基于程序集成及响应面模型的车辆除霜性能优化*

张炳力,胡忠文,薛铁龙

(合肥工业大学机械与汽车工程学院，合肥 230009)



2015108

基于程序集成及响应面模型的车辆除霜性能优化*

张炳力,胡忠文,薛铁龙

(合肥工业大学机械与汽车工程学院，合肥 230009)

建立了某款轿车除霜仿真三维模型。选择风道出口格栅角度为试验因子，风窗玻璃表面风速为目标函数，使用程序集成的方法，将Isight作为上层软件，集成自动网格变形软件Sculptor和CFD计算软件Star-ccm+,自动提交运算得到样本数据。采用拉丁超立方设计方法和最小二乘法，创建了汽车风窗玻璃表面暖风风速的二阶响应面模型，利用混合整型优化法进行参数优化。优化后，汽车前风窗玻璃表面的除霜暖风流速分布有了明显的改善,除霜瞬态仿真结果表明，除霜速度加快，满足了国标关于汽车风窗玻璃除霜性能的要求。

车辆；除霜性能；程序集成；响应面模型；混合整型优化

前言

汽车风窗玻璃除霜性能是涉及汽车安全的一项重要性能指标，直接关系到驾驶员的行车视野，因此改善汽车除霜系统的性能非常重要。近年来有关汽车除霜性能的分析已有研究人员做过相关工作。文献[1]中建立了三维风道模型，使用CFD软件Fluent，采用等温流场和能量方程的方法对风窗玻璃除霜性能进行模拟与分析。文献[2]中采用CFD方法分析除霜风道结构对汽车风窗玻璃除霜性能的影响。文献[3]中通过模拟冲击射流除霜时风窗玻璃外表面上霜层的二维固、液融化现象, 研究了射流角度对车辆风窗玻璃除霜效果的影响。但是上述研究都是人工对CAD模型进行有限次的修改，生成网格，而后分别进行CFD仿真计算，很不方便。另外，凭个人经验对除霜性能进行优化，研究周期长，效率低，精确度不足。

本文中利用多程序集成的方法自动修改网格进行计算以获得样本数据，缩短了优化过程；使用科学的试验设计和分析方法，采用拉丁超立方抽样的方法选择样本点，依此建立二阶响应面模型，使用混合整型优化法对除霜格栅的角度进行了优化。

1 原模型除霜的数值模拟

1.1 模型的建立

研究对象是由车厢内部、除霜风道、出风格栅、风窗玻璃和冰层组成。除了除霜风道的形状和尺寸外，计算模型对车厢内部结构作了简化，而且前风窗玻璃已划分为A区、A’区和B区，简化后的除霜分析模型如图1所示。

1.2 网格划分与边界条件设置

整个计算模型采用四面体网格，设置边界层：厚度为4mm，层数为3层，增长比为1.5，得到求解域的体网格数量为6 568 356。划分网格后的模型如图2所示。假定空气为不可压缩气体，常密度，湍流模型为Realizablek-ε模型，空间离散采用二阶迎风差分格式，迭代方式选用Simple算法[4]。

1.3 原模型除霜的稳态计算

对该款轿车除霜风道模型进行稳态计算分析，计算边界条件如表1所示，得到前风窗玻璃表面除霜暖风的速度场分布，如图3所示。

表1 稳态计算边界条件

1.4 原模型除霜的瞬态计算

瞬态计算结果可以直观地对照除霜国标而判定除霜性能是否合格，同时也是承启稳态计算和试验验证的必要步骤。

瞬态计算前，分别拉伸前风窗玻璃和左右侧窗玻璃模型，共5层，总厚度为5mm，增长比为1.2。瞬态计算时，设置霜层厚度为0.5mm，环境温度为-18℃，设置玻璃和冰层物性为默认值，计算2 400s，步进1s，每步迭代10次。选择HVAC出风温度曲线作为计算域入口的温度曲线。图5为HVAC出风温度曲线。

图5为瞬态计算得到的不同时刻所对应的前风窗玻璃融冰图。

仿真结果与国标[5]的对比如表2所示，可见在25和40min时刻A’区和B区分别完成除霜，满足国标要求。但是在20min时刻，A区的除霜比例未达到国标要求，须对原模型进行优化设计。

表2 汽车风窗玻璃除霜性能国家标准与仿真结果对比

2 试验样本的设计

2.1 试验因子的选择

在暖风流量和温度固定的情况下，汽车风窗玻璃除霜的速度取决于风窗玻璃表面暖风风速的分布情况，暖风应尽可能均匀地覆盖其内表面，因此选择风窗表面暖风平均风速作为目标函数。

