基于形體優化方法的汽車空氣動力學開發

廉玉波，羅秋麗，張風利，張榮榮，張亞東

（比亞迪汽車工業有限公司，深圳 518118）

前言

在電動汽車開發中，續航里程作為關鍵性能指標受到各車企的高度重視，而降低風阻是提高續航里程的主要途徑之一。漢車型是比亞迪基于全新純電平臺開發的高端旗艦轎車，根據動力經濟性計算結果該車型風阻系數Cd每降低10 counts，NEDC（new European driving cycle，NEDC）工況續航里程可提升約8 km［1］。可見，降低風阻已成為純電動車提高續航里程的主要性能目標。

目前空氣動力學開發主要分為傳統優選方法和直接優化方法。其中傳統空氣動力學低風阻開發流程均通過手動修改幾何模型、手動劃分計算模型網格、手動計算流體力學（computational fluid dynamics，CFD）分析、手動后處理等一整套優選方法，該方法在造型概念設計階段和氣動部件開發過程中花費的時間較長，浪費大量的計算資源，對設計者的工程經驗要求較高，且優化后的車體外形空氣動力學參數不一定是設計空間內的最優組合［2-3］。

另外，為了克服優選方法的缺點，直接優化的方法近幾年開始被用于整車外形空氣動力學優化。直接優化方法是在滿足一定約束條件的基礎上，利用數學方法（如遺傳算法、機器學習、徑向基函數響應面模型等）使設計目標達到最優，這種方法對設計者工程經驗的依賴程度較低，可以同時對多個目標進行尋優［4-8］。張海林［8］基于網格變形Sculptor軟件和CFD軟件建立了某車身氣動減阻降噪協同優化設計流程，對整車減阻降噪提供了有效方法。屈賢等［9］基于正交試驗設計方法，對MIRA模型尾部關鍵尺寸進行了優化，有效抑制了尾流分離及尾渦拖曳，得出了最優尾部結構。Hu等［10］采用參數化建模技術和徑向基函數響應面模型方法，對MIRA模型氣動特性進行了多目標優化，有效降低了氣動阻力和升力。

綜合來看，目前針對汽車空氣動力學特性的低風阻優化方法已廣泛開展深入研究；然而，綜合考慮整車外型關鍵尺寸設計的全局形體優化，并考慮氣動部件的形體優化案例仍處于空白。

本文中建立的整車形體優化設計方法可在造型概念設計階段就能夠提供最佳空氣動力學外形參數供造型設計參考；在造型方案設計階段，采用形體優化方法可對氣動部件進行空氣動力學性能開發。形體優化設計方法自動化程度高，可以提高整車氣動特性設計效率，縮短設計周期。

1 模型選擇和優化設計流程

1.1 模型選擇

在新車型研發中，為了進一步尋找空氣動力學低風阻性能最大潛力，本文中基于比亞迪漢EV車型形體研發車型約束尺寸，得到某款研發車型的概念設計階段外形，基于此外形進行空氣動力學形體優化。本文中采用Sculptor軟件進行車高、車寬、前懸、后懸、軸距等尺寸變形，如圖1所示。

1.2 優化設計流程

本文中建立的汽車整車形體優化流程如圖2所示。通過腳本程序在Sculptor自動實現網格變形以及在StarCCM+中實現整車空氣動力學計算。輸入參數的樣本空間排列通過均勻拉丁超立方的試驗設計方法（DOE）［6］。同時建立三次響應面模型，通過驗證響應面精度確定本文樣本點數為100個。

綜上，通過搭建的汽車整車多目標優化設計流程，計算得到DOE矩陣空間。而DOE矩陣空間的進一步尋優則通過多島遺傳優化算法實現。

2 參數化模型建立與CFD仿真

2.1 整車參數化模型

根據圖1和圖2的模型及多目標優化設計流程，在Isight軟件中搭建完成汽車整車試驗設計（DOE）優化平臺。其中Sculptor軟件實現網格變形，Rename程序實現網格變量之間的傳遞轉換，StarCCM+軟件實現整車空氣動力學計算，Calculator-Averge Cd模塊實現計算結果數據的平均計算與輸出。Approximation模塊實現樣本空間的進一步尋優。基于Isight的汽車整車形體優化平臺如圖3所示。

2.2 CFD仿真

2.2.1 計算域設置

本文中采用StarCCM+實現網格輸出，為了更加精確地與風洞試驗對標，建立考慮地面效應的五帶系統，如圖4所示。計算域設置如下：車頭到計算域的入口距離為4倍車長，車尾到計算域的出口距離為6倍車長，計算域總長11倍車長；車的左右兩側到計算域的左右兩側的距離為4倍車寬，計算域總寬為9倍車寬；車頂到計算域的頂部為5倍車高，計算域總高為6倍車高。

