物理性质（导热系数、比热容和密度）、环境温度与湿度以及食品自身特性（呼吸作用和热物性）对保温效果的影响。这些因素在不同研究中均被视为影响食品温度控制和保持品质的关键，构成了研究的核心变量。此外，研究不仅聚焦于保温材料的保温性能，还将食品品质的变化（如水果的失重率、色泽和营养成分的变化，牛奶的微生物指标等）以及能耗问题纳入考量，从而综合评估保温材料在保障食品品质的同时对能源利用的影响。在这一领域的研究可以总结并归纳为两类:基于材料特性的优化研究和基于系统环境的综合分析研究。
基于材料特性优化的研究聚焦于研发新型材料和改进材料特性。温度控制对于减少食品损耗和保障食品安全至关重要，相变材料的应用成为研究热点[47]。Tan 等[48]针对果蔬运输利用 CFD 建模设计了一种冰与有机相变材料（phase change material，PCM）组合的新型保温箱。研究人员通过改变冰层布局、调整双层相变材料厚度比例和选择不同隔热材料进行优化研究，确定了最优方案为冰层侧面环绕、冰与PCM 厚度比为3∶2、隔热层为挤塑聚苯板（extruded polystyrene，XPS），其综合评价指标比同厚度单层PCM 冷库箱提高79.14%，延长了保温时间并节省了成本。关于保温材料优化的研究中，Zhang 等[49]利用ANSYS 软件构建了冷库箱的3D 模型，并在ANSYS Fluent 软件中进行模拟计算。通过开启固体ification 和melting 模式，基于一系列假设和控制方程，对冷库箱内的传热过程进行了数值模拟以预测冷库箱的保冷时间和研究不同因素（如冰层布局、相变材料厚度比、隔热层材料）对温度控制的影响，为后续保温材料的设计提供了条件。上述学者利用 CFD 技术在食品保温材料方面的研究都取得了一定的进展。但是对于食品在所设计保温材料下的具体保温情况并没有进行深入研究，以至于对保温材料的保温效果评价过于单一，而Prakash 等[50]的研究充分考虑到了这一点。研究人员通过试验发现传统用于食品加工的PCM 存在热性能低、导热系数低和过冷度高的问题。研究人员利用 CFD 技术构建了球形PCM 充放电的三维物理模型，充分考虑了PCM 的凝固和熔化过程，运用连续性、能量、动量守恒等方程及焓-孔隙率的方法模拟其相变过程。通过布置热电偶记录温度，与模拟结果对比验证模型的准确性。研究表明，添加TiO₂纳米颗粒可提高 PCM 的热导率，降低比热容，并且能够在一定浓度范围内降低过冷度，加速能量存储和释放过程，使PCM 在1.00%纳米颗粒浓度下相变时间缩短 68.95%。经改良后的 PCM 能使牛奶从37 ℃降至10 ℃以下的时间大幅缩短。研究填补了纳米颗粒增强相变材料在牛奶冷藏应用研究的空白。但是材料在复杂实际环境中的长期稳定性还有待深入研究。在保温材料的优化研究中，边界条件的设置直接影响模拟结果的准确性。需要准确描述冷藏箱与外界环境的热交换过程，包括热辐射、热对流和热传导等。此外，还需要考虑冷藏箱内部热源的影响，在设置边界条件时，需要考虑实际情况的复杂性和不确定性。例如，对于外部环境温度的变化，可以采用正弦波函数或随机噪声函数来模拟其波动；对于冷藏箱内部的热源分布，可以根据实际情况进行假设或试验测量。在数值算法方面可以采用并行计算技术来加速模拟过程；采用自适应网格技术来根据模拟结果自动调整网格密度；采用加速收敛算法来减少迭代次数等。
基于材料特性的优化研究为提升保温材料性能奠定了基础，聚焦于材料自身的改进。然而，实际应用中，保温材料所处的系统环境对其保温效果有着不可忽视的影响。因此，基于系统环境综合分析的研究将材料特性与周围环境因素相结合，从更宏观的角度评估保温性能，是对前者的深化与拓展。吴如书等[51]对番茄保温材料进行了深入研究。利用ANSYS ICEM CFD 软件构建半导体冷藏箱的物理模型，考虑冷空气和番茄传热过程，采用SIMPLE 算法进行模拟。该算法适用于冷藏箱内复杂流动和传热，在处理强耦合、非线性问题时可能存在收敛速度慢或精度不足的问题。