0 前言

    本文使用Starccm+仿真軟件，結(jié)合實(shí)驗(yàn)設(shè)計(jì)和優(yōu)化理論，對某經(jīng)濟(jì)型轎車開展基于參數(shù)化模型的外氣動(dòng)特性DOE優(yōu)化，綜合考慮空氣動(dòng)力學(xué)專業(yè)特有的耦合特性，解決以往降阻分析過程中僅對單參數(shù)進(jìn)行優(yōu)化而導(dǎo)致分析結(jié)果不全面的問題，以及因多參數(shù)優(yōu)化工作量巨大而難以依靠人工完成的問題。

1 技術(shù)路線

    本文首先使用與優(yōu)化目標(biāo)車型具有相同造型特征的參數(shù)化模型進(jìn)行降阻優(yōu)化分析，通過改變目標(biāo)參數(shù)來獲得參數(shù)間最佳匹配關(guān)系，進(jìn)而將優(yōu)化結(jié)果反饋至目標(biāo)車型上，指導(dǎo)目標(biāo)車型進(jìn)行降阻優(yōu)化改進(jìn)，最終獲得最佳低風(fēng)阻車身造型。具有計(jì)算速度快，分析效率高，結(jié)果反饋及時(shí)迅速的特點(diǎn)，適合在總布置階段及造型設(shè)計(jì)初期使用，可及時(shí)明確降阻目標(biāo)，提供優(yōu)化方向，使工作更加具有針對性。

    本文研究工作建立在一個(gè)可實(shí)現(xiàn)對多參數(shù)、大樣本量問題進(jìn)行自動(dòng)計(jì)算、全局尋優(yōu)的優(yōu)化計(jì)算平臺(tái)的基礎(chǔ)上，通過集成體網(wǎng)格變形文件Sculptor、流體計(jì)算軟件Starccm+和優(yōu)化軟件Isight，實(shí)現(xiàn)自動(dòng)尋優(yōu)計(jì)算。本文的技術(shù)路線具體實(shí)現(xiàn)形式為：建立參數(shù)化模型一設(shè)置變形參數(shù)一選取試驗(yàn)設(shè)計(jì)方法一搭建DOE模型一全局變形計(jì)算一模型參數(shù)關(guān)系分析一自動(dòng)尋優(yōu)一最終優(yōu)化方案確定一最佳參數(shù)組合驗(yàn)證一CAS模型驗(yàn)證。

2 參數(shù)化模型

    整車的總體參數(shù)匹配是影響整車風(fēng)阻系數(shù)的關(guān)鍵因素之一，良好的參數(shù)匹配是低風(fēng)阻車型的基礎(chǔ)�；�于量化參數(shù)的思想，建立參數(shù)化模型，方便定量修改，基于空氣動(dòng)力學(xué)分析的目標(biāo)與基本原理，確定簡化模型需要符合以下原則：

    1.體現(xiàn)原造型方案的基本特征；

    2.為滿足與實(shí)際車型符合度高、適于修改和方便計(jì)算的多方面需求，簡化模型應(yīng)多由平面構(gòu)成，連接處為圓弧曲面；

    3.需保證簡化模型與CAS模型的匹配關(guān)系，當(dāng)簡化模型向真實(shí)模型拓?fù)鋾r(shí)，由簡化模型計(jì)算得出的優(yōu)化方案在CAS造型上使用可獲得相應(yīng)的降阻效果。

    乘用車參數(shù)化模型具有與目標(biāo)車型相同的空氣動(dòng)力學(xué)特征參數(shù)，同時(shí)盡可能的保留了原車型的造型特征，解決了以往標(biāo)準(zhǔn)模型與實(shí)際車型主要特征吻合度不高的問題，保證了參數(shù)模型優(yōu)化結(jié)果在目標(biāo)車型上的實(shí)際應(yīng)用性。

