基于集成方法的汽車除霜除霧風道改進

谷正氣，文琪，湯柱良，陳陣，黃泰明

?

基于集成方法的汽車除霜除霧風道改進

谷正氣1, 2，文琪1，湯柱良1，陳陣1，黃泰明1

(1. 湖南大學汽車車身先進設計制造國家重點實驗室，湖南長沙，410082；2.湖南文理學院洞庭湖生態經濟區建設與發展協同創新中心，湖南常德，415000)

針對目前汽車除霜除霧性能普遍不高的問題，采用RNG?模擬的計算方法，對某車型前擋風玻璃除霜除霧性能改進進行了研究。首先，利用試驗驗證仿真方法的準確性；然后通過分析初始模型的除霜除霧性能，提出了在除霜除霧風道中添加4個導流板，把導流板的6個結構尺寸作為優化變量，將前擋風玻璃，′和區的努賽爾數作為優化目標，同時為了提高優化效率，基于一種計算流體力學與優化算法相集成的方法，對除霜除霧風道結構進行優化改進進而得到最優參數；最后，將改進后的風道系統應用到除霜除霧性能分析。研究結果表明：在不增加空調送風量的前提下改進后的風道送風分布更加均勻，區和’區的努賽爾數分別提高了13.2%和7.7%，除霜除霧性能得到明顯改善。

除霜除霧；RNG模型；導流板；集成優化

汽車鼓風機吸入氣流通過除霜除霧風道將其輸送到前擋風玻璃內表面，而風道系統設計是直接影響前擋風玻璃內表面流場分布，氣流的不均勻將導致霜霧不能在較短的時間內除盡，這將造成駕駛員視野模糊，導致安全隱患，GB 11555—2009[1]對汽車前擋風玻璃的除霜除霧性能有明確的規定，除盡某些特定區域的霜霧需要的時間越短越好。因此，優化除霜除霧風道結構具有重要實際意義。國內外學者對改進汽車前擋風玻璃除霜除霧性能做了一定的研究。張曉蘭等[2]運用STAR CCM+軟件模擬除霜風道內部的空氣流動，從流場特性的角度對風道結構進行優化。董素艷[3]采用CFD方法對除霜瞬態過程分析，與試驗結果對比驗證了仿真的準確性。袁俠義等[4]中提出了優化風量分配，優化氣流走勢的方法改進汽車擋風玻璃的除霜性能。HUANG等[5?6]采用數值仿真與試驗驗證相結合的方法，對除霜風管與內部結構進行改進，使得除霜效果滿足所需要求。LI等[7?8]針對客車空調熱源不足影響風擋玻璃的除霜效果，采用電阻絲加熱方式加快除霜。谷正氣等[9?10]研究了送風口型式，氣流參數對除霜除霧性能的影響，并將動網格技術運用到汽車除霜除霧的計算中，讓除霜氣流以一定規律變化，先快速除盡對駕駛員影響較大的區域。然而這些研究都只針對汽車除霜或者除霧性能單個目標進行改進，經驗性較強，效率較低且具有一定的盲目性，往往無法獲得最優結構。基于此，本文作者綜合考慮汽車除霜除霧性能。首先得到初始模型的前擋風玻璃的速度分布云圖，然后分析其除霜除霧性能，接著為了改善玻璃近壁面的流場分布，提出了在風道中添加4個導流板，把導流板的6個結構尺寸作為優化變量，基于一種計算流體力學與優化算法相集成的方法，得到風道結構最優參數。最后對比分析優化前后的除霜除霧效果。

1 初始模型除霜除霧效果分析

1.1 物理模型

本文的研究對象為某轎車的乘員艙，包含了除霜風道、乘員艙、玻璃等。其中，根據GB 11555—2009規定將前風窗玻璃分為，′和區，如圖1所示。

1.2 除霜除霧數學模型

計算除霜過程分2步，先獲得乘員艙內穩態流場，然后以穩態流場作為初始條件對霜層融化過程進行瞬態計算。將霜層看作流體，相變過程隨溫度變化，用液相率表征其融化狀態[10]：