可考虑采用压力隐式算子分裂法（pressure implicit with splitting of operators，PISO）或半隐式压力耦合方程方法（semi-implicit method for pressure-linked equations，SIMPLE），PISO 在处理非稳态流动时具有更快收敛速度，适合模拟冷藏配送中温度和气流快速变化过程；SIMPLE 算法通过改进压力修正方程，提高了收敛精度和速度，能更准确计算压力和速度场，优化模拟结果。研究人员在模型中设置聚氨酯（polyurethane，PU）和真空隔热板（vacuum insulation panel，VIP）的热导率等物性参数以及番茄的热物性参数，模拟不同保温结构和温度条件下箱内温度场分布及番茄温度变化。研究表明 VIP 复合 PU 材料在保温性能、冷却速度和温度均匀性方面均优于 PU 结构。除了温度场的研究，还将番茄的品质指标纳入分析体系。研究发现，4 ℃番茄在2.5 ℃冷藏配送条件下品质最佳，失重率为0.08%，亮度、色度变化最小，可溶性固形物含量为 5.13%。这表明该研究将保温材料的性能与番茄在冷藏配送过程中的生理生化变化相结合，从系统的角度考虑保温材料对整个冷藏配送系统（包括番茄品质）的影响。在该类研究中，不同的湍流模型对流动和传热的模拟精度有显著影响。k-ω SST 模型适用于模拟靠近壁面的流动，能较好地处理边界层内的湍流；而 k-∈ 模型在模拟充分发展的湍流时具有优势。在冷藏系统模拟中，若关注蒸发器附近高速气流与壁面的相互作用，k-ω SST模型更合适；若研究整个冷藏空间内的湍流流动特性，k-∈模型可能更有效。该类研究不仅关注材料性能，更强调系统环境因素与材料的相互作用以及对食品品质的综合影响。
保温材料的研究对食品品质安全极为关键[52]。基于材料特性优化的研究在新型材料研发和性能改进方面成果显著，但对实际应用环境考虑相对较少；基于系统环境综合分析的研究能更全面地评估保温材料在实际系统中的表现，但研究复杂度较高，且对试验条件和数据要求较为严格。两者相互补充，共同推动 CFD 技术在食品保温材料优化领域的发展。但是目前利用CFD 技术对食品冷藏过程中的内部化学变化研究匮乏。未来研究可将 CFD 模拟与化学分析方法相结合，监测食品在冷藏过程中营养成分的降解、微生物的生长繁殖以及化学反应变化情况，建立化学变化与温度、湿度、气流等 CFD 模拟参数的关联模型，全面评估制冷设备设计对食品品质的影响。
3 结语
CFD 技术在食品低温处理领域的应用展现出巨大潜力，是食品工业中不可或缺的研究工具。本研究深入探讨了该技术在食品传热传质、冷链运输和保温材料优化方面的应用现状。在食品传热传质研究中，虽然 CFD 技术能够有效地模拟温度分布和变化，但在食品感官品质变化的研究上还存在一定的局限性，这限制了CFD 技术在食品品质评估方面的应用。冷链运输领域的研究为保障食品品质提供了重要支持，但在航空冷藏运输和食品冷藏过程中的化学变化研究方面仍有待加强，需要跨学科的合作来深入理解这些复杂的过程。食品保温材料优化研究中，基于材料特性和系统环境的分析为提高保温效果提供了有效途径，但对材料健康影响的关注不足，可能会对食品品质和人体健康产生潜在风险。因此，未来的研究应重点加强多学科融合，充分利用先进的技术手段，如机器学习和人工智能，优化 CFD 模型，提高模拟的准确性和可靠性。同时，应建立完善的食品材料热物理属性数据库，为食品工业提供科学的依据。此外，将 CFD 技术与微生物学相结合，能够实时监测食品在低温环境中的微生物生长情况，实现智能控制，确保食品的安全性和品质稳定性，为食品工业的可持续发展提供有力保障。
[1] SUDARSAN A,KEENER K. Inactivation of spoilage organisms on baby spinach leaves using high voltage atmospheric cold plasma(HVACP) and assessment of quality[J]. Innovative Food Science ＆Emerging Technologies,2022,79: 103023.
