極端環境下汽車運行工況的風洞試驗對標分析

徐 婷， 劉 明， 崔世超， 芮 飛， 石 鋒

(1.長安大學運輸工程學院， 西安 710064； 2.長安大學汽車學院， 西安 710064； 3.中國汽車工程研究院股份有限公司， 重慶 401122)

高溫、高海拔以及山區等極端氣候道路環境一直是影響汽車工作性能與使用壽命的重要因素。受地域、季節以及時間等條件的限制，汽車在此類極端環境下的試驗較難。若汽車環境風洞能夠真實有效地模擬汽車在此極端環境下的運行狀況，將極大提升產品的研發效率，具有重要的現實意義。目前對于汽車風洞的研究大致可分為以下幾個方面。

在汽車空氣動力特性方面，中外學者利用風洞實驗室開展了大量有關空氣動力學的實驗。Yuan等[1]利用汽車風洞設計并驗證了新型多孔介質的擾流板在降低汽車風阻方面的顯著優勢；Shimizu等[2]利用簡化汽車模型分析了過往車輛影響其空氣阻力變化的重要原因；Hammad等[3]利用風洞實驗室驗證了側風對于客車會車時的顯著影響。在汽車熱管理方面，Oliveira等[4]、Khaled等[5]通過風洞實驗室進行了發動機局部熱管理方面的研究，以降低發動機的冷卻阻力。Eller等[6]設計了新的方法來預測熱管理部件的溫度集合。此外，也有學者利用風洞實驗室對尾氣排放展開研究，如分析湍流強度對汽車顆粒物排放的影響[7]，探討尾氣污染物在城市道路上的時空分布[8-9]。在降低汽車噪聲方面以及其他汽車總成方面的研究也略有涉及[10-13]。

分析可知，風洞實驗室多用于汽車空氣動力性、發動機熱管理、尾氣排放以及降噪方面的研究，而關于極端環境下汽車運行工況的研究尚鮮見報道。為此，對環境風洞模擬下的汽車運行工況展開研究，探討典型高溫與山區環境下風洞模擬結果與路試結果之間的關聯性與差異性。通過遴選典型高溫山區道路，構造車輛行駛工況圖，利用標準化均方誤差方法和特征參數值的計算結果對風洞模擬結果開展研究，并以三類運動學片段為基礎，分析了在此極端環境下汽車熱管理系統的工作性能。

1 汽車環境風洞簡介

汽車環境風洞(climate wind tunnel, CWT)是在室內條件下，模擬并采集車輛在復雜環境工況、雨雪天氣、陽光照射、極限溫濕度、高溫熱路面等條件下的詳細數據，真正實現整車全環境試驗，不再受地區、季節及時間等條件的限制[14]。汽車環境風洞試驗通常包含：

①溫度、濕度控制，用以模擬和控制汽車環境溫度與濕度；②陽光模擬，在試驗中影響陽光模擬的因素很多，若沒有對這些因素進行良好控制，將會導致不良后果，圖1為陽光模擬子系統中的燈架結構；③高溫浸車，浸車時間應至少為1 h。通常為達到相關性指導設計的目標溫度范圍，往往需要一些額外的浸車時間；④測功機負載模擬，用以模擬車輛行駛時的道路阻力、加減速以及上下坡時的運動狀態；⑤風速設置及風洞阻塞修正，圖2為風洞速度分布，與開放路面相比，風洞模擬的阻塞不僅取決于風洞邊界條件，也受到測試車輛的外形、尺寸以及風速測量方法的影響。

圖1 剪刀式燈架結構Fig.1 Lamp frame structure of scissors type

圖2 風洞速度分布Fig.2 Velocity distribution in the CWT

2 汽車環境風洞對標試驗

選取典型的高溫山區路段進行實際路試，利用相關傳感器及檢測儀器可以得到汽車整車及內部零部件相關運行數據，如通過電子穩定系統(electronic stability program, ESP)可以得到發動機扭矩、車輛速度等數據；通過發動機管理系統(engine management system, EMS)可以得到發動機運行狀態數據；也可以通過變速箱控制單元(transmission control unit, TCU)收集到變速器相關數據。利用實際路試所得到的氣候與道路環境數據，通過環境風洞真實地模擬出汽車在高溫山區環境下的運行狀況，從而得到相應對標試驗的數據。

因汽車行駛速度能夠很好地反映汽車當前的運行狀態，所以通過構建汽車行駛工況的方式研究車輛在典型熱環境與山區路段的運行狀態，從而以此為基礎進一步分析環境風洞模擬的準確性與有效性。

