基于數字風洞的整車熱管理性能開發

摘要：針對某商用車更換大功率發動機以滿足國六排放和四階段油耗法規要求，需要優化冷卻系統，提升散熱能力. 采用格子玻爾茲曼方法（lattice Boltzmann method，LBM）建立熱環境數字風洞，高精度預測整車熱平衡與熱保護性能，仿真與試驗對標，冷卻液溫度預測值與試驗測試值之間的誤差小于1 ℃. 基于此以散熱器水溫和中冷器出風溫度作為優化目標，分析冷凝器、中冷器、散熱器和風扇侵入量之間的交互效應，并據此進行優化設計，提出一套適用于發動機冷卻系統虛擬標定的仿真流程. 研究結果表明，風扇侵入量和中冷器高度對散熱器散熱性能影響較大.經過優化迭代后，散熱器和中冷器的進氣量分別提升了5.01%和7.87%，冷卻模塊的表面溫度分布更加均勻， 顯著改善了發動機艙散熱效率.

關鍵詞：熱平衡；數值模擬；玻爾茲曼方程；優化

中圖分類號：U461 文獻標志碼：A

隨著運輸行業的蓬勃發展，加之國家出臺的油耗法規與排放法規，商用車開發時格外關注機艙熱管理性能，這一性能的提升對滿足日益嚴格的汽車油耗性能需求和排放標準至關重要. 冷卻系統的設計與布置直接影響整車的運行效率和可靠性，如果冷卻系統設計不匹配或布置不合理會導致熱風回流或逆流，進而升高發動機進出水溫度，這不僅影響發動機充氣效率和燃燒穩定性［1-3］，而且可能損害熱敏元件，甚至引發安全事故.因此，提高整車散熱性能成為當今汽車研發的難題［4-6］.

本文使用PowerFLOW軟件進行仿真分析，建立數字風洞精確預測發動機水溫和熱敏元件表面溫度. 采用一維與三維耦合仿真技術，分析影響整車冷卻系統散熱性能的關鍵因素.通過多目標優化，探索冷卻系統設計的優化空間，提升商用車散熱性能和安全性，為商用車冷卻系統設計提供參考［7-10］.

1 數值方法

1.1 用格子玻爾茲曼方法模擬流場

為了模擬車輛在熱環境風洞中的非定常流動行為，本文采用PowerFLOW軟件提供的格子玻爾茲曼方法（LBM）. 與傳統的計算流體力學（computationalfluid dynamics， CFD）方法相比，LBM 方法基于數字物理技術，通過統計的方法描述真實流體運動，使用離散化的Boltzmann方程來完成流體的建模. 這種方法在基本的動力學層面上對流體進行模擬，從而提供了一種更為精確和高效的流體分析手段. 采用Bhatnagar-Gross-Krook（BGK）［11］形式的格子玻爾茲曼方程，求解流體分子之間的碰撞松弛達到平衡狀態的過程，如式（1）所示.

式中：f ≡ f （x，ξ，t ）描述了在時間t、位置x 和速度ξ 處的單粒子數密度f；τ 為碰撞引起的松弛時間.

圖1 為Boltzmann 方程的有限差分格式. 使用D3Q19模型在三維立方晶格上離散化Boltzmann 方程和BGK算子，由此產生的有限差分方程能夠求解分布函數.

麥克斯韋-玻爾茲曼分布函數描述如式（2）所示.

式中：R 為氣體常數；D 為空間的維數；ρ 為質量密度；θ 為歸一化的標準溫度，θ ≡ KBT/m；KB、T、m、u 分別為玻爾茲曼常數、溫度、粒子質量和流體流速. LBM跟蹤分子在空間和時間中的運動來模擬氣體和液體的流動. 它遵循質量、動量和能量的守恒關系，宏觀流體力學量是顆粒密度分布矩陣的直接結果，由式（3）給出.

