某轻卡外流场数值模拟与分析

某轻卡外流场数值模拟与分析

轻卡是指在车辆的车辆分类中，最大设计重量不超过3.5吨的车辆。为了提高中国轻卡的在世界上和竞争力，有必要分析和改进它的燃料经济、动力性能、动态系统、排放和噪声。而对轻卡的外流场进行优化,既能减小其行驶空气阻力,提高燃油经济性,使其在高速行驶时更加稳定,又能减小其在高速行驶时的空气噪声,对提升产品质量以及核心竞争力有着重要意义。目前国内外对于轻型卡车外流场优化的研究较少,一方面是由于对于轻卡外流场优化的不重视,另一方面也是因为轻卡驾驶室流场与尾箱流场相互作用,导致其周围流场分布十分复杂,研究难度较大。近年来计算流体力学(CFD)已广泛应用于汽车外流场的模拟研究,其相对于传统的风洞试验研究方法,更为快速、经济,并且在准确性上也能得到保证。文献对某皮卡车进行了数值模拟,得到了车身外流场结构、车身表面压力、车身尾流的速度分布等数据;文献对商用车的多种减阻方式进行了分析比较,对各种影响因素进行了深入的探讨;文献对圆顶车厢运输车进行外流场的数值模拟,通过对模型的表面压力和流场特性的分析,研究其气动阻力产生的主要原因,以优化导流罩形状;文献采用CFD进行皮卡车的外流场模拟,得到了车身表面压力分布、尾流典型剖面流速值和尾流流场结构,数值模拟结果与风洞试验结果吻合较好;文献通过试验和计算研究了集装箱货车加装井字型格栅前后对阻力系数的影响;文献分别采用Spalart-Allmaras模型、标准k-ε模型、RNGk-ε模型和雷诺应力模型对汽车外部复杂旋涡绕流进行了数值模拟。本文以计算流体力学为基础,使用流体数值模拟软件STAR-CCM+对某轻型卡车空气动力学性能进行数值模拟,研究其外部流场结构,重点考察后部货箱高出驾驶室部分的流场状况。分析加装井字形格栅对整车气动阻力的影响,并应用优化软件Isight对格栅的造型参数进行科学的试验设计和分析,采用拉丁超立方抽样的方法选择样本点,依此建立二阶响应面模型,使用混合整型优化法对格栅造型进行优化,以尽可能减小整车气动阻力。1原始模型的模拟1.1模型的简化与划分,把面网格直接打造成计算的模型面该轻卡的三维模型数据来自实车测量,采用CATIA软件建立三维CAD模型。在保证计算结果准确可靠的前提下,为了节约计算成本,对车身进行了简化。本文主要探讨的是后车厢对整车空气动力性的影响,故忽略了前驾驶舱后视镜、门把手等外凸装置,以简单曲面代替,其余对计算结果有较大影响的部位则尽可能保留下来。简化处理后的模型如图1所示。将CAD模型导入Hypermesh中进行简化并划分面网格,将面网格导入STAR-CCM+中划分体网格。计算区域如图2所示,为保证计算的准确性,使汽车周围气流得以充分发展,计算域为模型前方4倍模型长,后方为7倍模型长,高为5倍模型高,宽为5倍模型宽。模型表面附近生成5层网格以计算附面层的影响,其余区域使用四面体网格,网格总数为5694786,计算精度满足条件。模型划分网格后如图3所示。1.2算法的基本思想(1)计算参数设置。本文仿真计算采用RealizableK-epsilon湍流模型,空间离散采用二阶迎风差分格式,迭代方式选用Simple算法。(2)边界条件设置。边界条件如下:计算域入口条件为速度入口,空气流速为80km/h;计算域出口为压力出口;计算域两侧及上方壁面为滑移壁面;计算域地面为移动壁面;模型外表面为固定壁面。1.3气动阻力分析图4所示为轻卡车身表面压力分布。由图4可知,汽车以80km/h的速度行驶时,在正前方的气流直接作用下,在汽车前脸、车轮和车轴正面以及后车厢高出驾驶室部分处形成正面的正压区。