2.1 道路遴選與數據處理

研究表明，汽車行駛過程中典型高溫熱環境為環境溫度>35 ℃，相對濕度50%±5%，光照較強，降水較多，風速較小且氣壓較大。對于山區道路的遴選主要集中在重慶、四川、甘肅以及新疆吐魯番等地區，道路坡度變化較為明顯，包含大量平縱曲線的山區路段。通過上述的數據分析及實地測試篩選，最終選取位于重慶市萬盛區的黑山谷路段作為實際試驗路段，其各項環境參數實測結果如表1所示。

表1 黑山谷路段環境參數

2.1.1 運動學片段劃分與特征值計算

車輛在數據采集過程中，難免出現數據缺失與信息錯誤，所以需要對采集的數據進行初步篩選：①車速v在連續60 s時間內始終為0，即可判定數據無效;②采集的數據中有車輛加速度a大于5.5 m/s2時，判定數據無效。

根據中外學者對于車輛行駛工況的劃分標準，采取的標準為：①低速工況：發動機工作且v<10 km/h時的工況；②加速工況：a≥0.36 m/s2且v≠0時的工況；③減速工況：a≤-0.36 m/s2且v≠0時的工況；④勻速工況：|a|<0.36 m/s2且v≠0時的工況。

將初步處理后的數據依據以上標準進行運動學片段劃分，每一個運動學片段就包含了車輛行駛過程中的所有信息，一個完整的運動學片段如圖3所示。

圖3 運動學片段Fig.3 Kinematic sequence

通過MATLAB即可實現運動學片段的劃分，通過計算共得到126個運動學片段。從126個片段中篩選出最具代表性的運動學片段就需要一定的篩選標準，通過相關的特征參數值作為選取運動學片段的標準。若最終構造的車輛行駛工況特征參數值與實際采集的車輛行駛工況特征參數值相比，誤差能夠控制在可接受的范圍內，則表示構造的車輛行駛工況具有很強的可信度，是有效的。

選取13個特征參數(表2)用來進行主成分分析以及聚類分析，并且其相關計算結果如表3所示。

表2 運動學片段特征參數

表3 路試數據特征參數計算結果

2.1.2 主成分分析和聚類分析

為了對運動學片段的特征參數值做進一步簡化處理以便聚類分析，利用主成分分析法對13個特征參數(表2)進行簡化降維處理。

主成分分析結果如表4所示，可以看出，新生成的4個主成分已經能夠包含原始數據的絕大部分信息，所以選擇這4個主成分進行研究是可行的。

表4 主成分得分系數矩陣

結合表3相關特征參數的計算結果，將表3中所有數據記為A矩陣，并且把主成分得分系數矩陣記為B矩陣，則運動學片段綜合得分C矩陣為

C=AB

(1)

如圖4所示，利用C矩陣的計算結果對運動學片段進行K-means聚類分析，當聚成三類時發現車輛在速度層次上的區分更加明顯，在各工況時間占比上的差異也更為分明，所以分成三類是較為合理的。具體來看，第一類運動學片段低速行駛時間占比較大，說明車輛可能在含有較多平縱曲線的路段上行駛，處于低速運行狀態；第二類運動學片段中勻速行駛時間占比超過50%，說明車輛處于較為理想的高速運行狀態，路段路況較好；第三類運動學片段則反映出車輛頻繁加減速運行狀態，說明汽車由于地形條件的限制始終處于不穩定的運行狀態，路況較差。

圖4 聚類結果時間占比Fig.4 Time proportion of clustering results

通過對聚類結果進行分析，發現將運動學片段分成三類是合理的，三類運動學片段分別代表了車輛在山區路段不同類別的運行狀態，通過對其進一步的分析篩選，即可得出完整的車輛運行工況。

2.2 車輛行駛工況構建及檢驗

采用短行程分析法來構建車輛在高溫山區環境下的行駛工況。K-means聚類將運動學片段分成三類，依據各個運動學片段距離聚類中心的遠近、各類運動學片段之間的相關性以及時間占比來選出最具代表性的運動學片段。將其按時間順序組合起來，即可得到完整的典型的車輛行駛工況圖。圖5為在高溫與山區環境下車輛的行駛工況圖。

圖5 實際路試車輛行駛工況Fig.5 Automotive driving cycle in actual road test

為了進一步檢驗構建的車輛行駛工況的有效性，求解其部分特征參數，將其與車輛實際工況的特征參數進行對比，結果如表5所示。可以看出，特征參數的誤差值均小于10%，誤差在可接受的范圍之內。所以利用主成分分析和K-means聚類方法構建出的車輛行駛工況是能夠代表車輛實際運行狀況的。