其中：L為液相溫度；S為固相溫度；當=1時，霜層完全溶解。

當汽車擋風玻璃的溫度低于露點溫度的時候，玻璃表面上的濕氣凝結成霧滴，將附在擋風玻璃表面上霧滴看作是無數個小半球形的聚集，同時霧滴的蒸發過程是一個傳熱和傳質同時并存又相互影響與促進的過程，霧的蒸發和凝結過程看作是小霧滴半徑的收縮和擴大的過程，霧滴的半徑計算公式[9]：

其中：d為霧滴的熱量；d為霧滴的溫度，K；a為霧滴附近的空氣溫度，K；g為玻璃內表面的溫度，K；為霧滴的半徑，m；為水滴與空氣之間的表面熱傳導系數；g為玻璃的導熱系數；為玻璃的厚度，m；當=0時，霧滴完全除盡。

1.3 網格劃分及邊界條件設置

由于本文前擋風玻璃是重點關注對象，所以在前擋風玻璃區域采用密度盒加密處理，對空氣域采用四面體、前擋風玻璃采用棱柱體網格離散。如圖2所示，網格單元數為269萬[11]，玻璃厚度為4 mm。計算過程中將空氣定為常密度、不可壓氣體。

圖2 乘員艙及玻璃截面網格劃分

邊界條件設置如下：霜層的初始厚度為0.05 mm，霧滴的初始半徑為0.01 mm，除霜除霧送風口設為速度入口邊界，為3.2 m/s，相對濕度為50%，瞬態計算過程中送風溫度為308 K，出風口設為壓力出口，為 1×105Pa，乘員艙，儀表盤等為靜止壁面，前擋風玻璃與空氣、霜層與前擋風玻璃之間為熱耦合邊界等。

1.4 RNG湍流模型試驗驗證

RNG湍流模型[12]通過修正湍流黏度，考慮了平均流動中的旋轉流動情況，可以更好地處理高應變率及流線彎曲程度較強的流動。因此，RNG湍流模型適合汽車除霜除霧的仿真計算。

RNG?湍流模型控制方程為：

式中；為流體密度；為湍流動能；為湍流動能耗散率；G為由平均速度梯度引起的湍動能的產生項。

由于除霜除霧風洞試驗環境因數不易控制，且費用非常高，所以，本文利用相似模型來驗證仿真方法的準確性。ROY等[13]將冷氣流沖擊熱壁面測量其傳熱，該模型為某轎車風擋及HVAC模塊，玻璃傾角為39°，厚為6 mm，導熱率為1.4 W，在玻璃外部的中心位置，固定一長×寬為0.304 8 m×0.457 2 m的熱板提供恒定的熱源，功率為368 W/m2，送風溫度采用T型熱電偶測得，為25.5°，前擋風玻璃內壁處的熱板位置溫度采用液晶溫度傳感器測量，將得到的計算值與Subrata Roy的試驗值對比，=633.3 mm位置處的溫度如圖3所示，熱板溫度分布云圖如圖4所示。從圖3和圖4可以發現：試驗值與仿真值溫差在5°以內，因此，驗證了該數值計算方法的準確性。

圖3 Z=633.3 mm處試驗與仿真溫度對比

1.5 初始模型除霜除霧效果

依據該方法，對某轎車的乘員艙玻璃表面的流場分布進行計算，速度分布云圖如圖5所示。從圖5可以看出：除霜除霧氣流分別從左右兩側發散開，呈“V”字形，直接導致玻璃正中間位置的氣流速度較低，存在吹風死角，導致該區域的霜層不能迅速的融化，有必要進行進一步優化。

(a) 試驗溫度分布；(b) 仿真溫度分布

圖5 速度分布云圖

2 基于程序集成的除霜除霧風道 改進

2.1 優化目標與設計變量

不增加空調功率的前提下，風窗玻璃除霜除霧的效果取決于玻璃內表面的風速分布，因此氣流分布應該盡可能的均勻，避免出現前文所述的吹風死角，而流場分布很大程度上取決于除霜除霧風道的影響，故不改變風道的大體結構，在風道內部添加如圖6所示的導流板，其作用是使送風分布更加均勻，為了獲得導流板的最佳尺寸，優化參數為導流板的位置尺寸和特征尺寸1，2，1，2，1和2。

圖6 導流板安裝位置與設計參數示意圖

努塞爾數表征對流傳熱的強弱。汽車前擋風玻璃區和′區為重點關注區域，為了對除霜除霧過程進行優化，因此，以，′和區的玻璃壁面努賽爾數作為目標函數，如下式所示：

st.1ε[20°，60°]，2ε[50°，90°]