3 某經(jīng)濟(jì)型轎車空氣動(dòng)力特性優(yōu)化

    3.1 建立參數(shù)模型

    依前述原則建立參數(shù)模型。

圖1 參數(shù)化模型

    3.2 確定研究參數(shù)及其變化區(qū)間

    以圖2中的1、2、3、4、5、8六個(gè)角度類參數(shù)研究各參數(shù)對整車風(fēng)阻系數(shù)的影響。參數(shù)名稱及變化區(qū)間參見表1。

圖2 目標(biāo)參數(shù)

表1 參數(shù)及變化區(qū)間

    3.3 自動(dòng)計(jì)算平臺(tái)搭建及計(jì)算

    搭建自動(dòng)計(jì)算平臺(tái)，依實(shí)驗(yàn)設(shè)計(jì)理論，采用正交方法為全局變量建立正交矩陣，開始對計(jì)算模型進(jìn)行計(jì)算。整個(gè)設(shè)計(jì)流程可參考圖3。

圖3 DOE搭建流程

    3.4 基于DOE結(jié)果的參數(shù)分析

    3.4.1 各參數(shù)主效應(yīng)分析

    經(jīng)計(jì)算，獲得各參數(shù)主效應(yīng)分布圖，見圖4。

圖4 主效應(yīng)分析

    由上圖可知，在考察范圍內(nèi)，各因子對整車Cd的影響為，發(fā)動(dòng)機(jī)罩傾角對整車風(fēng)阻影響影響最顯著，整車風(fēng)阻隨發(fā)罩傾角的增大而減小；前風(fēng)窗傾角對整車風(fēng)阻影響較顯著，整車風(fēng)阻隨前風(fēng)窗傾角的增大而減小；后風(fēng)窗傾角對整車風(fēng)阻影響較顯著，水平處于較高范圍內(nèi)時(shí)整車Cd較小；后風(fēng)窗實(shí)際作用角對整車風(fēng)阻影響較小，水平處于中部時(shí)，整車Cd較�。粋�(cè)窗傾角與格柵傾角對整車風(fēng)阻的影響小。

    3.4.2 各參數(shù)交互作用分析

    圖5、圖6為各參數(shù)的交互作用分析圖。

圖5 交互效應(yīng)分析——交互作用強(qiáng)

圖6 交互效應(yīng)分析——交互作用弱

    由圖5、圖6可知，前風(fēng)擋、后風(fēng)窗實(shí)際作用角間的相互影響較大，側(cè)窗和格柵相互作用較大，后風(fēng)窗實(shí)際作用角、后風(fēng)窗角度存在交互作用，后風(fēng)窗、格柵之間存在交互作用。

    3.5 全局尋優(yōu)結(jié)果分析

    3.5.1 尋優(yōu)結(jié)果

    通過全局尋優(yōu)，獲得各參數(shù)的最優(yōu)值見表2。

表2 參數(shù)最優(yōu)匹配表

    3.5.2 預(yù)測結(jié)果分析及改進(jìn)

    圖7為近似模型預(yù)測最優(yōu)點(diǎn)與各參數(shù)主效應(yīng)曲線對比圖，由圖可知，預(yù)測結(jié)果與主效應(yīng)分析結(jié)果基本一致。

圖7 近似模型預(yù)測最優(yōu)點(diǎn)與主效應(yīng)曲線對比

    分析上圖可知，使用近似模型預(yù)測的各參數(shù)的最優(yōu)點(diǎn)對于主效應(yīng)顯著的因子如front-window、hood、rear-wmdow與trunk，預(yù)測最優(yōu)方案與主效應(yīng)曲線最優(yōu)位置一致。對于主效應(yīng)不顯著的因子，不一定能作為最優(yōu)方案的決策。

    根據(jù)近似模型求解得到的最優(yōu)值，可結(jié)合主效應(yīng)分析結(jié)果進(jìn)行進(jìn)一步改進(jìn)，改進(jìn)方案見圖8（圖中藍(lán)色點(diǎn)為可選改進(jìn)方案）。

圖8 改進(jìn)方案

    改進(jìn)主要針對主效應(yīng)顯著的因子（如front-window），主效應(yīng)不顯著的因子改進(jìn)效果小，對優(yōu)化設(shè)計(jì)工作貢獻(xiàn)小，根據(jù)實(shí)際工作要求可不予考慮。具體改進(jìn)方案參考表3。