汽車整車正前方來流方向截面為入口邊界，設置為速度入口邊界。正后方截面為出口邊界，設置為壓力出口邊界。整車的左側、右側和正上方截面設置為滑移邊界條件，地面邊界條件設置如圖4（a）所示，五帶系統設置為非滑移地面，運行速度等于車速。同時考慮車輪旋轉，采用Local Rotaion Rate的恒定切向速度。

2.2.2 網格離散

本文中采用StarCCM+中的切割體網格進行數值離散，其中面網格尺寸為2～8 mm。為了更加精確地考慮車體表面對流體流動的影響，在其表面進行邊界層網格劃分，第1層厚度為0.02 mm，總厚度為8 mm的10層邊界層。同時在流體分離區域進行局部4、8和16 mm的加密處理。

2.2.3 求解設置

當前汽車空氣動力學仿真廣泛應用的數值方法有RANS、DES、LES和LBM等。前人已經基于這些方法做了大量數值計算與試驗對標的工作［1-3］。在某款車的空氣動力學風阻開發中，重點針對RANS方法與LBM方法進行了對標研究，結果顯示基于RANS方法整車最大誤差可控在4%之內［1］。在本文形體優化方法應用之前，對漢EV車體進行風阻對標研究，采用RANS方法中SSTk-ω湍流模型，結果表明整車風阻最大誤差在2%之內，如圖5所示。StarCCM+仿真結果與試驗對比，最大相差3 counts。

3 形體優化在整車研發中的應用

在概念造型設計階段，可借用同平臺其他車型形體，在研發車型尺寸約束下，通過Sculptor軟件實現整車變形，然后通過設計外輪廓造型參數限制進行進一步的尋優；在造型方案設計開發階段，可采用形體優化方法對主要氣動部件（3D阻風板、電動尾翼、車頂激光雷達等）和整車外造型進行空氣動力學優化。

3.1 概念造型設計階段的應用

在考慮整車低風阻研發過程中，采用7個外輪廓造型關鍵尺寸參數作為優化變量輸入：①接近角、②機艙蓋前緣高度、③前風擋傾角、④名義后背角、⑤B柱側傾角、⑥離去角和⑦最小離地間隙。它們的變動范圍如圖6所示。基于Sculptor軟件搭建的網格變形控制體如圖7所示。

Pareto圖是將設計變量按照對響應Cd的貢獻程度百分比排列，表示在給定響應情況下，所有設計變量的主效應，如圖8所示。其中紅色為負效應，藍色為正效應。由圖8可見：離去角、名義后背角、前風擋傾角、接近角、機艙蓋前緣高度、B柱側傾角與Cd呈負效應，在一定參數范圍內Cd隨離去角、名義后背角、前風擋傾角、接近角、機艙蓋前緣高度、B柱側傾角的增大而增大；最小離地間隙與Cd呈正效應，在一定參數范圍Cd隨離地間隙的增大而降低；與Cd相關性最高的參數是離去角，貢獻度31.1%；與Cd相關性最低的參數是B柱側傾角，貢獻度7.8%。

為了研究各設計參數對Cd的影響特性，本文給出主效應圖。主效應表示一個變量在不同水平下所導致響應Cd的平均變化量，如圖9所示。

由圖9可見：在參數范圍內，各設計參數對Cd的影響呈現為不對稱的拋物線形式；單個變量對Cd的影響存在最小值；離去角為5.6°，名義后背角為17.7°，前風擋傾角為67.9°，接近角為9.8°，最小離地間隙為135 mm，機艙蓋前緣高度為691 mm，B柱側傾角為27.0°。

圖10給出DOE樣本空間的響應Cd值分布，圖11為采用多島遺傳算法尋優過程的Cd變化趨勢圖，表1給出整車優化參數與Cd結果的對比表，由表可見：

（1）在優化參數范圍內，存在Cd最大值0.228 8和最小值0.206 7；Cd最優值相比整車設計狀態0.210 3（見表1）降低了3.6 counts；

（2）在樣本空間范圍內，采用多島遺傳算法進行三次響應面模型可進一步尋優（見圖11），風阻系數可進一步降低4 counts；將三次響應面模型尋優得到的最優參數輸入到整車模型中，數值仿真值為0.206 1（見表1），可見基于漢EV車型形體做全局變量優化，降阻空間已經不大；

表1 整車數值仿真計算得到的最大可降阻空間對照表

（3）優化后所對應的最優設計參數離去角為14.8°，名義后背角為17.0°，前風擋傾角為68.2°，接近角為13.7°，最小離地間隙為119.5 mm，機艙蓋前緣高度為714.9 mm，B柱側傾角為26.6°。