[2] CHEN Y J,ZHANG X L. Research progress of energy-saving technology in cold storage with/without phase change materials[J]. Journal of Energy Storage,2024,103: 114334.
[3] ROSELLO A P,CHULLO G,PERA M,et al. Danger biomarkers in perfusates from fatty liver grafts subjected to cold storage preservation in different preservation solutions[J]. Transplantation Proceedings,2025,57(1): 37-42.
[4] 陈淑花. 食品高压低温处理过程基础研究[D]. 大连: 大连理工大学,2013.CHEN Shuhua. Fundamental study on high pressure and low temperature of food[D]. Dalian: Dalian University of Technology,2013.
[5] 田雪,马德娟. 冷冻肉制品食品安全风险分析及控制措施[J]. 食品安全导刊,2024(12): 27-29,33.TIAN Xue,MA Dejuan. Food safety risk analysis and control measures of frozen meat products[J]. China Food Safety Magazine,2024(12): 27-29,33.
[6] 王晶妍,杨铭,芦旭东,等. 低温微波处理对酱牛肉保质期的影响[J]. 食品界,2016(10): 88-89.WANG Jingyan,YANG Ming,LU Xudong,et al. Effect of low temperature microwave treatment on shelf life of sauce beef[J]. Food Industry,2016(10): 88-89.
[7] 王斌,林薇,袁晓. 鲜切果蔬褐变机理及防控技术研究进展[J].食品科学,2025,46(7): 367-384.WANG Bin,LIN Wei,YUAN Xiao. Research progress in mechanism and preventive technologies for the browning of fresh-cut fruits and vegetables[J]. Food Science,2025,46(7): 367-384.
[8] LI Y,ZHANG L W,HE Y F,et al. UV-ozone sterilization system:An intelligent solution for Northern shrimp (Pandalus borealis) cold chain transportation emergencies[J]. Food Research International,2024,191: 114702.
[9] TIAN S,SHAO S Q,LIU B. Investigation on transient energy consumption of cold storages: Modeling and a case study[J]. Energy,2019,180: 1-9.
[10] 郑莲宝,李旺,王松伟,等. 基于场量传递的流动-传热-凝固过程耦合计算模型及其应用[J]. 材料导报,2024,38(20): 236-242.ZHENG Lianbao,LI Wang,WANG Songwei,et al. Calculation model couple flow,heat transfer and solidification process based on the fields transfer and its application[J]. Materials Reports,2024,38(20): 236-242.
[11] 赵明珠,王飞旺,唐冬冬,等. CFD 技术在重选领域的应用研究进展[J]. 有色金属(选矿部分),2023(6): 19-29.ZHAO Mingzhu,WANG Feiwang,TANG Dongdong,et al. Research progress in the application of CFD technology in gravity separation[J]. Nonferrous Metals Mieral Processing Section,2023(6): 19-29.
[12] 王亮,周建伟,邵澜媛,等. 计算流体动力学在食品热处理中的应用[J]. 食品工业科技,2014,35(3): 383-386,391.WANG Liang,ZHOU Jianwei,SHAO Lanyuan,et al. Application of computational fluid dynamics in food thermal processing[J]. Science and Technology of Food Industry,2014,35(3): 383-386,391.