当风速分布均匀时，A区、A’区和B区各部位均能得到足够的热量，有利于除霜，反之，速度分布不均，会导致A区、A’区和B区局部热量不足从而影响除霜速度。于是，合理地安排除霜风道出风口的格栅角度对汽车除霜性能非常重要。因此，选择格栅的角度作为试验因子，研究其对汽车除霜性能的影响，以进一步提出优化意见。

考虑到格栅数较多，而试验因子数目过多会导致计算量太大[6]，因此将格栅分成3部分，如图6所示。右侧风道依次分为X1、X2、X3，考虑对称性，相应的左侧风道也对应的分成X1、X2、X3，则试验因子数目为3。

2.2 目标函数的选择

在暖风流量和温度固定的情况下，汽车风窗玻璃除霜的速度取决于风窗玻璃表面暖风风速的分布情况，暖风应尽可能均匀地覆盖其内表面，因此选择风窗表面暖风平均风速作为目标函数。

由于瞬态计算得出40min时，B区的除霜性能已经达到国家标准，所以目标函数选取A区和A’区的表面风速，将其分为6个部分，如图7所示。

每个部分的表面平均气流速度分别为Y1、Y2、Y3、Y4、Y5、Y6，定为目标函数。

2.3 试验设计

确定了试验因子和目标函数后，须要采集样本数据以建立响应面模型。样本点的数目与试验的精确程度和复杂程度紧密相关，数目太多会导致计算繁杂，代价太大；太少会导致建立的响应面模型不精确。因此，须要选择一种高效、快速、经济的试验设计方法。

2.3.1 拉丁超立方设计

拉丁超立方设计方法(Latin hypercube design，LHS)是一种受约束的均匀抽样法。原理是：假设K维随机变量X的各个元素的概率分布函数为Fi(i=1,2,…,K)。向量X的各元素相互独立，每个元素进行N次抽样，Xjk为第k(k=1,2,…,K)个元素的第j(j=1,2,…,N)次抽样的值，定义N×K维矩阵P。P的每一列由数列{1,2,…,N}中各元素的随机排列组成。令随机变量ξjk服从区间[0,1]上的均匀分布，则抽样后得到的结果为

(1)

式中：pjk为N×K维矩阵P的j行k列元素[7]。

拉丁超立方设计的优点：

(1)有效的空间填充能力，拉丁超立方设计试验次数=水平数≥因子数+1，大大减少了试验次数；

(2)拟合非线性响应，拉丁超立方设计对水平值分级宽松，试验次数可以人为控制。

因此，选择拉丁超立方设计作为试验设计方法。

2.3.2 试验设计结果

试验因子为格栅的偏转角度，变量空间设为[-30°，30°],使用拉丁超立方法进行样本采样，确定选择11组样本点。经过计算，得到11组设计变量，如表3所示。

表3 试验设计结果 (°)

3 程序集成求样本数据

试验设计得到11组样本点，需要做11次仿真计算。如果完全凭手动调节模型，再重新生成网格，最后进行仿真计算得到结果，则工作量较大而且重复劳动，效率较低。

本文中利用Isight软件中应用程序集成的功能，将网格变形软件Sculptor、流体计算软件Star-ccm+集成在一起，由Isight统一进行调配控制，自动计算出这11组样本的响应值。

首先，根据试验因子的修改过程，建立Sculptor输入脚本.def文件，在Isight中，利用Simcode程序集成组件，读取这个脚本文件，创建输入参数，如图8所示。通过导入Star-ccm+结果文件，创建输出参数，如图9所示。然后解析输出文件读取仿真结果，最后将结果记录下来以建立响应面模型。

将表3中的11组设计变量作为输入参数，在Isight集成控制的环境下，使用Scul-ptor修改网格，通过Star-ccm+仿真计算，得到每组设计变量对应的响应值，如表4所示。

表4 设计变量对应的响应值 m/s

4 除霜性能响应面模型的建立和检验

4.1 除霜性能响应面模型的建立

通过计算出的11组样本结果，建立响应面模型。

响应面法是数学方法和统计方法结合的产物, 其基本思想是通过近似构造一个具有明确表达形式的多项式, 来对所感兴趣的响应受多个变量影响的问题进行建模和分析, 最终达到优化响应值的目的。在常用的响应面方法中,以二阶响应面模型应用最为广泛，因其含有线性项、二次项和交叉项, 故在设计响应与设计变量的关系描述上，比其他方法(如神经网络等)更准确。

二阶响应面模型为

(2)

式中：xi、xp为设计变量；β0、βi、βii、βpi均为待定系数，其计算公式[8-9]为

(3)

利用式(2)和式(3)分别计算得到A区各部分表面平均风速的二阶响应面模型方程：

4.2 响应面模型的检验

表响应面模型方差分析

5 参数的优化

5.1 MOST算法

在多学科设计优化(multidisciplinary design optimization,MDO)过程中,只有根据优化问题和MDO方法的特点选取最合适的优化算法才能充分有效地探索复杂的设计空间,得到理想的优化结果。

