張英朝， 薛學(xué)棟， 丁 偉， 肖宏偉

(吉林大學(xué) 汽車仿真與控制國家重點實驗室，吉林 長春 130022)

?

某兩廂車氣動外形減阻自動優(yōu)化設(shè)計

張英朝， 薛學(xué)棟， 丁 偉， 肖宏偉

(吉林大學(xué) 汽車仿真與控制國家重點實驗室，吉林 長春 130022)

以某兩廂車為研究對象，對其造型階段氣動外形進行優(yōu)化.為了提高氣動減阻優(yōu)化效率，避免優(yōu)化的盲目性，應(yīng)用優(yōu)化軟件、網(wǎng)格變形軟件、流體分析軟件搭建了一個自動優(yōu)化流程.優(yōu)化流程可以實現(xiàn)對多個變量多個水平同時進行優(yōu)化，中間過程不需要人為參與，最終可以輸出減阻效果最佳的氣動組合方案.

造型階段; 氣動減阻優(yōu)化; 自動優(yōu)化流程

汽車的氣動特性直接影響汽車的燃油經(jīng)濟性，氣動阻力與車速的平方成正比，即隨著車速的升高，氣動阻力所消耗的能量占總消耗的比例會越來越大，所以降低汽車氣動阻力可以顯著降低油耗.降低汽車氣動阻力最主要的方式就是對汽車進行氣動外形的優(yōu)化.傳統(tǒng)優(yōu)化方法是一個迭代的過程，即設(shè)計師先提出初始模型，工程師對幾何模型進行計算流體動力學(xué)(CFD)[1]分析并提出減阻方案，設(shè)計師對原始模型進行再修改，修改后的模型再交由工程師進行氣動特性評估.該過程需要多次循環(huán)，耗費大量的人力物力，設(shè)計周期長，且受限于工程師的專業(yè)知識和以往經(jīng)驗.由于變量間的交互影響，只能單個變量逐次優(yōu)化，很難實現(xiàn)整車多變量綜合最優(yōu)化.針對傳統(tǒng)優(yōu)化的局限性，國外的一些公司開始自動優(yōu)化的相關(guān)研究.2003年，通用公司的Rajineesh Singh和PPI公司的Kevin Golsch研究利用網(wǎng)格變形技術(shù)對計算網(wǎng)格修改達到優(yōu)化改型的目的.2011年，F(xiàn)IAT公司利用優(yōu)化軟件modeFRONTIER同時考慮氣動特性和人機工程進行了多目標自動優(yōu)化.國內(nèi)對于自動優(yōu)化的研究較少，主要涉及航天及高速列車的氣動外形優(yōu)化.湖南大學(xué)谷正氣在2010年利用自己搭建的優(yōu)化流程對卡車導(dǎo)流罩進行了自動優(yōu)化.綜合來看，國外針對汽車造型自動優(yōu)化技術(shù)的探索和研究較多，但是在造型初期就應(yīng)用自動優(yōu)化對整車氣動阻力進行控制的研究很少，國內(nèi)起步比較晚并且很少涉及整車氣動造型優(yōu)化，也沒有進行工程應(yīng)用.

本文將自動優(yōu)化流程應(yīng)用于某兩廂車的造型階段，通過分析CAD模型的外流場確定輸入自動優(yōu)化的變量，并根據(jù)自動優(yōu)化計算得到多變量全局最優(yōu)結(jié)果，整個流程耗時較短，中間過程不需要人為參與，有助于加快汽車外造型的設(shè)計周期.

1 研究內(nèi)容及研究方法

1.1 研究內(nèi)容

針對目前國內(nèi)的工程實際情況和企業(yè)需要，結(jié)合國內(nèi)外的研究現(xiàn)狀，開發(fā)了一個應(yīng)用于造型階段的自動優(yōu)化流程，將其應(yīng)用到造型初期的三維建模環(huán)節(jié)，實現(xiàn)了對車輛外形的快速優(yōu)化.以一款兩廂車造型設(shè)計方案為例，利用自動優(yōu)化流程減小車身設(shè)計變量對氣動阻力的影響，使其氣動阻力大幅降低，同時保證其造型風(fēng)格不變[2].

