黄森仁，王宇，崔世海，刘学龙



汽车前部气动外形减阻自动优化研究*

黄森仁1，王宇2，崔世海2，刘学龙1

（1.中国汽车技术研究中心有限公司 汽车工程研究院，天津 300300；2.天津科技大学 机械工程学院，天津 300222）

计算流体力学（CFD）在汽车空气动力学设计中得到了广泛应用，但传统的CFD方法只能在产品的CAD几何数模设计完成之后进行分析，CFD分析工程师所提出的优化方案无法得到立即验证，设计周期增长，成本高。文章基于某车的CFD网格模型，针对汽车前部相关设计变量，利用优化软件HyperStudy与网格变形软件HyperMorph、商用流体分析软件STAR-CCM+耦合，实现了汽车气动外形减阻的自动优化流程。

计算流体力学；气动外形；气动减阻；自动优化；实验设计

前言

汽车气动造型的传统优化方式都是由设计师首先设计出车身的基本造型，然后由空气动力学工程师进行计算流体力学（CFD）分析并进行油泥风洞试验，空气动力学工程师根据自己的专业知识及工程经验对汽车造型提出一些可能的减阻优化方案，再由设计师将模型修改后交由空气动力学工程师进行气动特性评估，此过程反复进行，直到达到所要求的目标值或优化时间用尽[1]。这样的过程既费时又费力，往往还达不到预期的效果，耽误企业的研发进程。

随着计算流体力学（CFD）的快速发展，基于CFD分析的汽车气动造型优化设计方法极大地缩短了汽车造型设计时间。本研究针对传统优化方式搭建出一个自动优化平台，该平台对汽车模型前部实现了网格变形的自动化，CFD分析的自动化以及数据采集的自动化。这将对汽车开发流程产生影响，能够缩短汽车气动造型的开发时间，提高工程师的工作效率，减少工程师的繁重的工作量并能有效控制整车的空气动力学特性。

1 自动优化流程

传统的汽车空气动力学的优化流程如图1（a）所示，空气动力学工程师从汽车造型师的手中得到汽车模型，对所得到的汽车模型数据进行前处理并进行网格划分，得到所需要分析计算的网格模型，经过CFD计算求解，接着由空气动力学工程师向汽车造型师提供优化建议，再由造型师进行汽车模型的几何数据修改，然后重复上述步骤，如此反复，最终完成优化工作。可以看出这一过程需要造型师不断修改模型数据，空气动力学工程师不断建模计算分析，这将消耗大量的人力和时间。

为了改善上述状况，本研究搭建了一个自动优化流程来完成对整车模型的气动减阻，如图1（b）所示。该流程通过在CFD求解与后处理两个步骤之间实现的网格自动变形以及自动提交CFD计算来实现自动优化。自动优化流程主要包括如下几个步骤：

（1）通过相关网格变形软件实现模型变形的参数化；

（2）通过相关试验设计方法来构建DOE矩阵；

（3）以DOE矩阵为基础，运用适当的近似模型方法对所得DOE矩阵数据进行拟合得到相应的近似模型；

（4）利用恰当的优化算法对近似模型进行优化计算，得到优化结果，并进行CFD验算，验证优化结果的准确性。

该流程需要在STAR-CCM+中录制相关宏文件（Macro）来实现网格的自动划分及模型的计算求解[2]，编辑批处理文件来实现HyperStudy调用STAR-CCM+软件进行优化分析[3]。

2 原车空气动力学CFD分析

采用某SUV车型的CAS面模型，CAS技术是在CAD/ CAE/CAM技术后的又一新技术，它主要用来将造型设计师的效果图用软件做成实际大小的数据模型，这种模型相对比较粗糙，车身上存在很多缝隙，需要进行缝补；将车身上的一些不必要的细节进行简化，例如将门把手、雨刷等部位删除[4]；在本研究中主要针对汽车的气动外形进行研究，所以在处理底盘部分时，将底盘的复杂结构删除，然后通过构建底部平面将下面封闭，使模型得以简化；在处理格栅部分时，基本保留了格栅的形状，并将其开口封闭，以使整个模型封闭。

在将几何模型处理完成之后，将所得到的初始模型导入到STAR-CCM+中，再对模型进行一定的处理以备下一步在STAR-CCM+中进行包面（Surface Wrapper），然后再对包面的模型进行表面重构（Surface Remesher），通过表面重构得到了质量较好的网格模型，从而保证了后续生成体网格的质量。最终的整车面网格模型如图2所示。计算域大小设置：宽为7倍车宽，高为6倍车高，长度为13倍车长（车前面4倍车长，车后面8倍车长）的长方体。