1∈[30 mm，60 mm]，2∈[30 mm，60 mm]

1∈[40 mm，70 mm]，2∈[120 mm，150 mm]

2.2 樣本點選取

試驗設計簡稱DOE，是一種研究與處理多個因子與相應變量關系的科學方法，最初應用于農業試驗中。其理論基礎為概率論和數理統計，通過選擇合理的試驗條件，找到最優的改進方案。經過80多年的發展，試驗設計已經獲得了廣泛應用。伴隨著硬件技術和CFD技術的不斷發展，試驗設計越來越廣泛地應用到CFD仿真計算中，利用數值仿真結果進行試驗設計的優勢在于能夠降低工程設計成本，提高效率。采用DOE[14]的主要目的包括：

1) 分析設計空間并為優化設計提供粗略的估計。

2) 篩選大量的設計參數進行數值優化，縮減設計空間。

3) 獲得更多設計空間的信息：設計參數是怎樣影響優化目標和約束條件的，設計參數間的交互效應。

4) 確定最佳影響力的設計參數，減少設計參數的數量，從而提高優化速度。

5) 得到結構化的數值，從而構建近似模型。

工程實踐中比較典型的試驗設計方法包括：正交數組法、全因子法、中心復合法、拉丁超立方抽樣與優化拉丁超立方抽樣等。拉丁超立方試驗設計是一種約束隨機生成均勻樣本點的試驗設計和采樣方法，常用來研究多因素試驗設計。具有樣本記憶功能，能夠避免重復抽樣，還能使分布在邊界外的樣本點參與抽樣。這些特點就使得拉丁超立方試驗設計方法不僅抽樣效率高，而且能夠在抽樣較少的條件下獲得較高的計算精度。拉丁超立方設計的具有如下優點[15]：1) 有效的空間填充能力。拉丁超立方設計試驗次數=水平數≥因子數+1，大大減少了試驗次數。2) 擬合非線性響應。拉丁超立方設計對水平值分級寬松，試驗次數可以人為控制。

因此，本文選擇拉丁超立方設計作為試驗設計方法，試驗因子為導流板的偏轉角度及位置參數，使用該方法進行采樣，確定樣本點為58組。通過計算后，獲得了58組設計變量，如表1所示。

表1 試驗設計結果

2.3 程序集成與近似模型建立

近似模型的建立依托于大量的樣本點，需要進行多次模型的修改、網格劃分、仿真計算，完全憑借人工設置需要進行大量的重復勞動，效率低下且計算過程中容易發生錯誤。為克服此種缺點，利用iSIGHT軟件將UG NX6.0，ICEM和Fluent集成起來[16]，在iSIGHT中對建模、網格劃分和仿真計算進行統一調用，實現模型響應值的快速自動生成。

根據需要修改的參數建立ugupdate.exe程序，該程序的作用是調用UG中的模型更新模塊，以修改所需變量，在ICEM中生成劃分網格所需的腳本文件icem.rpl，在Fluent中生成設置計算條件的腳本文件solve.jou，對腳本文件均采用MS-DOS 批處理文件進行調用，然后在iSIGHT的Simcode程序集成組件中讀取各個腳本文件，建立輸入輸出參數，輸入參數設置為各個變量，輸出參數則由Fluent計算結果獲得，最終對結果進行解析來建立近似模型。

圖7 程序集成參數

將表1中的設計變量作為輸入參數，在iSIGHT集成控制的環境下，使用ugupdate.exe修改模型，通過Fluent仿真計算，得到每組設計變量對應區、′區和區域努賽爾數的響應值，見表2。

表3所示為某組試驗點分別利用程序集成方法和傳統人工方法的計算時間對比。從表3可以看出：與傳統人工設置計算相比，利用計算機技術實現UG NX6.0、ICEM、Fluent等軟件的自動調用(即程序集成方法)，其整個計算過程耗時縮短了約一半，計算效率明顯提高。

近似模型(approximate surrogate model)是指在不影響仿真精度的條件下，利用回歸、擬合、插值等方法來構造的1個計算量小、計算周期短，但計算結果與數值分析或物理實驗結果相近的模型，與其他模型相比，Kriging模型構建的近似面可以覆蓋所有的樣本點，近似面質量很高[17]。因此，在本文中采用Kriging模型用于構建近似面，根據表2的樣本點及其響應值建立起近似模型，圖8所示為1和2關于Nu，Nu和Nu的近似曲面。