本文中研究的问题属于单峰连续函数优化问题，根据文献[11]，选择混合整型优化法(multifunction optimization system tool，MOST)进行优化。

MOST算法能够处理设计变量为整型数和实型数的问题。MOST首先认定所给的设计变量是连续的，并使用序列二次规划法得到一个初始值X。如果所有设计变量是实型数，则立刻终止并返回X作为解决方案。

如果某些设计变量为整型数，MOST会用分歧定限法(branch-and-bound)对最近一次优化所得到的实型数解进行圆整，获得两个最相邻的整型数来替代该整型变量当前值，产生分支点。在每个分支下，剩余的设计变量仍然进行实型优化。最终，违反整型限制的设计变量逐渐减少，找到满足所有整型设计要求的最优设计方案。

5.2 迭代结果

在Isight软件中进行设置，经过400步迭代，得到最终的优化结果，如图10、表6和表7所示。

表6 试验因子优化结果 (°)

表7 响应面模型目标函数优化结果 m/s

5.3 优化结果验证及对比

按照最终优化结果的设计参数值，修改空调出风口格栅角度，在Hypermesh软件中画网格，在Star-ccm+软件中计算，得出目标函数的仿真值。仿真结果与响应面模型结果的对比如表8所示。

表8 计算值与响应面模型的对比表 m/s

CFD的计算值与响应面模型的值相对误差均在 3%以内，可信度较高,这与之前对二阶响应面模型的检验结果相符。因此，直接用响应面模型的值来代替 CFD 的计算值是可行的。

最终优化前后的风速对比如表9所示。优化后模型的风速分布如图11所示，与图3相比，风速分布有了明显改善。

表9 优化前后风速对比表

5.4 优化后模型的除霜瞬态仿真

使用优化后的模型进行瞬态仿真分析，初始条件同前，计算结果如图12所示。

对照表2，优化后的模型满足汽车风窗玻璃除霜性能国家标准。

6 环境舱试验

除霜风道结构优化后在环境舱按照GB 11555—2009的要求进行除霜试验，进一步验证CFD仿真分析的准确性和精确性，同时也验证其优化后的除霜性能是否提升。

在环境舱中进行-18℃的除霜试验，间隔5min描绘前风窗玻璃融霜迹线图。图13为某轻型客车除霜风道优化后环境舱试验除霜效果图。

试验结果表明，20min时，A区的霜层融化89%；25min时，A’区霜层融化92%；40min时，B区霜层融化100%。将各区的除霜速率与表2中相应的国家标准进行对比，均达到了国标的要求。

试验与仿真计算结果对比如表10所示。由表可见，试验除霜速度慢于CFD计算的除霜速度，原因为：一是除霜三维模型做了适当简化，存在误差；二是CFD除霜仿真分析过程未考虑霜层融化为水流动或者滑落的过程。但总的除霜趋势与仿真计算结果是一致的，误差在8%以内，因此CFD仿真结果可以作为重要的参考依据。

表10 优化后CFD仿真结果与环境舱试验结果对比

7 结论

本文中将除霜风道出风口格栅角度定义为设计变量，通过实验设计选取样本点建立响应面模型并进行优化，得到以下结论。

(1)根据试验样本点数据建立的二阶响应面模型精度较高，可以替代实际模型的仿真计算分析，提高计算效率。

(2)采用多目标优化策略，利用分歧定限法在较大范围内对设计变量进行搜索，使风窗玻璃A区域和A’区域各部分的表面平均暖风风速分别提高了3.4%～20.5%。在空调统一开度的条件下，很大程度上提高了除霜的速度和效率。

(3)使用成熟的MDO软件框架进行程序集成可以提高实现复杂问题优化设计的效率。

总之，通过数值优化算法和 CFD 仿真的结合，不仅可以得到较理想的结果，而且可以节省计算资源和计算时间，对汽车除霜风道出风口的设计具有一定的指导意义。

[1] Patidar Ashok，et al. CFD Analysis and Validation of an Automotive HVAC System[C]. SAE Paper 2009-01-0535.

[2] 张晓兰，陈江平.汽车空调除霜风道的数值优化.[J].能源技术,2007,28(2):110-114.

[3] 王永珍,高青,王国华,等.射流角度对车辆风窗玻璃除霜性能的影响[J].吉林大学学报(工学版)，2009,32(2):279-282.

[4] 邓峰,谷正气,杨易,等.汽车前风窗玻璃除霜除雾数值模拟分析和研究[J].汽车工程,2009,31(2):175-179.

[5] 国家发展和改革委员会.GB 11555—2009汽车风窗玻璃除霜和除雾系统的性能和试验方法[S] .2009.