图1 汽车空气动力学优化流程

面网格生成完毕后，再以面网格为基础来进行体单元的划分。本次体网格的生成采用了STAR-CCM+中具有特色的切割六面体网格模型（Trimmer），采取了混合网格的策略，即Trimmer+棱柱层网格，其中棱柱层网格是用来生成汽车表面及非滑移地面边界层的。为了保证模拟计算的精确性，在本研究中共设置了5个体网格加密区，分别是汽车底部、尾部以及三个整车体网格加密区，如图3所示。

图2 某车面网格模型

图3 体网格加密区

表1 边界条件的设置

湍流模型选择了可实现的k-ε（Realizable K-Epsilon）湍流模型，该模型是标准k-ε模型的变形，用数学约束改善模型性能。在本研究的边界条件的设定上将计算域的入口设定为速度入口（velocity inlet），气流流速为120km/h，计算域出口设为压力出口（pressure outlet），相对压力值为0Pa，汽车前部地面设置为滑移（slip）边界条件，其余地面设置为非滑移边界条件（no-slip），具体边界条件的设置如表1所示。

经过4000步的迭代计算达到收敛，计算结果满足精度要求。经过计算得到了整车气动阻力系数为0.325，整车气动阻力为270.08N。

通过后处理分别得到对称面的相对压力系数云图如图4所示，对称面上的湍流动能图如图5所示，以及水平面上的湍流动能图如图6所示。

图4 对称面的压力系数云图

图5 对称面上的湍流动能图

图6 水平面上的湍流动能图

根据对以上相关空气动力学云图的分析，针对汽车模型前部，最终确定了与启动减阻有关的设计变量，分别为：发动机盖倾角、挡风玻璃倾角、接近角、前翼子板外宽。

3 汽车模型前部空气动力学优化

3.1 设计变量设置

在不改变其基本造型的情况下，对发动机盖倾角进行参数化变形方案设计，其初始角度为6°，所设置的发动机盖倾角角度的变化范围为[6°, 9°]；前挡风玻璃倾角的初始角度为32°，所设置的前挡风玻璃倾角角度变化范围为[30°，34°]；基于原始模型，前轮包向内收缩范围为[0mm，40mm]；接近角的原始角度为4°，设置其变形范围为[0°，8°]。

3.2 试验设计分析

试验设计方法有许多种，选择适当的试验设计方法不仅可以有效降低计算成本，而且为后续建立的近似模型的精确度提供了保障。在本研究中，由于考虑到可控因子（设计变量）的水平是连续的，因此可以选择全因子设计、拉丁超立方采样及哈默斯雷采样，但全因子设计所需的设计点很多，在基于CFD计算的试验设计中，由于单个模型的计算时间较长，一个算例大概需要10多个小时，这会造成试验的计算成本和时间成本很高，故本试验不采用全因子设计。对比拉丁超立方采样和哈默斯雷采样两种采样方法，哈默斯雷采样是基于哈默斯雷点利用伪随机数值发生器，均匀地在一个超立方体中进行抽样，其优点在于它能在K维超立方体上取得很好的均匀分布，而拉丁超立方采样只在一维问题上取得较好的均匀性，故本文采用哈默斯雷采样方法[3]。

通过对DOE矩阵的后处理分析，可知汽车前部的四个设计变量对气动阻力的影响非常小，这主要是因为该汽车模型处于造型的中后期阶段，对模型的修改变化有很大限制，因此在对汽车模型进行变形时都是进行微小的改变，所以对气动阻力产生的影响较小。各个试验变量之间的交互作用皆近乎为零，所以在对该模型进行设计分析时不用考虑这几个变量之间的交互作用[5]。

3.3 优化结果分析

本次通过采用移动最小二乘法拟合构建了近似模型，通过自适应响应面法，以气动阻力最小为优化目标，气动升力系数约束在一定的范围内，结合所构建近似模型，优化后的参数如下：发动机盖倾角为6°；前挡风玻璃倾角的初始角度为30°；前轮包向内收缩[0mm；接近角为8°，自动优化算法预测的阻力为267.12N，对优化后的设计参数经过CFD验证计算得到的预测阻力为268.36N， CFD计算结果与优化算法所预测的气动阻力值之间的误差仅为0.46%，误差较小，说明优化结果可信。最终的优化后模型与原模型的形状对比如图7所示。优化后模型的Cd值为0.322，比原模型Cd值0.325降低了0.92%。