式中：ε 為內能密度. LBM中使用了3個微觀過程來模擬流體行為，包括顆粒間相互作用、顆粒表面相互作用和平流顆粒運動. 在基于數學模型使用的格子玻爾茲曼模型中，粒子存在于空間中的離散位置，如圖2所示，粒子位于由體單元和曲面組成的格子上.其中曲面是物體的表面，體單元的格子與物體表面進行切割，形成用于計算的流體網格. 在模擬過程中，粒子在離散的時間間隔內以離散的速度從一個體單元移動到另一個體單元時發生相互作用，當數百萬個粒子在各體單元的每個方向上移動時，遵循粒子密度分布函數. 相同體單元中的粒子碰撞并改變速度和方向，同時保持體單元中總質量、動量和能量的守恒. 表面碰撞過程加強了質量守恒，同時與所需的邊界條件交換動量和能量. 動量的變化量對應于壓力和摩擦力. 在上述體單元到表面的流過程之后，聚集的粒子被反射并返回到流體體單元中［12］.

LBM的主要特點：它是一個高效的非定常流求解器，數值耗散低. 它能夠處理非常復雜的幾何結構. 它使用超大渦模擬（very large eddy simulation，VLES）湍流模型，包括子網格建模和壁面函數建模，直接求解各向異性湍流渦或非常大的漩渦.

浮力驅動的熱對流通過CFD進行求解. 熱傳導系數為：

CHT = q/（Twall - Tref ） （4）

式中：q 為熱通量；Twall 為表面溫度；Tref 為參考溫度（近壁溫度或特征溫度）.

湍流建模模擬中的近壁熱傳導系數是使用湍流熱壁模型計算的，同時將CFD計算得到的近壁溫度和熱傳導系數作為邊界條件植入熱求解器，求解熱傳導和輻射問題.

1.2 耦合仿真方法

使用CFD軟件和熱求解器進行氣動-傳熱耦合仿真，以模擬車輛在多種工況下發動機艙的冷卻狀態. 從模擬的時間角度來看，長時間瞬態流動的仿真分析面臨巨大挑戰，因為在基于有限體積法的CFD求解器中，穩態解通過處理壓力-速度耦合的松弛因子通常能夠非常有效地求解穩態流動. 然而，該方法無法擴展到瞬態求解器中，因為即使對于時間隱式格式，時間步長仍受柯朗數（Courant-Friedrichs-Lewy， CFL）的限制，并且每個時間步長都需要求解壓力的泊松方程. 小的時間步長導致模擬幾分鐘的真實時間所需的時間步數非常巨大，長時間的瞬態計算不切實際［13］. 基于以上原因，將PowerFLOW 和PowerTHERM 進行耦合來減少計算時間，Power?THERM是一個熱模擬軟件，通過熱傳導和輻射求解壁面溫度. 圖3為熱瞬態耦合計算流程圖.

求解過程的第一步是運行PowerFLOW模擬，將該仿真結果作為熱瞬態分析的初始條件，隨后進行PowerFLOW與PowerTHERM的氣動-熱耦合模擬，模擬長時間的熱瞬態工況. 在耦合模擬中，使用Power?FLOW 和PowerTHERM 耦合求解流場和溫度場.PowerFLOW計算流體域中的流場和溫度場，并將表面的傳熱系數和近壁溫度導入PowerTHERM；Power?THERM通過計算熱傳導和熱輻射得到表面溫度，并將表面溫度返回PowerFLOW. PowerTHERM 在給定時間間隔內進行瞬態求解，PowerFLOW 求解器“更新”傳熱系數和近壁溫度，直到完成模擬所需的時間間隔.

在耦合模擬完成后，將PowerTHERM 中所有時間間隔的傳熱系數和近壁溫度整合到一個獨立的PowerTHERM文件中，對其進行模擬，以提供最終的熱分析結果. 這一附加步驟能夠提高氣動-熱耦合模擬的精度.

從算法上講，瞬態工況的表面溫度在Power?THERM中進行模擬，流場在PowerFLOW中求解，降低了計算成本. 此外，值得注意的是，PowerFLOW模擬需要運行足夠長的時間，以確保壁面附近的流場與壁面溫度的變化達到穩定狀態. 與傳統方法相比，這種耦合方法的計算量大大減少.

2 基礎模型的建立與仿真

本研究選用某商用車為研究對象，通過對發動機冷卻系統進行多目標優化，提高發動機艙散熱能力，滿足應對國六排放和四階段油耗法規要求而更換大功率發動機的散熱需求. 對數字環境風洞和整車組成的系統進行熱平衡仿真，結合風洞試驗和數值仿真的優勢，提高試驗準確性和可重復性，降低試驗成本. 基礎車型如圖4所示.