1.2 研究方法

首先建立初始模型，在初始模型的基礎(chǔ)上進行CFD分析確定設(shè)計變量，使用網(wǎng)格變形技術(shù)實現(xiàn)設(shè)計變量的參數(shù)化[3].依托專業(yè)的試驗設(shè)計(DOE)算法建立設(shè)計空間，同時根據(jù)數(shù)學(xué)算法建立可信的近似模型，通過近似模型擬合出各個設(shè)計因素對影響變量的影響趨勢，進而得到優(yōu)化解.

2 初始模型建立及CFD分析

2.1 建立初始模型

根據(jù)產(chǎn)品定位確定兩廂車的基本尺寸，并根據(jù)美觀、時尚的設(shè)計風(fēng)格確定了如圖1所示的初始模型設(shè)計方案.

圖1 初始模型渲染圖

2.2 通過CFD分析確定設(shè)計變量

為了確定優(yōu)化設(shè)計變量，本文對初始模型進行CFD分析.根據(jù)汽車實際行駛特性,設(shè)定計算域入口風(fēng)速為30 m·s-1，湍流模型選擇k-ε(Realizable K-Epsilon)湍流模型[4]，體網(wǎng)格數(shù)為800萬.經(jīng)過4 000步迭代計算，總計150 CPU小時，達到收斂，氣動阻力系數(shù)Cd=0.319，誤差波動在0.06%左右.

為了確定影響氣動阻力的因素，對計算結(jié)果進行后處理得到中心對稱面上的壓力云圖(圖2)以及湍流動能圖(圖3).由圖2可以看出，氣流流經(jīng)發(fā)動機蓋前沿以及接近角部分負壓較為嚴重，說明在此處產(chǎn)生了分離，在圖3中這兩部分也出現(xiàn)了明顯的湍流；圖2中氣流流經(jīng)發(fā)動機蓋與前風(fēng)窗交匯處時，氣流受到阻滯，氣壓上升，由于折角原因此處在圖3中也產(chǎn)生了部分湍流；在圖2中車尾部的壓力明顯降低，這是因為氣流在尾部分離造成此處處于低壓區(qū)，由圖3也可以看出湍流主要區(qū)域也是尾部，能量耗散比較嚴重，所以尾部的設(shè)計變量的修改會直接影響到汽車的氣動阻力.根據(jù)以上分析確定了需要考慮發(fā)動機蓋傾角、前風(fēng)窗傾角、接近角、頂蓋后緣高度、后風(fēng)窗傾角、尾部收縮量共6個設(shè)計變量.

圖2 中心對稱面上的壓力云圖

圖3 中心對稱面上的湍流動能圖

3 整車氣動外形自動優(yōu)化設(shè)計

3.1 設(shè)計變量參數(shù)化

本文在原有模型的基礎(chǔ)上通過網(wǎng)格變形技術(shù)對以上6個設(shè)計變量進行參數(shù)化調(diào)整，根據(jù)德國的Hucho，Janssen和Emme-Lmann等人提出的汽車設(shè)計應(yīng)首先服從工程需要的原則，即首先要保證總布置、安全、舒適及造型要求，然后進行空氣動力學(xué)修正[5],所以本文在設(shè)置變形范圍時，考慮到造型風(fēng)格以及總布置的要求，未設(shè)置較大變形，同時考慮到優(yōu)化參數(shù)可能高于或者低于原始值，所以設(shè)定的參數(shù)范圍涵蓋原始值前后.主要的設(shè)計變量如圖4所示，前風(fēng)窗傾角的原始角度為33°，變形范圍是[28°，35°].發(fā)動機蓋傾角的原始角度為12°，設(shè)置的變形范圍是[9°，15°].接近角的原始角度為4°，設(shè)置的變形范圍是[0°，10°].后風(fēng)窗傾角的原始角度為45°，設(shè)置的變形范圍是[35°，60°].頂蓋后緣的原始高度為1.165 m，設(shè)置的變形范圍是[1.088 m,1.242 m].車尾部設(shè)置的最大變形程度是車尾部寬度收縮到原始狀態(tài)的90%.