3.2 造型方案設計開發階段的應用

在造型方案設計開發階段，結合形體優化方法可對氣動部件（3D阻風板、車頂激光雷達、電動尾翼等）進行空氣動力學優化，本文以電動尾翼為例進行形體優化方法的應用分析。

電動尾翼開發階段對空氣動力學影響主要考慮兩個參數：電動尾翼長度和高度。圖12給出電動尾翼設計參數和限制條件的示意圖，其中長度變化范圍為0～63.3 mm，高度變化范圍為0～75 mm。

圖13給出電動尾翼形體優化后各設計參數所對應的響應空間：阻力系數Cd、前軸升力Clf和后軸升力Clr。圖14給出電動尾翼的各設計參數對目標參數的影響對比。

由圖13和圖14對比可見：高度為11.1～29.5 mm時，可找到Cd最優區間，且在此區間Cd在1.4 counts內變化；當長度為48.8 mm、高度為15.3 mm時，Cd為最小值，相比初始方案風阻降低6 counts。高度和寬度參數均與前軸升力成負效應關系；與前軸升力相關性最高的是高度參數，貢獻度93%；在參數范圍內，高度參數適當越低，前軸升力降低越明顯；當Cd最低時，整車前軸升力增大了3 counts。高度參數和寬度參數均與整車后軸升力成正效應關系；與后軸升力相關性最高的是高度參數，貢獻度88%；在參數范圍內，高度參數適當越高，整車后軸升力降低越明顯；當長度為48.8 mm、高度為15.3 mm，Cd為最低時，整車后軸升力減小了52 counts。

表2和表3給出高度參數和長度參數對設計目標的敏感性影響。由表2和表3對比可見：

表2 高度參數敏感性分析

表3 長度參數敏感性分析

（1）對Cd的影響：在0～46 mm范圍內，高度參數對Cd影響較大，寬度參數貢獻量很小；

（2）對前軸升力的影響：在0～46 mm范圍內，電動尾翼長度參數和高度參數對前軸升力影響很小，可忽略；

（3）對后軸升力的影響：在0～46 mm范圍內，電動尾翼高度參數對后軸升力的敏感性較長度參數強，主動控制電動尾翼高度參數可有效降低整車后軸升力。

為了驗證形體優化方法的有效性，在中國汽車工程研究院股份有限公司氣動聲學風洞試驗中心進行了油泥模型空氣動力學測試，開展主動尾翼在不同展開寬度和不同高度的空氣動力學性能影響分析，如圖15所示。其中電動尾翼升起高度為15.3 mm（見圖15（b））。數值仿真結果與風洞試驗結果對比，Cd最多相差2.2 counts，風阻貢獻量影響僅相差0.5 counts，可見在工程范圍內，多參數形體優化方法滿足數值仿真精度要求［1］。

圖16給出整車尾部Y0面速度流線對比圖，圖17給出尾部總壓等值面對比圖。由圖16可見，電動尾翼升起一定角度后，上側氣流流速和底部氣流流速更加平衡，且旋渦渦核更加遠離車尾，這是電動尾翼升起后能夠降低阻力的原因。由圖17可見，電動尾翼升起一定角度后，尾部旋渦渦核中心往上移動，且上下旋渦渦核分布更加均勻，尾渦的平衡性更有利于減少風阻。另外由于電動尾翼的升起，使得電動尾翼后部的拖拽渦不斷增大，對應的電動尾翼升力差增大［11］，導致后軸升力得到改善。

4 結論

（1）在概念造型設計階段，對基本形體進行全局變量多參數匹配優化的方法可行，但在漢EV形體上做形體優化的空間已不大；而對局部造型進行多參數優化仍有空間，可在造型的不同階段進行；在參數變化范圍內，離去角、名義后背角、前風擋傾角、接近角、機艙蓋前緣高度、B柱側傾角適當降低，最小離地間隙適當增大，可減小Cd；其中風阻對離去角最敏感；采用多島遺傳算法對樣本空間尋優中具有一定的可靠性，可應用于汽車整車超低風阻的開發，基于漢EV形體在研發車型的尺寸約束下，整車風阻最多可降低4.2 counts。

（2）在造型方案開發設計階段，對氣動部件進行形體優化可尋到最優解；當電動尾翼長度為48.8 mm、高度為15.3 mm時，Cd為最小值，相比初始方案風阻可降低6 counts，并通過風洞試驗驗證了此方案的有效性。另外，抬高電動尾翼高度參數可明顯降低后軸升力。

因此，本文形體優化方法在整車級和部件級的空氣動力學性能開發中均適用。相比傳統方法，仿真效率大幅提升，人為干預少，工程師設計經驗依賴性低，其工程應用潛力和價值顯著。