2.1 建立仿真系統三維模型

機艙主要包含冷卻模塊、發動機、傳動系統、電器系統、車身支架等，本文采用全細節幾何模型，幾何數據沒有刪減，保證整車結構的真實性與完整性.根據熱環境風洞的幾何尺寸建立虛擬數字風洞，如圖5所示.

2.2 計算模型和邊界條件

在本研究中，較高級別的加密區被放置在機艙前部進氣格柵周圍和冷卻風扇旋轉區域，以更精準地模擬氣流的流動狀態. 計算模型采用三維、瞬態、非定常密度的理想可壓縮氣體進行求解，計算的時間步長為2.202×10-6 s，雷諾數為1.605 52×106，流體的普朗特數為0.707. 計算模型的特征參數如表1所示.

數字風洞網格模型如圖6所示，生成的體網格總量為136 762 027.

數字風洞設置采用質量流量入口和壓力出口，環境溫度為35 ℃，車輪和風扇實際旋轉，并采用動網格處理. 計算邊界條件如表2所示.

2.3 試驗與仿真結果對比

經過多次計算，標定計算模型及數字風洞邊界條件，試驗與仿真結果的對標步驟為：

1）針對空風洞進行數值分析，在噴口上方設置合理的壓力平衡口位置. 風洞試驗的起始階段，入口和出口流量不平衡，導致一部分空氣流出該邊界. 一旦氣流穩定下來，在這個邊界處就會有非常小的氣流量. 在圖6中11處施加0.101 325 MPa靜壓或實驗測量的壓力，提升軸向壓力分布的準確性.

2）熱環境風洞噴口面積要比空氣動力學風洞噴口小很多，阻塞比大，只能在車體前部形成真實的流場. 要想真實模擬噴口的射流，需要在噴口處增加較高級別的加密區，如圖6中1處綠色區域，空間體網格尺寸為4 mm. 另外考慮到地面邊界層作用會影響流經發動機艙的高溫氣流流向車底部的速度與背壓，需要對地面加密處理，從地面向上160 mm高度范圍內填充尺寸為4 mm 的體網格，160～320 mm 之間填充尺寸為8 mm的體網格. 為了真實模擬試驗段與收集口處的氣流流動狀態，需要將圖6中6處黃色區域填充8 mm 體網格，7 處綠色收集口區域填充4 mm體網格.

3）完成空風洞的標定后，將實車進行局部加密處理.圖6中9處紫色區域包含發動機冷卻系統與前保險桿下沿，以真實模擬流進機艙和流入車底部的氣流流動狀態，該區域填充的體網格尺寸為2 mm；10處是風扇的旋轉區域，采用動網格技術，真實模擬經過冷卻模塊的高溫氣流的速度與溫度分布，加密區域網格尺寸為1 mm；13處包含車體前端進氣格式開口區域與發動機本體，填充網格尺寸為4 mm.

基于上述標定過程與詳細設置，可以獲得高精度的分析結果，分別如表3和表4所示.

由表3和表4可知，熱平衡狀態下散熱器水溫誤差小于1 ℃，中冷器入口溫度與出口溫度誤差小于5 ℃，熱保護點誤差小于5 ℃，標定后的數值風洞仿真結果與試驗結果具有高度一致性，證明仿真方法具有較高的準確性和可靠性.

3 升級車型熱性能多目標優化

通過對新車型的機艙流場和溫度場進行仿真，監測流動死區、回流、滲漏等不合理的氣流流動，對冷卻模塊的前端進行多目標優化，可以減少不合理的氣流流動，增加流經冷卻模塊的氣流量，解決發動機艙空間溫度過高，發動機進出水口冷卻液溫度過高等問題，提高機艙換熱效率. 因此，需要對機艙布置及冷卻模塊迭代優化［14］.

3.1 冷卻模塊的多目標優化

為了減少多目標優化分析的計算時間，需要搭建冷卻模塊的虛擬臺架模型，如圖7所示，標定流程如圖8所示. 對已標定的簡化模型建立優化空間，如表5 所示. 經過大量計算建立多目標優化模型，如圖9所示.