由图4还可知,车体两侧和后部大部分均为负压,其和正面的正压区形成压差,造成压差阻力,此也是汽车行驶过程中空气阻力的主要来源。汽车表面风速如图5所示。由图5可知,总体而言,由于车身底部比较复杂,而车身上表面相对而言比较平滑,故车底气流流速较慢,车身上表面气流流速较快。在细节处,由前脸到车门的过渡区,以及前挡风玻璃到车顶的过渡区,气流流速较大,在这些过渡区域产生了气流分离和再附着,这也是气动阻力产生的重要来源。图6所示为对称面上气流矢量图。由图6可知,前方气流首先遇到汽车前脸,受到阻碍后,迫使其向汽车上部和车底部分流。上部气流基本沿着发动机盖和前挡风玻璃进行流动,流动至前挡风玻璃顶部时气流分离,由于后部货箱高出驾驶舱且与驾驶舱有一定间隙,一部分气流向下进入间隙并向车厢两侧分流,另一部分流向货厢上部,受到阻碍后再次分离,并在货箱上部形成涡旋。车底气流与沿车厢上部流动的气流在车尾汇合,形成一个较大的涡旋后,汇入尾流。通过计算,此轻卡模型的气动阻力系数为0.6061。由上述分析可知,车厢高出驾驶舱部分阻碍了气流顺畅地向后方流动,使气流发生分离,极大地增加了风阻。为了减小这部分风阻,在货车设计时往往会加上一些装置以减小风阻系数,常见的如导流罩和井字形格栅。在保证使用设计要求的情况下,应进行合理的实验设计,对不同减阻装置的设计参数进行优化设计,找出各个参数的最佳数值,使得该轻卡的气动阻力系数最小。2井型钢格栅充对模型加装井字形格栅,如图7所示。保持各部位网格大小不变,计算参数设置不变,对加装井字形格栅后模型进行外流场计算。加装井字形格栅后车身表面压力分布图如图8所示。由图8可知,在加装井字形格栅之后,正向压力区域明显变小,尤其是货箱高出驾驶舱部分中间位置由正压变为负压,这无疑会减小前后压差阻力,从而减小整车气动阻力系数。加装井字形格栅后车身风速分布图如图9所示。由图9a可知,由于加装了井字形格栅,使得货舱高出部分中间位置风速较低,而格栅两边出现了2个高风速区。即在格栅的作用下,改变了货厢迎风部位周围的气流导向。由图9b对称面风速分布可知,与加装格栅之前相比,在格栅位置形成了一个低风速区,使得基本上没有发生第2次气流分离,气流较平滑地流经货箱向后部流动。究其原因,气流在流经格栅处时会在格栅中央进行堆积,对气流进行整流,起到了类似于导流罩的作用,改变了分离气流的再附着点,使气流较好地附着在箱体表面,从而减小气动阻力。3不同的格栅造型对减阻效果的影响井字形格栅可有效降低汽车行驶阻力系数,但不同的格栅造型对减阻效果有着很大的影响。因此,应对格栅进行优化设计,合理设置造型参数,以达到最好的减阻效果。3.1液压系统优化设计井字形格栅一般呈对称设计,其设计参数主要为:竖条格栅与中间对称面的距离、2条横条格栅之间的距离。应对这2个参数进行优化设计,使整车气动阻力降至最低。图10所示为格栅安装位置示意图。3.1.1试验因素的选择试验因子即进行试验的变量。选取竖条格栅与中间对称面距离为因子X1,2条横条格栅之间的距离为因子X2,如图11所示。3.1.2目标函数的选择目标函数即要得到的最优目标结果,本实验设计的目标是使整车空气阻力系数最小,则目标函数Y即是整车空气阻力系数。3.2样本点数目的确定确定了试验因子和目标函数后,需要采集样本数据以建立响应面模型。样本点的数目与试验的精确程度和复杂程度紧密相关,数目太多会导致计算繁杂,代价太大,太少会导致建立的响应面模型不精确。因此,需要选择一种高效、快速、经济的试验设计方法。