3.2 建立優(yōu)化流程

整個優(yōu)化流程包括：試驗設(shè)計，建立DOE矩陣[6]；對矩陣中每一個組合進行CFD計算得到相應(yīng)的Cd值；利用DOE矩陣建立近似模型，它能擬合出響應(yīng)變量與各個設(shè)計變量之間的關(guān)系曲線；選擇合適的優(yōu)化算法，根據(jù)近似模型進行尋優(yōu)，并最終對最優(yōu)解進行驗算，以判斷其精度.圖5所示為使用網(wǎng)格變形軟件Dep Meshworks、計算流體動力學(xué)軟件STAR-CCM+及相關(guān)優(yōu)化理論算法在優(yōu)化軟件Isight中搭建的自動優(yōu)化流程.

圖4 變形位置示意圖

圖5 優(yōu)化流程

3.2.1 實驗設(shè)計

本次實驗設(shè)計(DOE)包含6個設(shè)計變量，每個變量設(shè)置了42個水平.采用傳統(tǒng)迭代優(yōu)化的方式需要6×42×150=37800 CPU小時.為了減少計算量，本文結(jié)合最優(yōu)拉丁超立方算法(optimal Latin hypercube design)[7]建立包含42組試驗的DOE矩陣,只需要42×150=6300 CPU小時，通過對比可以看出自動優(yōu)化消耗的計算資源是傳統(tǒng)優(yōu)化的1/6.通過對DOE矩陣進行計算處理，得到如圖6所示的Pareto示意圖和圖7所示的主因素圖.通過Pareto圖可以得到各設(shè)計變量對氣動阻力的貢獻比例，結(jié)合主因素圖可以得到設(shè)計變量對氣動阻力影響程度由大到小依次是：頂蓋后緣高度>接近角>后風(fēng)窗傾角>尾部收縮>發(fā)動機罩傾角>前風(fēng)窗傾角，而且接近角是起反效應(yīng)作用.同時這些結(jié)果也反映了車身后部對氣動阻力的影響要大于車身前部.

圖6 Pareto示意圖

圖7 主因素圖

根據(jù)實驗設(shè)計得到變量間交互影響最小和最大的變量分別為發(fā)動機蓋傾角與后風(fēng)窗傾角、后風(fēng)窗傾角與尾部收縮，如圖8、圖9所示.圖8,9中兩條曲線相交趨勢越明顯表明兩個設(shè)計變量間交互作用程度越大.圖8中發(fā)動機蓋傾角與后風(fēng)窗傾角的相交趨勢很弱，所以兩個變量間幾乎沒有交互影響，而圖9中后風(fēng)窗傾角和尾部收縮的交互影響則比較明顯，此交互影響可以為后續(xù)的設(shè)計量間的互補優(yōu)化提供參考.

圖8 發(fā)動機蓋傾角與后風(fēng)窗傾角的交互影響

圖9 后風(fēng)窗傾角與尾部收縮的交互影響

3.2.2 建立近似模型

根據(jù)實驗設(shè)計(DOE)利用徑向基(RBF)神經(jīng)網(wǎng)絡(luò)算法[8]擬合出本次工作的近似模型，通過計算得到擬合精確度R2為0.953，超過標準值0.9，符合精度要求.圖10表示氣動阻力與各個設(shè)計變量之間的擬合曲線.根據(jù)擬合曲線，可以得出以下結(jié)論：

(1)從線性與非線性的角度來看，氣動阻力與發(fā)動蓋傾角、前風(fēng)窗傾角、接近角以及頂蓋后緣高度均是非線性關(guān)系，與后風(fēng)窗傾角及尾部收縮則近似于線性關(guān)系.

(2)從遞增和遞減趨勢來看，隨著接近角變形取值的增加，氣動阻力不斷減小，而對于其余5個設(shè)計變量，隨著取值的增加，氣動阻力均是增大的趨勢.這反映了接近角對阻力的影響為負效應(yīng)，而其余變量對阻力影響為正效應(yīng)，與之前得到的Pareto圖和主因素示意圖得到的結(jié)論是一致的.

