传统的计算流体动力学(Computational fluid dynamics, CFD)方法是基于有限差分或有限体积法进行空间离散的近似。在进行汽车空气动力学分析时, 需进行大量的网格划分工作, 并在模型局部进行网格细化以达到仿真实验的精度, 因此开发周期较长, 且汽车模型多为简化模型。而XFlow与传统的流体动力学软件相比具有以下优势:

(1)采用基于粒子的动力学求解器求解格子玻尔兹曼方程, 通过介观模型的动力学方法来模拟流体的宏观行为, 因此兼顾了宏观流体动力学的高效和微观分子动力学的精度。

(2)在模拟仿真中, 自动地对计算空间进行格子形式离散化, 因此在前处理阶段模拟空间不需要划分网格, 极大地提高了仿真效率。

(3)在湍流模型上, 将精确的大涡模拟与格子玻尔兹曼方法结合, 增强了对复杂几何模型和移动边界问题的处理能力, 模型无需简化, 可实现实车模型的空气动力学分析。

(4)具有粒子自适应性, 仿真过程中可以动态地跟踪汽车尾部流场粒子的运动轨迹, 进行粒子的局部细化, 提高了近场壁面和尾流处的仿真精度。

表1为车辆的基本参数, 从表中可以看出整车尺寸较大, 受格子尺度的影响, 如果直接对该车辆进行仿真, 其计算量将非常巨大, 因此考虑将车辆模型进行适当缩放。

表1

Table 1

表1(Table 1)

表1 五轴重型载货汽车模型参数 Table 1 Five axis heavy duty vehicle model parameters 参数 数值 参数 数值 Hvel/m 3.4 rw/m 0.55 Wvel/m 2.5 Ltra/m 6 Lvel/m 13.8 Re/m 0.53 Aref/m2 8.4 δ w_t/m 2 δ t_t/m 1.1

表1 五轴重型载货汽车模型参数 Table 1 Five axis heavy duty vehicle model parameters

表1中:H_vel为整车高度; W_vel为整车宽度; L_vel为整车长度; A_ref为该模型的迎风面积; δ _{t_t}为牵引车与挂车之间间距; r_w为车轮半径; L_tra为牵引车长度; R_e为有效车轮半径; δ _{w_t}为轮距。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 五轴重型载货汽车缩放模型Fig.1 5-axis heavy duty vehicle scaled model

模型采用缩放比为1∶ 10。图1为缩放模型的基本尺寸示意图, 可以看出, 模型完整地反映了整车底部结构的复杂性和非对称性。

(1)虚拟风洞

虚拟风洞的基本参数如表2所示。表2中, H_vwt、W_vwt和L_vwt分别为虚拟风洞的高度、宽度和长度; v_in为来流速度, 即虚拟风洞入口处流体速度; ρ 为空气密度; T为风洞内温度; x_L为车辆模型与虚拟风洞入口的距离; μ 为流体的动力黏度; v_g为地面移动速度。

表2

Table 2

表2(Table 2)

表2 虚拟风洞基本参数 Table 2 Basic parameters of virtual wind tunnel 参数 数值 参数 数值 Hvwt/m 2.5 T/K 288.2 Wvwt/m 1.8 xL/m 4.8 Lvwt/m 17.6 μ /(10-5 Pa· s) 1.789 vg/(m· s-1) 30 vin/(m· s-1) 30 ρ /(kg· m-3) 1.225

表2 虚拟风洞基本参数 Table 2 Basic parameters of virtual wind tunnel

(2)壁面模型函数

由于车辆模型较为复杂, 需要考虑多种干扰和相互影响, 因此使用模拟壁面梯度变化的非平衡壁面函数代替实际边界的流动, 该函数考虑了壁面的压力梯度, 因此适合用于流体分离比较严重的区域。

(3)尾流控制距离

由于XFlow软件带有粒子自适应技术, 该技术会导致尾流处格子数越来越多, 增加不必要的计算量, 因此需设置尾流控制距离, 该参数可以保证格子加密控制在一定的距离范围内, 其值设置为缩放模型车身长度的3.5倍。

图4为车辆表面压力分布情况, 可以看出, 在车辆底部结构中1轴车轮和2轴车轮表面压力较大, 而挂车车轮的表面压力很小。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 车辆表面压力分布Fig.4 Vehicle surface pressure distribution

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 车轮旋转时的外表面速度场分布Fig.5 Surface velocity distribution of rotating wheels

图5为车轮旋转时各轴车轮的外表面速度场分布情况, 可以看出:1轴2车轮上半部与内侧表面速度较大; 2轴4车轮表面速度相对减小; 3、4、5轴各车轮表面速度场速度较低, 与压力分布情况相符, 因此挂车车轮对气动阻力影响较小。

图6为车辆底部外流场速度分布情况。红色部分为车辆外流场流体速度为10 m/s的区域, 可以看出, 红色区域遍布于车辆底部, 说明模型底部流体速度较低。图7为模型底部的湍流强度分布情况, 可以看出:由于车辆模型底部结构较为复杂, 造成了气流的阻塞, 但是湍流损失较大, 因此挂车底部对于整车的空气阻力影响不应忽视。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 车辆外流场速度分布Fig.6 Vehicle external flow field velocity distribution

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 模型底部的湍流强度分布Fig.7 Underbody turbulence intensity distribution

图8为车轮旋转状态下, 模型前方车高1/4处1.0× 10³个粒子经过车辆底部的运动轨迹, 从图8(a)可以看出, 粒子受模型底部影响已在牵引车与挂车之间、尾流处形成大量涡流; 从图8(b)可以看出模型底部的不对称性导致的粒子流向变化。因此, 底部结构对于牵引车与挂车之间和尾流处的流场影响较大。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 车轮旋转时模型底部流体轨迹Fig.8 Underbody fluid trajectory with rotating wheels

根据车辆模型底部流场的分析结果对模型进行结构优化(见图9), 分别在模型底部安装底部护板和侧裙板。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 车辆模型底部结构优化Fig.9 Vehicle model underbody structure optimization

优化结果如图10所示, 横坐标中(a)、(b)、(c)分别代表图9中的3种底部结构优化方式, 可以看出, 牵引车底部对整车空气阻力的影响较大, 将牵引车底部封闭后, 整车阻力系数降低了20.4%; 将牵引车和挂车底部进行封闭后, 整车阻力系数降低了23%。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 优化后的空气阻力系数Fig.10 Air drag coefficient after optimization