表3 改進(jìn)方案

    分析表3中數(shù)據(jù)，改進(jìn)方案4中參數(shù)模型的風(fēng)阻系數(shù)最低，Cd值為0.941a，使用近似模型預(yù)測得到的優(yōu)化方案實(shí)際風(fēng)阻系數(shù)為0.951a，與之相比，改進(jìn)后的阻力系數(shù)Cd降低1%，有一定改進(jìn)效果。與初始方案相比，參數(shù)模型的風(fēng)阻系數(shù)值從a降到0.941a，降低5.9%，降幅較為明顯。而在近似方案基礎(chǔ)上單獨(dú)對前風(fēng)窗傾角、格柵傾角和側(cè)窗傾角進(jìn)行改變對整車風(fēng)阻系數(shù)影響不大，上述三個(gè)變量對相應(yīng)的交互作用較為明顯。本文所用方法在進(jìn)行最優(yōu)解預(yù)測時(shí)，對主效應(yīng)較強(qiáng)的參數(shù)（變量）取值預(yù)測較為準(zhǔn)確，對于主效應(yīng)較弱參數(shù)的預(yù)測結(jié)果還需進(jìn)行驗(yàn)證，以保證最優(yōu)結(jié)果的合理性。

    3.6 CAS模型

    將上述基于參數(shù)化模型的優(yōu)化結(jié)果映射到實(shí)際CAS造型上。并對其進(jìn)行仿真分析，結(jié)果見表4。

表4 仿真結(jié)果

    由表中數(shù)據(jù)可知，將參數(shù)模型優(yōu)化結(jié)果應(yīng)用到實(shí)車上后，所得模型的變化趨勢與參數(shù)模型的數(shù)據(jù)變化趨勢保持一致，最優(yōu)模型阻力系數(shù)有較大降幅。

4 結(jié)論

    1.本文所建參數(shù)化模型保留了目標(biāo)車型的主要造型特征，實(shí)際應(yīng)用性強(qiáng)，經(jīng)驗(yàn)證，在此模型上進(jìn)行的降阻研究所得結(jié)論在目標(biāo)車型的CAS模型上應(yīng)具有良好降阻效果，此參數(shù)化模型可應(yīng)用在正向開發(fā)的降阻過程中。

    2.在正向開發(fā)過程中應(yīng)用低風(fēng)阻乘用車車身參數(shù)化開發(fā)技術(shù)，可節(jié)省優(yōu)化分析時(shí)間，減少計(jì)算量，實(shí)現(xiàn)全方案全局尋優(yōu)，為造型部門提供可行的、明確的、參數(shù)化的改進(jìn)建議。

    3.通過優(yōu)化找出了各參數(shù)的最佳組合，使研究對象的風(fēng)阻系數(shù)較原始模型降低了6.5%。

    4.在考察范圍內(nèi)，各因子對整車Cd的影響程度如下：

    1)發(fā)動(dòng)機(jī)罩傾角最顯著；取最大水平13.3°時(shí)Cd最��；

    2)前風(fēng)窗傾角較顯著；取最大水平65°時(shí)Cd最��；

    3)后風(fēng)窗傾角較顯著；水平處于較高范圍內(nèi)時(shí)Cd較�。�

    4)后風(fēng)窗實(shí)際作用角影響較��；水平處于中部時(shí)，Cd較小；

    5)側(cè)窗傾角與格柵傾角的影響小。

    5.各參數(shù)的交互作用分析：

    1)前風(fēng)擋傾角、后風(fēng)窗實(shí)際作用角間的相互影響較大；

    2)側(cè)窗傾角和格柵傾角相互作用較大；

    3)后風(fēng)窗實(shí)際作用角、后風(fēng)窗角度之間存在交互作用；

    4)后風(fēng)窗傾角、格柵傾角之間存在交互作用。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標(biāo)題：基于Starccm+的某車型外氣動(dòng)特性DOE優(yōu)化

本文網(wǎng)址：http://www.ezxoed.cn/html/support/11121513001.html