[6] 钟毅芳,陈柏鸿. 多学科综合优化设计原理与方法[M]. 武汉:华中科技大学出版社,2006.

[7] 邓乾旺,文文.基于拉丁超立方抽样的薄板装配误差分析[J].中国机械工程,2012,23(8):947-951.

[8] 陈立周.稳健设计[M] .北京:机械工业出版社,2000.

[9] 王海亮,林忠钦,金先龙.基于响应面模型的薄壁构件耐撞性优化设计[J].应用力学学报,2003,20(3):61-65.

[10] 胡龙飞,刘全坤,王成勇,等.基于响应面模型的铝合金壁板挤压成形优化设计[J].中国机械工程,2008,19(13):1630-1633.

[11] 韩明红,邓家禔.面向工程的优化算法性能实验研究[J].中国机械工程,2007,18(12):1460-1464.

第七届国际汽车变速器及驱动技术研讨会(TMC 2015)在沪圆满结束

由中国汽车工程学会主办、中汽翰思管理咨询公司协办的第七届国际汽车变速器及驱动技术研讨会(TMC2015)已于2015年4月23-24日在上海圆满结束。中国汽车工程学会常务副理事长兼秘书长张进华出席开幕式并致辞，广汽集团执行委员会副主任兼广汽研究院院长黄向东，宝马中国副总裁Roberto Rossetti，上汽技术中心变速器部全球总监方伟荣，重汽技术中心汽车传动设计院副院长李法友，上汽商用车技术中心技术总监兰志波，宇通客车新能源首席专家陈慧勇，全国汽车标准化技术委员会汽车节能分技术委员会副主任金约夫，格特拉克亚太CEO Young Ho Lee，博世变速器工程技术总监Gert-Jan van Spijk，加特可技术总监柴山尚士，壳牌变速器油全球研发经理Torsten Murr等业内专家均出席会议并演讲，共同探讨车辆变速器领域内的技术趋势和未来战略，为行业发展建言献策。

在两天的会议期内，TMC2015共奉献了58场精彩的技术演讲和论文宣读，其中来自自主品牌企业和国内高校的特邀演讲达到10个，展示了国内变速器企业在技术上奋发追赶的上升趋势。本届会议还首次专设了一场商用车分会，关注这一细分领域内变速器和驱动技术的最新发展，更进一步拓展了会议的深度和广度。会议共吸引来自中、德、美、日、法等多个国家和地区的参会代表逾600人，覆盖包括广汽、北汽、上汽、东风、吉利、丰田、通用、宝马、重汽在内的国内外整车企业及采埃孚、舍弗勒、博世、大陆、格特拉克、里卡多、加特可、易特驰、AVL等零部件制造商。

本届会议研讨的内容可概括为四大方面，一是政策法规和市场，二是创新技术和解决方案，三是研发工程实践经验，四是技术趋势和战略。具体包括2025年可能的油耗标准、商用车下一步油耗和排放的联合管控、应对2020油耗标准的节能技术路线、最新的变速器及零部件技术、系统集成和控制技术开发、换挡性能及NVH优化、混合动力变速器和驱动技术方案、商用车AMT和DCT技术及其发展路线，以及商用车混合动力技术方案等等。议题广泛，内容丰富，更多实用性技术的介绍更是贴近企业的现实需求，广受听众好评。

本届会议共邀请展商54家，包括博世、大陆、西门子、壳牌、斯凯孚、邦奇动力、麦格纳、博格华纳等国内外众多知名厂商。展览现场气氛活跃，代表们在参观产品的同时积极交流，寻找共同合作的良好机遇。

Optimization of Vehicle Defrosting Performance Based on Program Integration and Response Surface Model

Zhang Bingli,Hu Zhongwen & Xue Tielong

SchoolofMechanicalandAutomotiveEngineering,HefeiUniversityofTechnology,Hefei230009

A three-dimensional simulation model for the defrosting performance of a car is created. With the grill angles of air duct outlet are selected as experimental factors and the heating air speed on windshield surface as objective function, and by using program integration to make Isight as upper layer software and integrating automatic mesh deformation software Sculptor with CFD software Star-ccm+, the sample data are obtained by automatic submission for calculation. The Latin hypercube design and the least square method are used to create a second-order response surface model for the heating air speed on windshield surface, and a parameter optimization is conducted with mixed-integer optimization algorithm. After optimization, the distribution of heating air speed on windshield surface is obviously improved and the results of transient simulation on defrosting show that the defrosting speed is increased, meeting the requirements of national standard on the defrosting performance of vehicle windshield.

vehicle; defrosting performance; program integration; response surface model; mixed-integer optimization

*校企合作项目(12-150)资助。

原稿收到日期为2013年8月12日，修改稿收到日期为2013年12月2日。