圖10 氣動阻力與各個設(shè)計變量之間的擬合曲線

3.2.3 近似模型尋優(yōu)及可靠性驗證

整車優(yōu)化工作中涉及的6個變量均是實數(shù)型，求解的問題是連續(xù)變量函數(shù)的極小值問題.因此采用自適應(yīng)模擬退火法(ASA)[9]作為優(yōu)化計算的算法.以氣動阻力值最小為目標，氣動升力系數(shù)處于某一范圍內(nèi)為約束，根據(jù)徑向基神經(jīng)網(wǎng)絡(luò)近似模型，得到表1所示的優(yōu)化解.驗算結(jié)果表明，氣動阻力預(yù)測值與真實計算值之間的誤差為0.47%，誤差很小，說明結(jié)果可信.相對于原始模型，優(yōu)化后模型其氣動阻力系數(shù)有10.34%左右的降幅，減阻效果可觀.

表1 優(yōu)化結(jié)果統(tǒng)計

4 優(yōu)化前后對比

圖11所示為中心對稱面上的壓力分布對比.整體來看，在優(yōu)化模型中接近角部分和發(fā)動機蓋前沿部分顏色變淺，說明該處的氣流分離情況得到控制；優(yōu)化模型前風(fēng)窗傾角增大以及頂蓋后緣高度的降低使得前風(fēng)窗與頂蓋交匯處造型向外突出，導(dǎo)致氣流經(jīng)前風(fēng)窗過渡到頂蓋后不能迅速貼合，造成頂蓋區(qū)域壓力進一步降低，因此這部分阻力有所升高；在優(yōu)化模型背部區(qū)域，后風(fēng)窗部分的壓力有所減小，該處負壓的加劇表明此處湍流情況沒有得到改善；而在行李艙蓋部分，壓力則有所上升，該處壓力上升使得車身前后的壓差減小，從而使氣動阻力有所減小.

圖11 中心對稱面上的壓力云圖對比

圖12為縱向中心對稱面上的湍流動能分布，其中湍流情況有明顯改善的是整個車身底部以及尾部的湍流區(qū)域[10].接近角部分流場的改善使氣流在底部的分離情況得到控制，因此底部的湍流情況顯著改善.在初始模型中頂蓋后緣(包括擾流板部分)近似與地面平行，這導(dǎo)致氣流脫離之后不能趨向于地面，而是向四周發(fā)散，因此初始模型中上、下部分的氣流不能收斂，在豎直方向上擴散，導(dǎo)致尾流區(qū)域較大[7].在優(yōu)化模型中，由于頂蓋后緣高度的降低，引導(dǎo)氣流向地面流動，上部氣流與下部氣流匯合收斂一起流向地面直至消失，這使得尾流區(qū)范圍大大減小，最終導(dǎo)致氣動阻力顯著下降.圖13為水平面上的尾流區(qū)域速度矢量.很明顯，在初始模型中尾部渦流區(qū)域主要有1和2兩個，而且區(qū)域3的流動較紊亂；在優(yōu)化模型中，渦流的數(shù)量雖增加到4個，但它們的范圍都較小，而且在區(qū)域5(即初始模型中的區(qū)域3)中，流動趨于一致，有所改善.總體而言，水平方向上湍流情況改善有限.

圖12 中心對稱面上湍流動能對比

圖13 距離地面高度0.4 m橫截面速度矢量圖

5 結(jié)論

(1)本文根據(jù)氣動外形設(shè)計的流程，結(jié)合計算機輔助造型(CAS)、計算流體動力學(xué)(CFD)、網(wǎng)格變形技術(shù)(Morpher)和優(yōu)化方法等多種數(shù)字化仿真設(shè)計手段建立了一個汽車氣動外形的自動優(yōu)化流程.

(2)利用建立的流程對6個設(shè)計變量進行最優(yōu)匹配，整個優(yōu)化流程耗時很短，優(yōu)化后的模型氣動阻力下降了10.34%.這樣的結(jié)果可以為后續(xù)的細節(jié)優(yōu)化提供一個較低阻力水平的模型.