通過多目標優化，散熱器水溫最多降低4 °C，優化風扇侵入量最多降低散熱器水溫2 °C，中冷器優化空間內最多降低散熱器水溫13 °C. 最終形成可用于整車熱平衡性能開發的冷卻模塊優化方案.

3.2 分析優化結果

對比采用基礎狀態的冷卻模塊與優化后的冷卻模塊的整車熱平衡分析結果，可知優化冷卻模塊后可以提升許用環境溫度2.1 ℃.

圖10 為基礎方案和優化方案的機艙流場. 由圖10（a）可知，基礎方案中前端進氣通道處存在明顯的回流、流動死區，這些不規則的渦流運動導致能量耗散，從而增大流動阻力，阻礙空氣向后流動. 此外，前格柵和冷凝器之間的空間存在氣流流動死區，減少了散熱系統的整體進出風量，降低了散熱效率. 由圖10（b）可知，優化后流場的渦流、流動死區情況得以改善，整體流動更加平順，前端和后端氣流速度明顯增大. 值得注意的是發動機艙前部仍有部分高溫氣體回流，對冷卻模塊進行二次加熱，不利于機艙散熱.

基于以上分析，需要增加防回流擋板，用于提高散熱效率，抑制高溫空氣回流.防回流擋板如圖11所示.

未增加防回流擋板和增加防回流擋板的機艙流場如圖12所示. 選取Z=0.5 m截面處，增加防回流擋板，提高了前端密封性能，有效減少了流經換熱器的冷卻氣流溢出，同時改善了換熱器后方機艙流場質量，從而有利于空調管路、排氣歧管等熱敏部件散熱. 優化前端進氣結構，增加換熱器防回流擋板之后，散熱器、中冷器進氣量分別增加5.01%、7.87%，進氣量的增加有利于發動機的散熱. 通過增加防回流擋板，可以改善機艙氣體流動，提高整車熱平衡和冷卻系統效率.

經過分析，優化方案符合整車熱平衡性能的開發目標需求. 為驗證改進后車輛的熱平衡性能，進行環境風洞試驗，基于熱環境風洞與多目標優化方法改進散熱系統的結構布置，增加防回流擋板，提高了發動機艙的散熱效率，整車的許用環境溫度的最大值提升了5.2 ℃，滿足性能開發要求.

4 結 論

1）本文提出了一種基于仿真的商用車冷卻模塊優化方法. 該方法利用格子玻爾茲曼方法進行數值模擬，真實模擬風扇的旋轉狀態. 通過對流場與溫度場進行耦合迭代，能夠精確預測發動機冷卻液的溫度和冷卻模塊的氣流通量. 優化結果與試驗數據相比較，散熱器進出口冷卻液溫度誤差值在1 ℃以內，證明了該方法的高效性和準確性.

2）通過多物理場耦合的數字風洞可以顯著提高發動機艙熱管理分析的精度. 在最大負載工況下，熱敏元件的溫度誤差均保持在5 ℃以下. 結果表明，所采用的仿真技術不僅能夠提供精確的熱管理性能評估，而且為商用車冷卻系統的設計和優化提供了可靠的數據支持.

3）通過多目標優化散熱器、中冷器及冷凝器之間的相對位置關系，可以大幅度提升冷卻模塊的散熱性能，尤其是中冷器的高度對散熱器的散熱性能影響最為顯著.

4）基于數字風洞驅動設計優化迭代，實現散熱器、中冷器的進氣量分別增加5.01%、7.87%，有效抑制機艙內回流，流動滯止區面積減小，整車的許用環境溫度的最大值提升了5.2 ℃，有效提高了冷卻系統的散熱效率.

參考文獻

［1］ 張振華，李志衛，葉欣晨，等.整車熱管理技術研究［J］.重型汽車，2023， 37（4）： 3-5.