[13] BARAKAT E,WANG H,ZHAO L F,et al. Enhancement of the precooling system performance for aviation engines by volatile liquid injection[J]. Applied Thermal Engineering,2024,249: 123446.
[14] VIITANEN V,SIPILÄ T,SÁNCHEZ-CAJA A,et al. CFD predictions of unsteady cavitation for a marine propeller in oblique inflow[J]. Ocean Engineering,2022,266: 112596.
[15] 马之辉,李兵兵,陈南. 基于CFD 热分析的动力电池包基础模组优化设计[J]. 机械制造与自动化,2024,53(6): 168-173,179.MA Zhihui,LI Bingbing,CHEN Nan. Basic module optimization design of power battery pack based on CFD thermal analysis[J]. Machine Building ＆ Automation,2024,53(6): 168-173,179.
[16] 李鹰翔,沈慧华,于晓民. CFD 仿真技术在博物馆温湿度控制中的应用[J]. 安装,2024(7): 72-75.LI Yingxiang,SHEN Huihua,YU Xiaomin. Application of CFD simulation technology in temperature and humidity control of museum[J]. Installation,2024(7): 72-75.
[17] 吴燕涛,赵谋明,李军. 计算流体动力学(CFD)在食品工业中的应用[J]. 食品与发酵工业,2006,32(9): 107-111.WU Yantao,ZHAO Mouming,LI Jun. Computational fluid dynamics for food industry[J]. Food and Fermentation Industries,2006,32(9): 107-111.
[18] JAFARI S M,GHALEGI GHALENOEI M,DEHNAD D. Influence of spray drying on water solubility index,apparent density,and anthocyanin content of pomegranate juice powder[J]. Powder Technology,2017,311: 59-65.
[19] 张凡,刘婉,郭勇颜,等. 黑盒测试技术在流体仿真软件研发中的应用实践[J]. 北京航空航天大学学报,2025,51(11): 3769-3780.ZHANG Fan,LIU Wan,GUO Yongyan,et al. Application and practice of black box testing technology in fluid simulation software[J].Journal of Beijing University of Aeronautics and Astronautics,2025,51(11): 3769-3780.
[20] CHEKIFI T,BOUKRAA M. CFD applications for sensible heat storage: A comprehensive review of numerical studies[J]. Journal of Energy Storage,2023,68: 107893.
[21] MADSEN M H A,ZAHLE F,SRENSEN N N,et al.Enhancing CFDbased design of wind turbine blades[J].Journal of Physics: Conference Series,2024,2767(5): 052048.
[22] 赵博文,张大朋,严谨. 两种通用CFD 软件求解器的对比研究[J]. 机电工程技术,2023,52(6): 122-129.ZHAO Bowen,ZHANG Dapeng,YAN Jin. Comparative study of two general CFD software solvers[J]. Mechanical ＆ Electrical Engineering Technology,2023,52(6): 122-129.
[23] 段文广. 基于FLUENT 的液体分布器内部流场分析[J]. 现代制造技术与装备,2009,45(2): 17-18.DUAN Wenguang. Analysis of liquid distributor internal flow based on FLUENT[J]. Modern Manufacturing Technology and Equipment,2009,45(2): 17-18.
[24] 刘妍玲,王世清,张岩,等. 计算流体力学在食品加工贮藏中的应用[J]. 保鲜与加工,2008,8(2): 15-18.LIU Yanling,WANG Shiqing,ZHANG Yan,et al. CFD and its application in food processing and storage[J]. Storage ＆ Process,2008,8(2): 15-18.
[25] 许亚优,田佳阔,戴兴茹,等. 基于FLUENT 数值模拟的径向水射流钻头前端结构参数优化[J]. 矿业研究与开发,2024,44(12):212-220.XU Yayou,TIAN Jiakuo,DAI Xingru,et al. Optimization of frontend structural parameters of radial water jet bit based on FLUENT numerical simulation[J]. Mining Research and Development,2024,44(12): 212-220.