表5 特征參數值對比

3 對標試驗結果與分析

3.1 汽車行駛工況對比分析

將收集的風洞試驗數據，參照實際行駛工況構建過程，以相同的方法構造出環境風洞模擬下的汽車行駛工況圖(圖6)。

圖6 風洞試驗的車輛行駛工況Fig.6 Automotive driving cycle in the CWT

在環境風洞行駛工況與汽車實際行駛工況的數據對比中，相較于其他一些方法如灰色關聯分析法、皮爾遜相關系數法，采用標準化均方誤差(normalized mean square error，NMSE)的方法對兩者的關聯性以及差異性進行分析更為合適。標準化均方誤差是衡量模型預測值與實際值之間平均相對離散程度的重要指標，被廣泛應用于模型準確度的評價[15]。引用NMSE的計算值來描述上述兩組數據之間的相對離散程度，從而驗證其關聯性強弱，其計算公式為

(2)

式(2)的計算值越小，兩組數據的相對離散程度越弱，關聯性越強。大量的研究數據表明，NMSE<0.5時表明模型或試驗的數據結果在可接受范圍之內，故認為NMSE<0.5時對標試驗結果具有較強的關聯性。此外，依據相關研究方法[16-17]，將速度方差和絕對速度差作為關聯性與差異性分析的兩個典型指標，其具體定義關系式如下。

實際工況的速度方差計算公式為

(3)

風洞試驗的速度方差計算公式為

(4)

Da與Dw的絕對速度差計算公式為

(5)

式中：Da為實際工況的速度方差，(km/h)2；vai為實際工況的運行車速，km/h；Dw為風洞試驗的速度方差，(km/h)2；vwi為風洞試驗的運行車速，km/h；Δ|v|為實際工況與風洞試驗的絕對速度差，km/h。

Da與Dw數值越小，其離散程度越小，反之其速度波動性越大，并且式(5)中的絕對速度差Δ|v|越小，意味著環境風洞模擬結果的速度差異性越小。

圖7為實際工況車速與風洞試驗車速對比，可以看出，三類運動學片段按相同順序排列所得到的曲線走勢依次描述了車輛低速運行狀態、高速運行狀態以及頻繁加減速運行狀態。所以在曲線走勢的變化上，兩者的相似性是很高的。

圖7 兩次試驗車速對比Fig.7 Comparison of vehicle speeds in two tests

基于上述試驗所得到的速度數據，利用關聯度、速度方差以及絕對速度差3個指標對車輛實際工況與環境風洞模擬工況的速度關聯性、離散性以及差異性進行對比分析，其計算結果如表6所示。

從表6中可以看出，利用標準化均方誤差方法得到的NMSE=0.187 2<0.5，表明風洞試驗的模擬結果與實際工況的關聯性很強，相對離散程度很小。從絕對誤差的計算結果來看，Δ|v|=12.624 3 km/h，數值較小，也能夠反映出二者的相對離散程度較小，速度變化趨勢較為接近。同樣結合兩者特征參數值對比結果(表7)，可以看出，對標試驗結果各特征參數值的相對誤差是較小的，所以基于上述分析，可以很明確的得出：環境風洞模擬汽車在高溫山區環境下的運行工況基本上是能夠代表汽車真實運行狀況的，并且模擬結果誤差很小，關聯性極強。

表7 特征參數值對比

關于兩者的差異性，如表6所示，Da=169.356 5 km/h2，Dw=139.690 4 km2/h2，車輛實際行駛工況的速度方差更大，即實際工況的速度離散程度更大，說明了實際山區道路環境要比風洞模擬環境更加復雜，路況更加惡劣。結合圖8，根據運動學片段的分類具體來看，兩者之間的差異還是較小的，其離散程度的不同主要體現在第一類運動學片段上。第一類運動學片段中風洞試驗的車速普遍較低，與實際路試車速的頻繁波動形成鮮明對比，說明風洞模擬汽車低速運行狀態的速度波動程度更小，并沒有很好地還原汽車在山區環境下真實的低速運行狀態。從圖8中還可以看出，第三類運動學片段的差異是最小的，兩次試驗速度波動頻率與波動幅值極為接近，模擬結果極具真實性。而第二類運動學片段雖然也具有差異，但其差異主要體現在加減速起止時間的不同，其曲線走勢大致是相同的。

圖8 速度差異填充圖Fig.8 Filling diagram of speed difference

表6 相關速度指標計算值

如圖9所示，進一步細分兩者各類運動學片段之間的關聯性與差異性。可以看到風洞試驗的第一類運動學片段總體車速要略小于實際工況車速，進一步說明環境風洞模擬低速運行工況時，道路場景的復雜性還需加強，在測功機負載模擬、風洞阻塞修正等方面還需進一步改善。

圖9 三類運動學片段箱線圖Fig.9 Boxplot of three types of kinematic sequences

此外，實際工況第二類運動學片段的速度范圍要小一些，75%車速要低于風洞試驗相應的車速模擬，而風洞試驗第三類運動學片段的25%車速卻又明顯高于實際工況的相應車速，說明了真實的道路環境還要更加復雜，速度波動程度更大，所以在風洞模擬過程中，涉及道路場景復雜性的一些參數，如道路坡度的變化、方向的改變等還需進一步優化，這也印證了表6的計算結果。