3.2.1试验次数的确定拉丁超立方设计方法(Latinhypercubedesign,简称LHS)是一种受约束的均匀的抽样法,即假设K维随机变量X的各个元素的概率分布函数为Fi(i=1,2,…,K)。向量X的各元素相互独立,每个元素进行N次抽样,Xjk为第k(k=1,2,…,K)个元素的第j(j=1,2,…,N)次抽样的值,定义N×P维矩阵P。P的每一列由数列{1,2,…,N}中各元素的随机排列组成。令随机变量ξjk服从区间[0,1]上的均匀分布,则抽样后得到的结果为:Xjk=Fk-1[(pjk-1+ξjk)/N],其中,Pjk为N×K维矩阵P的j行k列元素。拉丁超立方设计的优点如下:(1)有效的空间填充能力,拉丁超立方设计试验次数=水平数≥因子数+1,大大减少了试验次数;(2)拟合非线性响应。拉丁超立方设计对水平值分级宽松,试验次数可以人为控制。因此,选择拉丁超立方设计作为试验设计方法。3.2.2因子x变量空间考虑到模型实际尺寸的限制,对实验因子的取值范围进行了限制。试验因子X1变量空间设为[200,800];试验因子X2变量空间设为[80,180]。在Isight中使用拉丁超立方方法进行样本采样,确定选择6组样本点,计算得到6组设计变量,见表1所列。3.3根据变量设计的响应值按照拉丁超立方设计的环境变量值对原模型进行修改,并重新进行计算,计算结果见表2所列,部分计算结果车体表面风速分布如图9所示。3.4阶响应面模型通过计算出的样本结果,建立响应面模型。响应面法是数学方法和统计方法结合的产物,其基本思想是通过近似构造一个具有明确表达形式的多项式,来对所感兴趣的响应受多个变量影响的问题进行建模和分析,最终达到优化响应值的目的。在常用的响应面方法中,以二阶响应面模型应用最为广泛,因其含有线性项、二次项和交叉项,故在设计响应与设计变量的关系描述上,比其他方法如神经网络法等更准确。二阶响应面模型为:其中,xi为设计变量;β0、βi、βii、βpi均为待定系数,其计算公式为:利用(1)式、(2)式分别计算得到A区各部分表面平均风速的二阶响应面模型方程为:3.5参数优化3.5.1混合整型优化法在多学科设计优化(multidisciplinarydesignoptimization,简称MDO)过程中,只有根据优化问题和MDO方法的特点选取最合适的优化算法才能充分有效地探索复杂的设计空间,得到理想的优化结果。本文研究的问题属于单峰连续函数优化问题,根据文献选择混合整型优化法(MultifunctionOptimizationSystemTool,简称MOST)进行优化。MOST算法能够处理设计变量为整数和实数型的问题。MOST首先认定所给的设计问题是连续的,并使用序列二次规划法得到一个初始值X。如果所有设计变量是实数型的,那么立刻终止并返回X作为解决方案。如果某些设计变量为整型,MOST会用分歧定限法(branch-and-bound),对最近一次优化所得到的实数型解进行圆整,获得2个最相邻的整型值来替代该整型变量当前值,产生分支点。在每个分支下,剩余的设计变量仍然进行实型优化。最终,违反整型限制的设计变量逐渐减少,找到满足所有整型设计要求的最优设计方案。3.5.2重复结果在Isight软件中进行设置,经过400步迭代,得到最终的优化结果为:X1=300,X2=150,Y=0.5360。3.5.3cfd目标函数的仿真结果按照最终的优化结果设计参数值,修改空调出风口格栅角度,重新导入STAR-CCM+软件中进行计算,得出目标函数的仿真计算值,仿真结果与响应面模型的结果对比如下:理论优化结果为0.5306,仿真计算结果为0.5492,误差为3.39%。CFD的计算值与响应面模型的值相对误差在5