[26] 张梦媛,丁龙亭,王选仓,等. 基于Comsol Multiphysics 的半浸泡非饱和水泥基材料水分输运数值模型研究[J]. 重庆大学学报,2024,47(12): 45-56.ZHANG Mengyuan,DING Longting,WANG Xuancang,et al. Numerical model of water transport in partially-immersed unsaturated cement-based materials using Comsol Multiphysics[J]. Journal of Chongqing University (Natural Science Edition),2024,47(12): 45-56.
[27] 马明凯,尹建勇,龚德鸿,等. 通孔平板附近空化泡动力学特性数值模拟研究[J]. 水力发电学报,2024,43(10): 63-75.MA Mingkai,YIN Jianyong,GONG Dehong,et al. Numerical study on dynamic behaviors of cavitation bubbles near through-hole flat plate[J]. Journal of Hydroelectric Engineering,2024,43(10): 63-75.
[28] 李晓伟,韩运动,陈大伟,等. 基于STAR-CCM+和ABAQUS 的高速列车受电弓流固耦合仿真分析[J]. 铁道技术标准(中英文),2024,6(11): 1-8.LI Xiaowei,HAN Yundong,CHEN Dawei,et al. Simulated analysis of fluid-structure coupling of high-speed train pantograph based on STAR-CCM+and ABAQUS[J]. Railway Technical Standard (Chinese ＆ English),2024,6(11): 1-8.
[29] 高旭怡,董垂锋. 基于PHOENICS 技术的岭南地区既有别墅建筑通风优化设计[J]. 鞋类工艺与设计,2024,4(21): 140-144.GAO Xuyi,DONG Chuifeng. Optimized design of ventilation for existing villa buildings in Lingnan area based on PHOENICS technology[J]. Shoes Technology and Design,2024,4(21): 140-144.
[30] 李孟卿,耿智化,朱丽春,等. 计算流体力学在果蔬干燥领域的研究进展[J]. 食品科学,2024,45(6): 294-305.LI Mengqing,GENG Zhihua,ZHU Lichun,et al. Research progress in computational fluid dynamics in fruit and vegetable drying[J].Food Science,2024,45(6): 294-305.
[31] PHAM Q T. Modelling heat and mass transfer in frozen foods: A review[J]. International Journal of Refrigeration,2006,29(6): 876-888.
[32] LAGUERRE O,DERENS E,FLICK D. Modelling of fish refrigeration using flake ice[J]. International Journal of Refrigeration,2018,85: 97-108.
[33] TANG Y L,HU Z X,TANG T Y,et al. Effect of goods stacking mode on temperature field of cold storage[J]. IOP Conference Series: Earth and Environmental Science,2021,675(1): 012052.
[34] ZHAO Y H,JI W,GUO J,et al. Numerical and experimental study on the quick freezing process of the bayberry[J]. Food and Bioproducts Processing,2020,119: 98-107.
[35] XIE J,QU X H,SHI J Y,et al. Effects of design parameters on flow and temperature fields of a cold store by CFD simulation[J]. Journal of Food Engineering,2006,77(2): 355-363.
[36] CHAUHAN A,TREMBLEY J,WROBEL L C,et al. Experimental and CFD validation of the thermal performance of a cryogenic batch freezer with the effect of loading[J]. Energy,2019,171: 77-94.
[37] PIECHNIK E,SMOLKA J,PALACZ M,et al. Experimentally validated CFD-tool for a freezing simulation in a small-scale freezedryer[J]. Journal of Food Engineering,2024,367: 111888.
[38] 黄世苗. 肉制品冷库流场及温度场数值模拟[J]. 制冷,2022,41(1): 19-23.HUANG Shimiao. Numerical simulation of cold storage and temperature fields for meat products[J]. Refrigeration,2022,41(1): 19-23.
[39] 尹义金,李金伟,王超,等. 不同风速对冷库温度场和流场性能影响的研究[J]. 青岛大学学报(工程技术版),2018,33(2): 94-99.YIN Yijin,LI Jinwei,WANG Chao,et al. Effects of different wind speeds on temperature field and air flow field in cold storage[J].Journal of Qingdao University (Engineering ＆ Technology Edition),2018,33(2): 94-99.