图7 原始模型与优化模型形状对比

图8所示，为原始模型与优化后的模型的车身表面压力云图。汽车表面的压力变化主要体现在车身前部，车身后部的表面压力优化前后变化较小，说明车身前部设计变量对车身后部流场影响较小。

图9为两模型对称面上的湍流动能云图。通过对比可以明显发现优化后模型底部较原始模型底部的流场得到明显改善，由图9可以看出在接近角处，优化模型的湍流区明显减小，其中心湍流动能明显降低，原始模型的底部有着较长较厚的湍流区域，优化后整个底部的湍流区域明显变薄，这是由于接近角的增大使得气流较平顺地流过车身底部，改善了底部的气流状况，这也说明接近角对车身底部气流的影响较大，在汽车外形设计时应尤为关注此处。

图8 车身表面压力云图

图9 对称面上湍流动能云图

观察发动机盖前端可见，虽然在优化模型中并没有对发动机盖处做任何变形，只是对挡风玻璃倾角做出相应的改变，但可以看出优化后发动机盖前端的湍流动能较原始模型有所减小，这对整个模型的减阻来说是有帮助的，说明挡风玻璃倾角能够影响到车身前部的气流状态，同时这也给出了一个启示，就是在对模型进行优化时，一个设计变量所产生的关联作用是不可忽略的。同时在发动机盖与挡风玻璃转角处也可以发现此处的湍流动能也有所减小，使得在优化后模型的发动机盖及挡风玻璃上的气流贴合度较原始模型要好，对气动阻力的减小都起到一定的作用。

在车子尾部也可以发现，优化后模型较原始模型的湍流动能有所减小。可以看出，前部接近角的改变也会对汽车尾部的气流状况产生影响，所以一个好的车身前部设计会产生较好的作用，不仅仅能够影响到车身前部，同时也会影响到车身的其他部分。

4 结论

根据气动外形减阻的传统优化流程，通过优化软件HyperStudy与变形软件HyperMorph、计算流体力学软件STAR-CCM+耦合，搭建了气动外形减阻的自动优化流程，实现了模型的自动优化减阻，能够为产品的研发节省时间，大大提高了工作效率。

本研究也发现，在某一设计变量改变时往往有些结果的变化是难以预料，挡风玻璃倾角对车身前部气流所产生的关联作用是不可以忽视的，这对于工程师对整车造型的优化研究是非常重要。

通过对汽车前部的优化可以看出，在汽车中后期造型阶段的空气动力学优化工作由于受到造型方面的限制，对相关设计变量的变化幅度较小，因此在气动减阻方面的工作是比较困难的。

[1] Singh R. Automated Aerodynamic Design Optimization Process for Automotive Vehicle[C]. SAE Technical Paper. 2003-01-0993.

[2] CD-Adapco company. STAR-CCM+ version 10.04.011 user guide[K].

[3] 洪清泉,赵康,张攀等.OptiStruct & HyperStudy理论基础与工程应用[M].北京:机械工业出版社,2012.

[4] 张英朝.汽车空气动力学数值模拟技术[M].北京:北京大学出版社,2011.6.

[5] 蒙哥马利.傅钰生等译.实验设计与分析[M].北京:人民邮电出版社, 2009.

Research on Automatic Optimization of aerodynamic drag reduction for the automobile front part

Huang Senren1, Wang Yu2, Cui Shihai2, Liu Xuelong1

( 1.China Automotive Technology and Research Center Co., Ltd.. Tianjin 300300; 2.College of Mechanical Engineering, Tianjin University of Science and Technology, Tianjin 300222 )

The computational fluid dynamics (CFD) is widely applied during the design of vehicle dynamic shape. However, the traditional CFD can only be used after the complete of vehicle CAD geometrical digital model, and the optimization scheme cannot be verified at once, which made the automobile design period longer. Based on the CFD model of an automobile, an automatic optimization process for the design variables of automobile front part was realized by coupling optimization code Hyperstudy, element morph code Hypermorph and commercial CFD code STAR-CCM+.

CFD; Aerodynamic shape; aerodynamic drag reduction; Automatic optimization; DOE

B

1671-7988(2019)03-101-04

U467

U467

B

1671-7988(2019)03-101-04

黄森仁，中国汽车技术研究中心有限公司，硕士、高工、研究方向：汽车空气动力学。

崔世海，博士，教授，天津科技大学，研究方向：汽车CAE。

天津市中青年骨干教师项目资助。

10.16638/j.cnki.1671-7988.2019.03.031