0 前言
本文使用Starccm+仿真軟件,結合實驗設計和優化理論,對某經濟型轎車開展基于參數化模型的外氣動特性DOE優化,綜合考慮空氣動力學專業特有的耦合特性,解決以往降阻分析過程中僅對單參數進行優化而導致分析結果不全面的問題,以及因多參數優化工作量巨大而難以依靠人工完成的問題。
1 技術路線
本文首先使用與優化目標車型具有相同造型特征的參數化模型進行降阻優化分析,通過改變目標參數來獲得參數間最佳匹配關系,進而將優化結果反饋至目標車型上,指導目標車型進行降阻優化改進,最終獲得最佳低風阻車身造型。具有計算速度快,分析效率高,結果反饋及時迅速的特點,適合在總布置階段及造型設計初期使用,可及時明確降阻目標,提供優化方向,使工作更加具有針對性。
本文研究工作建立在一個可實現對多參數、大樣本量問題進行自動計算、全局尋優的優化計算平臺的基礎上,通過集成體網格變形文件Sculptor、流體計算軟件Starccm+和優化軟件Isight,實現自動尋優計算。本文的技術路線具體實現形式為:建立參數化模型一設置變形參數一選取試驗設計方法一搭建DOE模型一全局變形計算一模型參數關系分析一自動尋優一最終優化方案確定一最佳參數組合驗證一CAS模型驗證。
2 參數化模型
整車的總體參數匹配是影響整車風阻系數的關鍵因素之一,良好的參數匹配是低風阻車型的基礎。基于量化參數的思想,建立參數化模型,方便定量修改,基于空氣動力學分析的目標與基本原理,確定簡化模型需要符合以下原則:
1.體現原造型方案的基本特征;
2.為滿足與實際車型符合度高、適于修改和方便計算的多方面需求,簡化模型應多由平面構成,連接處為圓弧曲面;
3.需保證簡化模型與CAS模型的匹配關系,當簡化模型向真實模型拓撲時,由簡化模型計算得出的優化方案在CAS造型上使用可獲得相應的降阻效果。
乘用車參數化模型具有與目標車型相同的空氣動力學特征參數,同時盡可能的保留了原車型的造型特征,解決了以往標準模型與實際車型主要特征吻合度不高的問題,保證了參數模型優化結果在目標車型上的實際應用性。
3 某經濟型轎車空氣動力特性優化
3.1 建立參數模型
依前述原則建立參數模型。
圖1 參數化模型
3.2 確定研究參數及其變化區間
以圖2中的1、2、3、4、5、8六個角度類參數研究各參數對整車風阻系數的影響。參數名稱及變化區間參見表1。
圖2 目標參數
表1 參數及變化區間
3.3 自動計算平臺搭建及計算
搭建自動計算平臺,依實驗設計理論,采用正交方法為全局變量建立正交矩陣,開始對計算模型進行計算。整個設計流程可參考圖3。
圖3 DOE搭建流程
3.4 基于DOE結果的參數分析
3.4.1 各參數主效應分析
經計算,獲得各參數主效應分布圖,見圖4。
圖4 主效應分析
由上圖可知,在考察范圍內,各因子對整車Cd的影響為,發動機罩傾角對整車風阻影響影響最顯著,整車風阻隨發罩傾角的增大而減小;前風窗傾角對整車風阻影響較顯著,整車風阻隨前風窗傾角的增大而減小;后風窗傾角對整車風阻影響較顯著,水平處于較高范圍內時整車Cd較小;后風窗實際作用角對整車風阻影響較小,水平處于中部時,整車Cd較小;側窗傾角與格柵傾角對整車風阻的影響小。
3.4.2 各參數交互作用分析
圖5、圖6為各參數的交互作用分析圖。
圖5 交互效應分析——交互作用強
圖6 交互效應分析——交互作用弱
由圖5、圖6可知,前風擋、后風窗實際作用角間的相互影響較大,側窗和格柵相互作用較大,后風窗實際作用角、后風窗角度存在交互作用,后風窗、格柵之間存在交互作用。
3.5 全局尋優結果分析
3.5.1 尋優結果
通過全局尋優,獲得各參數的最優值見表2。
表2 參數最優匹配表
3.5.2 預測結果分析及改進
圖7為近似模型預測最優點與各參數主效應曲線對比圖,由圖可知,預測結果與主效應分析結果基本一致。
圖7 近似模型預測最優點與主效應曲線對比
分析上圖可知,使用近似模型預測的各參數的最優點對于主效應顯著的因子如front-window、hood、rear-wmdow與trunk,預測最優方案與主效應曲線最優位置一致。對于主效應不顯著的因子,不一定能作為最優方案的決策。
根據近似模型求解得到的最優值,可結合主效應分析結果進行進一步改進,改進方案見圖8(圖中藍色點為可選改進方案)。
圖8 改進方案
改進主要針對主效應顯著的因子(如front-window),主效應不顯著的因子改進效果小,對優化設計工作貢獻小,根據實際工作要求可不予考慮。具體改進方案參考表3。
表3 改進方案
分析表3中數據,改進方案4中參數模型的風阻系數最低,Cd值為0.941a,使用近似模型預測得到的優化方案實際風阻系數為0.951a,與之相比,改進后的阻力系數Cd降低1%,有一定改進效果。與初始方案相比,參數模型的風阻系數值從a降到0.941a,降低5.9%,降幅較為明顯。而在近似方案基礎上單獨對前風窗傾角、格柵傾角和側窗傾角進行改變對整車風阻系數影響不大,上述三個變量對相應的交互作用較為明顯。本文所用方法在進行最優解預測時,對主效應較強的參數(變量)取值預測較為準確,對于主效應較弱參數的預測結果還需進行驗證,以保證最優結果的合理性。
3.6 CAS模型
將上述基于參數化模型的優化結果映射到實際CAS造型上。并對其進行仿真分析,結果見表4。
表4 仿真結果
由表中數據可知,將參數模型優化結果應用到實車上后,所得模型的變化趨勢與參數模型的數據變化趨勢保持一致,最優模型阻力系數有較大降幅。
4 結論
1.本文所建參數化模型保留了目標車型的主要造型特征,實際應用性強,經驗證,在此模型上進行的降阻研究所得結論在目標車型的CAS模型上應具有良好降阻效果,此參數化模型可應用在正向開發的降阻過程中。
2.在正向開發過程中應用低風阻乘用車車身參數化開發技術,可節省優化分析時間,減少計算量,實現全方案全局尋優,為造型部門提供可行的、明確的、參數化的改進建議。
3.通過優化找出了各參數的最佳組合,使研究對象的風阻系數較原始模型降低了6.5%。
4.在考察范圍內,各因子對整車Cd的影響程度如下:
1)發動機罩傾角最顯著;取最大水平13.3°時Cd最小;
2)前風窗傾角較顯著;取最大水平65°時Cd最小;
3)后風窗傾角較顯著;水平處于較高范圍內時Cd較小;
4)后風窗實際作用角影響較小;水平處于中部時,Cd較小;
5)側窗傾角與格柵傾角的影響小。
5.各參數的交互作用分析:
1)前風擋傾角、后風窗實際作用角間的相互影響較大;
2)側窗傾角和格柵傾角相互作用較大;
3)后風窗實際作用角、后風窗角度之間存在交互作用;
4)后風窗傾角、格柵傾角之間存在交互作用。
核心關注:拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用,蘊涵了豐富的ERP管理思想,集成了ERP軟件業務管理理念,功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理,全面涵蓋了企業關注ERP管理系統的核心領域,是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/