表2 試驗點的響應值

表3 CFD計算時間對比

為了檢驗Kriging模型的擬合精度需要對其進行誤差分析，表4所示為誤差均值、最大值、均方根值以及決定系數2，前三項越小，說明近似模型的誤差越小，2越接近于1近似模型的擬合度越好，可以看出誤差的均值、最大值和均方根基本上都在0.1以下，而決定系數在0.96以上，可知該模型對響應量的擬合十分精確，因此，CFD仿真計算可以用該近似模型來取代。

2.4 優化結果分析

遺傳算法(GA)是一種基于生物選擇與進化的全局搜索優化算法，源于生物學中的“適者生存”理論[18]，它采用概率轉移率，以一定的概率從整體中選出一部分個體讓其進行繁殖，選出另一些個體讓其死亡，這樣就可以在解空間里改進可能性最大的區域里進行搜索。在解決多目標優化的問題上，正因為遺傳算法的全局優化特點以及它的內在并行機制使它非常具有優勢，同時在具有多個變量或者目標函數、非線性數學表達式以及使用常規方法難以解決的復雜場合里也適用。自20世紀60年代GA被提出后，它就被廣泛地應用于航空領域的氣動優化中[19]，在本文的優化求解中，它的初始種群數為30，進化繁殖100代，最終獲得努賽爾數最優解，見表5，且優化過程耗時為22 h左右。將優化的設計參數引入UG模型中，對最優解進行CFD計算驗證，得出目標仿真值，誤差在3%以內，可信度較高，進一步說明用近似模型值代替CFD計算值是可行的，具體對比結果見表6。

(a) β1和β2關于Nua的近似曲面；(b) β1和β2關于Nub的近似曲面；(c) β1和β2關于Nuc的近似曲面

表4 近似模型誤差分析

表5 最優點優化結果

表6 最優點仿真值與近似模型響應值對比

圖9所示為優化后前擋風玻璃近壁面速度分布云圖。從圖9可知：優化后由于導流板引流的作用，使得擋風玻璃近壁面速度分布更加均勻，且區的送風速度明顯增加，速度死角基本消除，更有利于除霜除霧性能的提高。

圖9 擋風玻璃速度分布云圖

努塞爾數反映了對流傳熱的強弱。對流換熱強弱與擋風玻璃的材料性質、表面加工工藝以及氣流速度等因素有關，檔風玻璃分布云圖如圖10所示。從圖10可以看出：努賽爾數分布規律與氣流速度分布非常相似，優化后的努賽爾數分布更加均勻，對流換熱得到加強。

優化后的模型比初始模型區和′區的努賽爾數分別增大13.2%和7.7%，具體數值見表7。

(a) 優化前；(b) 優化后

表7 努賽爾數對比

3 除霜除霧效果分析

將優化后的管道系統應用于除霜除霧效果分析，由于優化后得到的導流板，在其引流的作用下，使得汽車前擋風玻璃內壁面的速度更加均勻，前擋風玻璃中間位置的V型區域消失，同時努賽爾數的提高和均勻分布，加強了玻璃壁面與前擋風玻璃處霜霧的對流換熱，圖11和圖12所示分別為管道系統優化前后不同時刻除霜除霧瞬態效果圖。從圖11和圖12可以看出：與優化前相比，在相同時間內優化后的前擋風玻璃除霜除霧范圍更大，更徹底，故通過對風道系統進行改進，除霜除霧效果明顯改善。

(a) 600 s，優化前；(a) 600 s，優化后；(c) 1 200 s，優化前；(d) 1 200 s，優化后

(a) 150 s，優化前；(b) 150 s，優化后；(c) 300 s，優化前；(d) 300 s，優化后

4 結論

1) 對原有除霜除霧風道系統的仿真分析，發現擋風玻璃中間位置存在一V型吹風死角，該區域的氣流速度很慢，與其他位置相比霜霧解化效率很低。無法滿足除霜除霧要求，針對此問題提出改進方案，并簡要介紹優化設計流程。

2) 在原有的風道中添加4個左右對稱分布的導流板，并以導流板的6個形狀和位置尺寸為優化變量，以擋風玻璃區、′區和區域的努賽爾數為優化目標進行優化，優化后區和′區的努賽爾數提高了13.2%和7.7%。

3) 優化后擋風玻璃中間位置的吹風死角消失，除霜除霧效果更加徹底，與優化前相比得到明顯改善。

[1] GB 11555—2009. 汽車風窗玻璃除霜系統的性能要求及試驗[S].GB 11555—2009. Motor vehicles-windshield demisting and defrosting systems-Performance requirements and test methods[S].

