基于PowerFLOW的重型卡車外流場優化模擬分析

余浪，黃華，邵廣濤，林曉慶

（濰柴動力上海研發中心，上海 210315）

基于PowerFLOW的重型卡車外流場優化模擬分析

余浪，黃華，邵廣濤，林曉慶

（濰柴動力上海研發中心，上海 210315）

利用基于LBM方法的CFD軟件PowerFLOW對某重型卡車駕駛室展開外流場模擬分析,對外流場影響較大的8個設計參數，進行DOE優化，得出既符合工程設計要求，外流場風阻系數又最優的參數組合，并應用到外CAS設計中，最終整車外流場風阻系數Cd＜0.540，遠低于國內的競爭對手。

重型卡車；外流場；DOE；PowerFLOW

余 浪

畢業于重慶大學機械學院現任于濰柴動力上海研發中心所長，研究方向為車身開發，已發表《輕型客車車身降噪方案設計》；《高強度鋼板在重型貨車車身中的應用》等多篇論文。

1 前言

基于計算流體力學（CFD）的車輛空氣動力學數字技術已經在重卡駕駛室開發中廣泛應用，傳統的CFD方法求解基于連續介質力學的N-S方程，它是一種宏觀描述。

美國EXA公司的PowerFLOW基于分子運動論的LBM方法，求解描述流體微團運動的Boltzmann方程，它是一種微觀描述，包含必要的微觀物理性質，可獲得理想的宏觀流體行為。

本文重點說明了利用PowerFLOW對某重卡駕駛室在造型開發效果圖階段即引入外流場數字模擬，評估現有狀態的空氣動力學性能，分析敏感區域，研究對外流場影響較大的8個參數，同時考慮8個參數之間的相互變化對流場的影響。在工程可實施的范圍內進行組合優化，保證整車外流場風阻系數最低，極大限度的研究整車外流場潛在優化空間，將滿足工程要求和達到外流場目標的參數組合作為最終CAS的設計輸入。

2 分析理論和方法

格子Boltzmann方法(Lattice Boltzmann Method,簡稱LBM)是建立在分子運動論和統計力學基礎上的一種模擬流場的數值方法，其粒子分布函數滿足Lattice Boltzmann方程。

傳統的計算方法大多是先將宏觀控制方程離散,然后使用某種數值方法求解離散方程,最后得到宏觀的各個物理量。而LBM從微觀動力學角度出發,將流體的宏觀運動看作是大量微觀粒子運動的統計平均結果.宏觀的物理量可由微觀粒子的統計平均得到。

LBM方法將連續介質看作大量位于網格節點上的離散流體質點粒子.粒子按碰撞和遷移規則在網格上運動,通過對各網格流體質點及運動特征的統計，獲得流體宏觀運動規律。

粒子分布函數f(r,e,t)drde表示在t時刻，在空間r處，粒子的速度在e到e+de的粒子數密度。

LB方法的動力學演化方程，如下:

式中：fi是指某一時刻某一位置處沿i方向的粒子速度分布函數；是碰撞算子，它表示發生碰撞后的變化率，僅與當地平衡分布函數有關。

在LBM中確定碰撞算子是最困難的，計算模型不同，碰撞算子也不相同。最簡單的線性化碰撞算子是采用了松弛時間，這個松弛時間是與使用了單松弛時間的當地平衡狀態接近的，它是著名的Bhatnagar-Gross-Krook(BGK)碰撞算子：

粒子分布函數 滿足Lattice Boltzmann方程：

流體密度 ρ和動量 ρu可由分布函數求得：

由某一時刻(時間步t)的密度分布函數fa(x,t),可以計算出該時刻的宏觀密度p(x,t)和宏觀速度u(x,t)；接著可以得到此時的平衡分布函數faeq(x,t)；根據BGK碰撞模型可以得到碰撞后的密度分布函數；通過流動分步，就可以得到下一時刻(即時間步t+1)的密度分布函fa(x,t+1)。重復上述過程，可以實現整個過程的不斷演化。

3 基準幾何模型建立

圖1給出了計算用的底盤模型，此次針對牽引車模型展開計算分析，掛車采用了簡化模型，掛車下部僅保留了輪胎，其它底部模型都進行了刪除；

圖2 給出了冷卻模塊的模型，由冷凝器、中冷器、水箱和風扇模型構成。

依據車身外造型效果草圖(圖3)，在PowerFLOW軟件中建立對應的仿真計算用的整車基準模型(圖4)，對外氣動影響較大的特征，與車身外造型效果草圖保持一致：

-遮陽板特征：影響氣流向上流動的方向；-下保險杠上表面特征：影響發動機艙氣流和兩側氣流的流動方向；

-門把手區域和輪罩特征：影響氣流通過側導流板的流動方向；

-A柱形狀角度、車門 ；

-玻璃弧度，后視鏡形狀 ；

4 邊界條件設定

在PowerFlow模擬過程中，前端來流方向的斷面為入口邊界，設定入口邊界為速度入口，流速v =100 km/h，出口邊界為壓力出口，出口壓力p =0；車輛模型設置為固定無滑移面邊界，計算域左右側面和頂面設置為滑移壁面邊界，車輛前端地面設置為滑移壁面邊界，速度與來流方向速度相同，車輛附近及車輛后部地面設置為固壁無滑移壁面邊界，車輪為旋轉車輪。