[40] 翟希川,刘永峰,王烨,等. 基于CFD 的建模技术在食品冷链物流中的应用[J]. 食品安全质量检测学报,2015,6(1): 207-211.ZHAI Xichuan,LIU Yongfeng,WANG Ye,et al. Application of modeling techniques based on CFD in food cold chain logistics[J].Journal of Food Safety ＆ Quality,2015,6(1): 207-211.
[41] JARA P B T,RIVERA J J A,MERINO C E B,et al. Thermal behavior of a refrigerated vehicle: Process simulation[J]. International Journal of Refrigeration,2019,100: 124-130.
[42] 王朋. 南极磷虾船货舱流场和温度场数值模拟[J]. 海洋技术学报,2022,41(5): 73-82.WANG Peng. Numerical simulation of flow field and temperature field in cargo tank of Antarctic krill ship[J]. Journal of Ocean Technology,2022,41(5): 73-82.
[43] 李兰兰. 基于FLUENT 数值仿真的新型南极磷虾船冷藏舱优化设计[J]. 船舶工程,2024,46(10): 85-89,98.LI Lanlan. Optimization design of refrigerated hold for new Antarctic krill ship based on FLUENT numerical simulation[J]. Ship Engineering,2024,46(10): 85-89,98.
[44] 朱发新,李玉乐,卢金树. 一种超低温运输船冷藏舱舱室设计[J]. 船海工程,2015,44(3): 19-22.ZHU Faxin,LI Yule,LU Jinshu. Design of the ultra low-temperature refrigerated hold in the refrigerated vessel[J]. Ship ＆ Ocean Engineering,2015,44(3): 19-22.
[45] GETAHUN S,AMBAW A,DELELE M,et al. Experimental and numerical investigation of airflow inside refrigerated shipping containers[J]. Food and Bioprocess Technology,2018,11(6): 1164-1176.
[46] 田津津,王飒飒,张哲,等. 冷藏集装箱内部流场的动态数值模拟与验证[J]. 食品与机械,2016,32(4): 136-142.TIAN Jinjin,WANG Sasa,ZHANG Zhe,et al. Dynamic numerical simulation and experimental research on internal flow field of refrigerated containers[J]. Food and Machinery,2016,32(4): 136-142.
[47] AMBAW A,VERBOVEN P,DEFRAEYE T,et al. Effect of box materials on the distribution of 1-MCP gas during cold storage: A CFD study[J]. Journal of Food Engineering,2013,119(1): 150-158.
[48] TAN S H,ZHANG X L. Numerical study on temperature control of double-layer phase-change material cold storage box[J]. Journal of Energy Storage,2024,85: 111031.
[49] ZHANG Y A,XU Y Q,LU R W,et al. Form-stable cold storage phase change materials with durable cold insulation for cold chain logistics of food[J]. Postharvest Biology and Technology,2023,203:112409.
[50] PRAKASH R,RAVINDRA M R. Cold thermal energy storage for milk chilling: A numerical and experimental study[J]. Journal of Food Engineering,2023,337: 111223.
[51] 吴如书,刘升,章学来,等. 基于CFD 模拟研究不同保温结构和温度对番茄冷藏配送品质和效果的影响[J]. 制冷学报,2021,42(4): 149-157.WU Rushu,LIU Sheng,ZHANG Xuelai,et al. CFD simulation on study the influence of different insulation structures and temperature on cold storage delivery quality and effect of tomato[J]. Journal of Refrigeration,2021,42(4): 149-157.
[52] 王雪松,谢晶. 蓄冷保温箱的研究进展[J]. 食品与机械,2019,35(8): 232-236.WANG Xuesong,XIE Jing. Research progress of cold storage type incubator[J]. Food ＆ Machinery,2019,35(8): 232-236.