[2] 張曉蘭, 施俊業, 陳江平. 汽車擋風玻璃除霜性能數值模擬[J]. 汽車工程, 2007, 29(11): 1009?1013. ZHANG Xiaolan, SHI Junye, CHEN Jiangping. Numerical simulation on defrost performance of automotive windshield[J]. Automotive Engineering, 2007, 29(11): 1009?1013.

[3] 董素艷. 客車擋風玻璃除霜性能試驗與數值模擬[J]. 系統仿真技術, 2011, 7(3): 190?195. DONG Suyan. Experimental measurement and numerical simulation on defrost performance of bus windshield[J]. System Simulation Technology, 2011, 7(3): 190?195.

[4] 袁俠義, 戴澍凱, 姜葉潔, 等. 汽車除霜性能CFD分析與試驗驗證[J]. 客車技術與研究, 2015(5): 52?55. YUAN Xiayi, DAI Shukai, JIANG Yejie, et al. CFD analysis and test verification on automotive defrosting performance[J]. Bus & Coach Technology and research, 2015(5): 52?55.

[5] HUANG T M, AN W K, TAN J Y, et al. The improved research of the defrosting of an automobile windshield[J]. Applied Mechanics and Materials, 2012, 215: 42?45.

[6] YANG B, HUANG L, REN F. Aerodynamic design and numerical simulation analysis of a passenger car’s defrosting duct[C]//Proceedings of the FISITA 2012 World Automotive Congress. Berlin Heidelberg: Springer, 2013: 1441?1448.

[7] LI H, ZHANG J C, HUANG P H, et al. Numerical simulation of bus windshield based on heat transfer with impinging jets[J]. Advanced Materials Research, 2013, 774: 284?289.

[8] UNVERDI S O, EREN H, ERDEM V, et al. Technical note: optimisation of the defroster ducts and windshield electric resistances of a city bus with CFD analysis[J]. International Journal of Vehicle Design, 2010, 52(1): 199?221.

[9] 谷正氣, 湯柱良, 陳陣, 等. 基于動網格技術的風擋除霜新方法的數值模擬[J]. 湖南大學學報(自然科學版), 2015, 42(2): 1?7. GU Zhengqi, TANG Zhuliang, CHEN zhen, et al. Numerical simulation of a new method of windshield defrost by dynamic mesh[J]. Journal of Hunan University (Natural Sciences), 2015, 42(2): 1?7.

[10] 鄧峰, 谷正氣, 楊易, 等. 汽車前風窗玻璃除霜除霧數值模擬分析和研究[J]. 汽車工程, 2009, 31(2): 175?179. DENG Feng, GU Zhengqi, YANG Yi, et al. Numerical simulation analysis on defrosting and defogging of automotive windshield[J]. Automotive Engineering, 2009, 31(2): 175?179.

[11] 孟慶超, 谷正氣, 何憶斌. 轎車室內流場的數值模擬研究[J], 系統仿真學報, 2008, 20(7): 1700?1702. MENG Qingchao, GU Zhengqi, HE Yibin. Research on numerical simulation of air-flow field in car cabin[J]. Journal of System Simulation, 2008, 20(7): 1700?1702.

[12] 王福軍. 計算流體動力學分析[M]. 北京: 清華大學出版社, 2004: 113?125. WANG Fujun. Computational fluid dynamics analysis[M]. Beijing: Qinghua University Press, 2004: 113?125.

[13] ROY S, NASR K, PATEL P, et al. An experimental and numerical study of heat transfer off an inclined surface subject to an impinging airflow[J]. International Journal of Heat and Mass Transfer, 2002, 45(8): 1615?1629.

