近年来,随着我国经济的快速发展,空气污染问题越来越严重,人们对室内空气质量的关注越来越多。每个人的一生大约有80%的时间在室内度过,室内空气质量直接影响着人们的生活健康。为了减小室内的颗粒物污染,使用空气净化器是一种便捷有效的方法,各种空气净化技术可以有效解决室内空气污染问题,现在市场上涌现出了各式各样的空气净化器,改善了室内空气质量,创造了健康舒适的室内环境。随着智能化的发展对空气净化器提出了更高的要求。现在人们在使用空气净化器时绝大多数是依据个人习惯,不能确定空气净化器的最佳运行方式也不确定空气净化器的最佳净化效果。由此本课题将通过数值模拟对空气净化器净化PM2.5颗粒物的净化时间进行研究,用实验验证模型的准确性并用回归统计分析的方法进行数据处理。通过全面探究PM2.5净化时间在不同影响因素下的变化情况,得到PM2.5净化时间的预测模型,进而提出空气净化器最佳运行模式的智能控制方案,主要有以下内容和结果:（1）通过理论分析,在对颗粒物运动机理、运动过程中的受力分析和净化器性能参数进行充分研究的基础上,确定PM2.5净化时间作为研究对象,PM2.5初始浓度、送风方向、房间面积、房间长宽比、送风速度、仰角角度以及人员夹角和人员距离作为影响因子,并根据研究的需要对各影响因子的取值范围进行了确定。（2）在模拟研究中首先建立了与实验环境舱相同尺寸的小型空气净化器净化房间模型,通过实验验证了模型的准确性,然后建立了不同尺寸的大型空气净化器房间模型,通过模拟计算得到了净化器送风方向对室内1.1m高度处PM2.5浓度分布的影响,送风方向不同,各测点位置处的PM2.5浓度下降至15μg/m³的时间也不同,当送风方向与测点位置一致时,净化时间最快。（3）模拟了送风速度和仰角角度不同的九种运行模式下,PM2.5初始浓度、送风方向、房间面积、房间长宽比变化时,室内不同人员位置处PM2.5浓度的变化情况,将模拟结果利用Origin软件进行分析得到PM2.5浓度下降至15μg/m³的时间,并将结果整理成统计回归资料,共得到9组回归资料共3300个净化时间。（4）建立PM2.5净化时间预测模型。通过对9组回归资料进行回归统计,首先选用SPSS软件对9组回归资料进行多元线性回归分析,通过检验模型的拟合程度,t_M4、t_M5、t_M6、t_M7、t_M8、t_M9模型的拟合程度较好,选用线性模型,进一步进行回归系数的显著性检验,得到PM2.5净化时间预测模型。对于t_M1、t_M2、t_M3的模型线性拟合程度欠佳,利用python软件建立非线性回归模型,并通过对回归方程显著性检验最终得到PM2.5净化时间预测模型。并对各回归模型进行验证。（5）针对空气净化器原自动模式的局限性,提出了运行模式的智能控制方案。在PM2.5净化时间预测模型的基础上,首先追踪人员位置确定送风方向,然后根据各影响因子的变化选择最佳智能控制运行方案,最后根据各人员位置处的净化时间判断空气净化器的助推风扇是否需要水平摆动,达到人员位置处净化时间最小的目的。将智能控制方案下的净化时间与空气净化器原有的净化模式进行对比,智能控制方案下PM2.5的净化时间平均减少15%³0%。本课题采用的数值模拟与统计分析相结合的方法研究建立了PM2.5净化时间预测模型,并提出智能控制方案,为进一步研究空气净化器的智能控制奠定了基础。