(3)通過自動優(yōu)化流程確定不同設(shè)計變量對阻力貢獻的比例，為后續(xù)的減阻設(shè)計提供依據(jù)；同時變量間的交互影響也可以作為互補優(yōu)化提供參考.

(4)本文氣動外形減阻自動優(yōu)化追求的是整體減阻效果最佳，局部變量在優(yōu)化后阻力可能升高也可能降低，但變量間組合起來的減阻效果是最好的.

[1] Satheesh Kandasamy, Bradley Duncan, Holger Gau,etal. Aerodynamic performance assessment of BMW validation models using computational fluid dynamics[C/CD]// SAE 2012 World Congress and Exhibition. Detroit: Society of Automotive Engineers, 2012： 2012-01-0297.

[2] Castejon, Danilo Vieira, Fernando Martini Catalano,etal. Methods of drag reducing without losing aerodynamic stability applied on SAE reference model[C/CD]// SAE 2011 World Congress. Warrendale: Society of Automotive Engineers, 2011: 2011-36-0079.[3] 許秋兒. 網(wǎng)格變形技術(shù)研究[D]. 杭州：浙江大學(xué)，2009.

XU qiuer. Research on techniques of mesh deformation [D]. Hangzhou: Zhejiang University, 2009.

[4] Tokuda, Shigefumi, Masato Kubota,etal. Development of CFD shape optimization technology using the adjoint method and its application to engine intake port design[C]//SAE International Journal of Engines. Warrendale: Society of Automotive Engineers, 2013: 833-842.

[5] Hucho Wolf-Heinrich, Sovran Gino. Aerodynamics of road vehicles[J]. Annual Review of Fluid Mechanics, 1993, 25(3): 485.

[6] Ahmed S R, Ramm G, Faltin G. Some salient featrues of the time-averaged ground vehicle wake[C/CD]// SAE Congress. Warrendale: Society of Automotive Engineers, 1984.

[7] Francis T Makowski, Sung-Eun Kim. Advances in external-aero simulation of ground vehicles using the steady RANS equations[C/CD]// SAE 2000 World Congress. Detroit: Society of Automotive Engineers, 2000：2000-01-0484.

[8] Hermann Lienhart, Stefan Becker. Flow and turbulence structure in the wake of a simplified car model[C/CD]//2003 SAE World Congress. Detroit: Society of Automotive Engineers, 2003: 2003-01-0656.

[9] Ilhan Bayraktar, Tuba Bayrakar. Guidelines for CFD simulations of ground vehicle aerodynamics[C/CD]// Commercial Vehicle Engineering Congress and Exhibition. Chicago：Society of Automotive Engineers, 2006：2006-01-3544.

[10] Angel Huminic, Gabriela Huminic. Numerical flow simulation for a generic vehicle body on wheels with variable underbody diffuser[C/CD]// SAE 2012 World Congress and Exhibition. Detroit: Society of Automotive Engineers, 2012: 2012-01-0172.

Automatic Shape Optimization of Hatchback to Reduce Aerodynamic Drag

ZHANG Yingchao, XUE Xuedong, DING Wei, XIAO Hongwei

(State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China)

Taking a hatchback car as the research object to optimize its aerodynamic performance on styling stage, this paper was devoted to improve the efficient of optimization and reduce the blindness in aerodynamic drag reduction and optimization. By applying morphing software, optimization software, and fluid analysis software, an automatic optimizing process was developed, which could optimize different variables and levels at the same time even when there are no people involved, and finally bring up the best drag reduction scheme in combination.

styling stage; aerodynamic drag reduction; automatic optimization process

2015-11-25

張英朝(1978—)，男，副教授，工學(xué)博士，主要研究方向為汽車空氣動力學(xué).E-mail:yingchao@jlu.edu.cn

薛學(xué)棟(1990—)，男，碩士生，主要研究方向為汽車空氣動力學(xué).E-mail:xuedong9077@gmail.com

TP15

A