[14] 張萬濤, 余宏明. 正交試驗設計方法在庫岸滑坡敏感性分析中的應用[J]. 安全與環境工程, 2009, 16(5): 13?16. ZHANG Wantao, YU Hongming. Applications of orthogonal experiment design to sensitivity analysis of bank landslide[J]. Safety and Environmental Engineering, 2009, 16(5): 13?16.

[15] 張文閣. 基于人體熱舒適性的汽車空調優化設計[D]. 長沙: 湖南大學, 2012: 37?40. ZHANG Wenge. Optimal design of vehicle air condition Base on thermal comfort of human body[D]. Changsha: Hunan University, 2012: 37?40.

[16] 向光偉, 王杰, 史玉杰, 等. 基于iSIGHT的風洞應變天平優化設計方法研究[J]. 實驗流體力學, 2015(5): 45?49. XIANG Guangwei, WANG Jie, SHI Yujie, et al. Research on optimal design method for wind tunnel strain gauge balance based on iSIGHT[J]. Journal of Experiments in Fluid Mechanic, 2015(5): 45?49.

[17] 容江磊, 谷正氣, 楊易, 等. 基于Kriging模型的跑車尾翼斷面形狀的氣動優化[J]. 中國機械工程, 2011, 22(2): 243?247. RONG Jianglei, GU Zhengqi, YANG Yi, et al. Aerodynamic optimization of cross sectional shape for a sports car’s rear wing based on Kriging surrogate model[J]. Zhongguo Jixie Gongcheng(China Mechanical Engineering), 2011, 22(2): 243?247.

[18] WANG J F, WU Y Z, PéRIAUX J. Decentralized multi-point optimization algorithms for multi-airfoil design in aerodynamics[J]. Journal of Astronautics, 2003, 24(1): 71?77.

[19] HOLST T L. Genetic algorithms applied to multi-objective aerodynamic shape optimization[R]. Chicago: NASA/TM- 05-212846, 2005: 1?4.

(編輯 楊幼平)

Improvement of auto defrosting and demisting air duct based on integrated method

GU Zhengqi1, 2, WEN Qi1, TANG Zhuliang1, CHEN Zhen1, HUANG Taiming1

(1. State Key Laboratory of Advanced Design and Manufacture for Vehicle Body, Hunan University, Changsha 410082, China;2. Hunan Province Cooperative Innovation Center for The Construction & Development of Dongting Lake Ecological Economic Zone, Hunan University of Arts and Science, Changde 415000, China)

In order to solve the present problem that the auto defrosting and demisting performance is generally not that good, the RNG simulation method was used to improve the performance of the front windscreen defrosting and demisting. Firstly, the accuracy of the simulation method was verified through the experiments；Secondly, four guide plates were added in the defrosting and demisting duct, and the structure sizes of the six guide plates were used as the optimization variables while the Nusselt numbers of,′ andzones of the windshield were used as the optimization goal after the defrosting and demisting performance of the initial model was analyzed；meanwhile, a solution that combined computational fluid dynamics and optimization algorithm was proposed for the purpose of improving the efficiency of optimization，which could improve and optimize the defrosting and demisting duct system, thus obtaining the optimal parameters; at last, the improved air dust system was applied to analyze the defrosting and demisting performance. The results show that the modified air ducts distribute more uniformly, the Nusselt numbers inandzones are increased by 13.2% and 7.7%，respectively, and the defrosting and demisting performance is improved obviously under the circumstances of not increasing the air output of the air condition.

defrosting and demisting; RNG model; deflector; integrated optimization

10.11817/j.issn.1672?7207.2017.10.013

U461.1

A

1672?7207(2017)10?2649?08

2016?11?18；

修回日期：2017?03?07

長沙市科技計劃重點項目(k1501011-11)；中央財政支持地方高校專項資金資助項目(0420036017)；交通運輸部新世紀十百千人才培養項目(20120222)；湖南大學汽車車身先進設計與制造國家重點實驗室自主課題項目(734215002) (Project (k1501011-11) supported by Key Project in the Science and Technology Program of Changsha; Project (0420036017) supported by Innovation Team of Ministry of Finance of China; Project (20120222) supported by Ministry of Transport for New Century 1000 Talent Training; Project (734215002) supported by Independent Subject of State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body)

谷正氣，教授，博士生導師；汽車空氣動力學與整車性能分析研究；E-mail：guzhengqi63@126.com