但總體上來說兩者各類運動學片段之間的差異并不明顯，速度范圍總體相仿。所以說利用環境風洞模擬車輛在實際高溫山區環境下的運行狀況，其結果是較為準確理想的，誤差也是較小的。

3.2 熱管理系統測試結果對比分析

車輛熱管理的研究一直是提高汽車動力性、經濟性、保證關鍵零部件安全運行以及行車安全的關鍵一環，車輛熱管理系統包括了冷卻、潤滑、燃油等系統及零部件[18]。對標試驗中同樣對車輛熱管理的工作狀況進行了分析，以三類運動學片段代表的汽車三種運行狀態為基礎，比較兩次試驗結果的關聯性與差異性，具體分析汽車熱管理系統在典型高溫山區環境下的運行狀況。

圖10為熱管理系統各關鍵零部件工作溫度測試結果對比。按照運動學片段的分類，圖10中各點為其數據結果的平均值。

結合相關熱管理系統的研究資料[18-20]，橫向對比普通公路和正常氣溫條件下熱管理系統的工作溫度，可以得出典型高溫與山區環境下熱管理系統的工作溫度是要遠高于正常條件的。具體數據關系如：汽車冷卻系中散熱器風溫一般在35 ℃左右，而在高溫山區環境下散熱器平均風溫要高出近20 ℃。同樣，汽車潤滑系機油的適宜溫度在90～100 ℃，而受到高溫環境和汽車頻繁加減速的影響，機油溫度要遠高于100 ℃，極易導致機油的氧化與變質，同時也加劇了發動機各零部件的損耗。

同樣，利用標準化均方誤差方法比較了實際工況與風洞試驗熱管理測試數據各類運動學片段之間的關聯性與差異性。經計算兩者第一類運動學片段的NMSE=0.016 1，第二類運動學片段的NMSE=0.028 3，第三類運動學片段的NMSE=0.006 7，計算值均遠遠小于0.5，說明兩者的相對離散程度非常小，關聯性極強。也意味著利用環境風洞對汽車熱管理系統進行測試，其結果是可以代表真實高溫環境下汽車運行狀況的。同時對熱管理系統測試數據各類運動學片段進行了NMSE的交叉計算，結果顯示0.1

1為中冷器進氣溫度；2為中冷器出氣溫度；3為發動機艙下方空氣溫度；4為發電機環境溫度；5為油底殼溫度；6為主油道機油溫度；7為冷凝器進風溫度；8為空濾器進口空氣平均溫度；9為空濾器出 口空氣平均溫度；10為節氣門進氣溫度；11為發動機進水溫度； 12為發動機出水溫度；13為散熱器平均風溫圖10 熱管理系統測試數據對比Fig.10 Comparison of test data of thermal management system

結合圖10具體分析其差異性：第三類運動學片段所代表的汽車頻繁加減速運行工況，其熱管理系統各零部件工作溫度幾乎是最高的。說明此時汽車熱管理系統的工作環境最為惡劣，對汽車動力性、經濟性影響最大。相比于第三類運動學片段，代表著低速運行狀態的第一類運動學片段，其零部件測試溫度最低，遠遠低于第三類運動學片段，意味著此時的汽車工作環境對于汽車本身來說是極為理想的，對汽車的損耗也是最小的。最后代表著高速運行狀態的第二類運動學片段，它的測試溫度介于上述兩種運行狀態的測試溫度之間，也會對汽車造成比較大的損耗。

綜上所述，不僅是高溫環境提高了熱管理系統的溫度，汽車頻繁的加速、減速也是熱管理系統升溫的一個不可忽視的因素。如何降低熱管理系統在此惡劣環境下的工作溫度將會是提升汽車動力性、經濟性以及延長汽車使用壽命的重要著力點。

4 結論

通過環境風洞模擬高溫山區環境下汽車運行狀況的對標試驗，得出如下結論。

(1)構建出了典型高溫與山區環境下車輛行駛工況圖，劃分出了汽車在此環境下的3種典型運行狀態。

(2)得出了通過環境風洞模擬車輛在高溫與山區環境下的運行狀況是準確可行的，其誤差是極小的。并且具體分析了兩者之間的差異性，得出了車輛實際行駛工況的速度波動程度更大，尤其是體現在第一類運動學片段上，說明了環境風洞在山區道路復雜性的還原上還有待進一步優化。

(3)通過熱管理系統三類運動學片段NMSE值的分析，得出了不同運行狀態下熱管理系統各總成的工作溫度以及不同運行狀態下其工作狀況的差異。并且也得出了頻繁的加減速是汽車3種運行狀態中對熱管理系統升溫影響最大的。