ZHANG Z H， LI Z W， YE X C， et al. Research on vehiclethermal management technology ［J］ Heavy Truck， 2023， 37（4）：3-5.（ in Chinese）

［2］ 謝暴，陶其銘．基于CFD的汽車發動機艙熱管理及優化［J］．汽車安全與節能學報，2016，7（1）：115-122．

XIE B，TAO Q M． Thermal management and optimization ofautomobile cabin based on CFD［J］．Journal of Automotive Safetyand Energy，2016，7（1）：115-122．（in Chinese）

［3］ BURDE A， SAMRIDHI， SRIRAMALAKSHMI P. Cabin coolingsystem for heavy commercial load vehicle［C］//Smart Grids asCyber Physical Systems： Smart Grids Paving the Way to SmartCities. Massachusetts： Scrivener Publishing LLC， 2024：173-184.

［4］ 喬瀚平， 倪計民， 尹川川. 某乘用車熱管理系統的評估和優化［J］. 上海汽車， 2023（6）： 27-35．

QIAO H P， NI J M， YIN C C. Evaluation and optimization of apassenger vehicle thermal management system［J］. Shanghai Auto，2023（6）： 27-35．（in Chinese）

［5］ 顏衛國， 俞小莉， 陸國棟．熱管中冷器與前端冷卻模塊的匹配優化研究［J］．內燃機工程，2012，33（1）：44-48．

YAN W G， YU X L， LU G D. Experimental investigationon matching optimization of heat pipe intercooler to coolingmodule［J］. Chinese Internal Combustion Engine Engineering，2012， 33（1）： 44-48．（in Chinese）

［6］ 胡興軍，羅雨霏，金昕，等．商用車機艙熱管理組合因素影響研究［J］. 湖南大學學報（自然科學版）， 2023， 50（4）： 38-47．

HU X J， LUO Y F， JIN X，et al. Research on influence ofcombined factors on thermal management in commercial vehiclecabin［J］． Journal of Hunan University （Natural Sciences），2023， 50（4）： 38-47．（in Chinese）

［7］ LU P Y， GAO Q， Lü L， et al. Numerical calculation method ofmodel predictive control for integrated vehicle thermal managementbased on underhood coupling thermal transmission［J］．Energies，2019， 12（2）： 259．

［8］ ZHAO H X， REN X L， ZHU C H， et al. Test verification andoptimization design simulation of a vehicle thermal managementsystem［C］//Ninth International Symposium on Sensors， Mechatronics，and Automation System （ISSMAS 2023）， August 11-13，2023．Nanjing， China： SPIE，2024： 1224-1233．

［9］ FRANZKE R， SEBBEN S， WILLESON E. Experimental investigationof the air flow in a simplified underhood environment［J］.Proceedings of the Institution of Mechanical Engineers， Part D：Journal of Automobile Engineering，2022，236（10/11）：2272-2282．

［10］ WEIDMANN E P，BINNER T，REISTER H． Experimental andnumerical investigations of thermal soak［J］． SAE InternationalJournal of Materials and Manufacturing， 2008， 1（1）： 145-153．

［11］ 薛飛飛， 許昌， 韓星星， 等．基于格子Boltzmann法的粒子拓撲結構對風力機渦流演變影響研究［J］．工程熱物理學報，2024， 45（4）： 988-1000.

XUE F F， XU C， HAN X X， et al. Study on the influenceof particle topological structure based on lattice Boltzmannmethod on the evolution of wind turbine wake flow［J］. Journalof Engineering Thermophysics， 2024，45（4）：988-1000．（inChinese）

［12］ AHMADIAN M H，ZHENG W B． Simulating the fluid-solidinteraction of irregularly shaped particles using the LBM-DEMcoupling method［J］. Computers and Geotechnics， 2024， 171：106395．

［13］ LOCKARD D P， LUO L S， MILDER S D， et al. Evaluation ofPowerFLOW for aerodynamic applications ［J］. Journal ofStatistical Physics， 2002， 107（1）： 423-478．

［14］ 張志雄，李湘華，陳云寶，等.重型牽引車發動機艙的熱管理仿真優化［J］.汽車與新動力，2024， 7（1）： 16-20.

ZHANG Z X， LI X H， CHEN Y B， et al. Thermal managementsimulation optimization of heavy tractor engine compartment［J］.Automobile and New Powertrain， 2024， 7（1）： 16-20.（inChinese）

基金項目：國家重點研發計劃資助項目（2022YFE0208000）， National Key Research and Development Program of China（2022YFE0208000）