5 CFD模擬分析

5.1 基準模型氣動阻力分析

氣動阻力與氣流流經車身的過程有關，氣流在流經車身是產生附面層、氣流分離及漩渦。附面層表現為摩擦阻力，氣流分離表現為壓差阻力，渦旋表現為誘導阻力，3部分構成了汽車所受的氣動阻力。圖7為基準分析模型從前往后沿車身長度方向的阻力發展曲線，風阻系數Cd=0.599，遠高于項目初始定義的風阻系數Cd=0.540的目標，與競爭對手的平均風阻系數值cd=0.57也有較大差距。從圖8中心速度切片云圖可以看出，貨箱前表面頂部存在氣流滯止區，駕駛室和貨箱間存在高速氣流 。

進一步對分析結果進行詳細分析，從圖9總壓等值面圖和圖10總壓切片圖可以看出，后視鏡后部的尾渦較大，能量損失較大，意味著阻力提供較大，主要是因為后視鏡的形狀設計不合理，產生了較大的流動分離，同時后視鏡與A柱的距離也不合適，導致了氣流無法順利通過，形成了氣流紊亂；貨廂前表面存在較大的氣流分離，原因是頂導流罩的高度與貨廂匹配不合理，同時側導流罩的角度與貨廂匹配的不合理；在頂導流上存在氣流分離，主要是因為頂導流罩與頂蓋的距離不合理。

5.2 確定優化參數和優化范圍

對基準模型CFD仿真后得出的問題進行原因分析，同時考慮前面罩格柵的開孔的大小對風阻系數影響也較大，與工程團隊一共確定了圖11中的8個對外流場風阻系數影響最大的參數，同時結合工程可行性，確定了這些參數的可優化范圍（表1）。

表1 8個參數的研究范圍

5.3 優化分析

在模型中按照表1定義的8個參數的優化范圍，在模型中優化對應零部件的形狀。優化過程為以風阻系數為目標，確定的8個系數作為變量，創建8維設計空間，由于8個參數之間相互影響，最佳結果存在1個或多個不同的參數組合，通過以往的計算方法很難找到最優的參數組合。

圖12給出了側導流罩形狀的優化范圍，圖13為后視鏡內倒角的角度優化范圍。

本文通過對8個參數進行DOE優化，預測各參數組合之間對風阻系數的敏感響應面（圖14），然后在響應面的低谷附近預測參數，將這些參數應用到模型中，進行確認計算，是否風阻系數確實比較低。通過不斷的預測和實際計算驗證，當預測結果和實際計算的結果風阻系數誤差不斷地減小，則最佳響應曲面將逐步的和仿真結果吻合。圖15為對應單個參數的響應面，綠色曲線為響應面，藍色點為風阻最低的點。

在PowerFLOW軟件中對相應部件按照給定的優化范圍，首依據經驗先給出前10組參數，選擇的參數要能覆蓋變量范圍，目的是為了對整個參數空間進行初步填充，幾何模型及仿真結果見圖16和圖17。

在完成前10次仿真計算后，選取了有用的參數，再進行了10次DOE仿真的計算，目的是為了對已經初步填充的參數空間進行加密，見圖18。對參數進行第二次填充，尋找更接近真實情況的響應面曲，計算結果的預測值在該響應面曲線上，真實的計算結果往往是偏離響應面曲線，與初步預測值不同，存在預測誤差。但通過進行較多輪的計算結果的基礎上，重新擬合響應面，從而找到最優結果。預測的目的是為了減少計算次數。

通過第10-20次計算的基礎上得到紅色曲線預測結果，雖然說誤差較大，但趨勢已經基本符合。

表2 前20輪風阻最低的參數組合

通過前20輪的計算，發現在第12輪計算結果最好Cd=0.534。圖19給出了通過前20次計算得到8個參數的與風阻的響應面，綠色曲線為響應面，藍色點為通過20次計算得到的風阻最低的第12輪的參數組合的值，表2。

從圖19可以看出，除了后視鏡和A柱的距離、后視鏡外倒角、前格柵開口都靠近最佳值，其他參數都未達到最佳結果。為了尋找最佳的結果，在第12輪附近選擇更多的參數組合，進行了3輪的補充計算（圖20）。第21-23輪計算結果與預測值對比，預測值趨勢已經符合很好，但誤差已經很?。▓D21）。

由于僅第21輪風阻值低于目標值，第22和23輪風阻值都高于目標值，因此不能確定第12輪的風阻值是否即為最低值，因此在第12輪附件選擇更多的參數組合進行了第24輪、第25輪和第26輪的第二次補充計算。

從圖24可以看出，第 24-26輪計算結果與預測值對比，第24、25輪的預測值與計算值十分接近，并且都在第12輪附近，第26輪計算值與預測值誤差較大 ，還不能完全確定第12輪的參數組合是否為最優結果，還需要進一步尋找更多的參數進行驗算，表3。

表3 補充計算風阻最低的參數組合

圖22中給出了經過前26輪計算得到的各參數組合及單個參數對風阻影響的敏感等級。上半部分為8個參數的相互影響，下半部分為單個參數的影響，其中可以看出：單個參數影響較小的參數，組合起來的影響要大的多。參數間相互影響較大的為遮陽板與車頂間隙和頂導流罩開口大小，單個參數影響最大的頂導流罩開口大小。

對圖22中給出的對風阻影響大的參數應用到第27-36輪計算中，圖23，紅色曲線為通過前26輪計算結果得到的預測值（通過預測發現是否有其他參數組合較低的阻力值） ，藍色曲線為仿真結果，第27-36輪計算結果與預測值對比（圖24），計算值與預測值誤差較小。在第36次計算中發現較低的阻力值Cd=0.536，表4。

表4 第27-36輪風阻最低的參數組合

在第36輪基礎上，進行了3輪的補充驗算。圖24中給出的第37-39輪紅色曲線為通過前36輪計算結果得到的預測值，藍色曲線為仿真結果，第37-39輪計算結果與預測值對比，計算值與預測值誤差較小，且第37輪得到的風阻系數Cd=0.532,說明已基本找到了風阻的最低點。

通過前39輪的計算，為了尋找是否在第37輪結果Cd=0.532附近是否有對應更低的風阻系數的參數組合，又追加3輪計算進行補充驗證，第40-42輪計算結果與預測值對比，計算值與預測值誤差較小，最后12次計算的結果預測非常貼近真實結果，大量的計算結果低于目標值，這標志著目標值低于0.54有著較大的設計空間。

通過前42輪的計算（圖24），發現第41輪的風阻系數值最低，Cd=0.530，但后視鏡和A柱的距離136.133 mm過大，導致后視鏡寬度超出法規要求。與工程團隊討論，更改模型中后視鏡和A柱之間的距離，選取80 mm和90 mm，進行了第43輪和第44輪進行計算，第44輪模型計算結果要優于第43輪的模型結果。最終以第44輪的參數作為外CAS的設計方向，表5中給出了三輪參數的對比表，圖25給出了最終的8個參數值。

表5 補充計算參數

6 分析結果

將優化確定的8個參數值(圖25)，應用到CAS設計中，采用PowerFlow 軟件對更新后的CAS進行最終確認模擬分析，風阻系數Cd=0.538，圖26給出了第44輪模型和CAS面的沿X方向的阻力發展曲線。CAS的風阻系數增加了0.003。

從圖27速度流場云圖可以看出，頂導流罩和貨廂之間流線平滑。從圖28可以看出后視鏡尾渦變小，A柱與后視鏡之間沒有出現流動分離。

7 總結

1)、通過對基準模型進行分析,確定了對外流場風阻系數影響最大的8個優化參數和各參數對應的優化范圍。

2)、對8個參數進行了44輪的DOE優化，最大限度的研究了整車外流場風阻系數優化的潛在空間。

3)、將最終優化后的參數應用到外CAS設計中，為外CAS設計指明了方向。最終外CAS風阻系數Cd=0.538，低于項目初始定義的目標要求。

[1]K.Salari et al,”DOE Heavy Vehicle Systems Review”,April 18-20,2006.

[2]PowerFlow User's Guide, Release 4.1, Exa Corporation, Burlington, Massachusetts,2008.

[3]傅立敏.汽車設計與空氣動力學.北京:機械工業出版社, 2010.

[4]Leitz,R.,et al.,“Exterior Airflow Simulations Using a lattice Boltzmann Approach,” SAE Technical Paper Series 2002-0154, 2002.

[5]Ming Jiang. Evaluation and Optimization of Aerodynamic and Aero-acoustic Performance of a Heavy Truck using Digital Simulation. SAE Technical Paper Series 2011.

[6]S.Chen and G.D.Doolen,"Lattice Boltzmann method for fluid flows", Annual Review of Fluid Mechanics, 30: 329-364, 1998.

專家推薦

何 力：

對影響風阻的關鍵因素進行參數化定義，應用DOE方法優化整車風阻，縮短仿真周期、降低仿真費用是CAE技術在整車產品正向開發過程中發揮作用的重要進步。

Aerodynamic Optimization Analysis of the Heavy Duty Truck Based on PowerFLOW

YU Lang, HUANG Hua, SHAO Guang-tao, LIN Xiao-qing
( Shanghai R&D Center weichai power, Shanghai 210315, China )

We use the software PoweFLOW which based on LBM method to analyze the aerodynamic performance of the heavy duty truck. In order to find out the parameter group which not only good to engineering development, but also good to aerodynamic performance. We use the DOE method to optimize the 8 engineering parameters which high influence to the aerodynamic performance. Then All the parameters are implemented on CAS which finally vehicle Cd＜0.540. It is better than the domestic competitors.

Heavy duty truck; Aerodynamic simulation; DOE; PowerFLOW

U462.3+4

A

1005-2550（2016）01-0038-08

10.3969/j.issn.1005-2550.2016.01.008

2015-07-22