基于Isight平台的房车空调送风参数优化

， ， 耀民， ， ，

(山东理工大学交通与车辆工程学院， 山东淄博 255049)

引言

旅居房车有现代“大篷车”之美称，在国际上已有近百年的发展历史，尤其在欧美一些发达国家，房车已成为生活的重要部分[1]。房车作为一种新型旅游交通工具，一经出现就吸引了各界目光,满足现代人旅游过程中衣食住行的需要。房车内部空间结构紧凑复杂，包含卧室、厨房、卫生间和起居室等区域，顶置空调作为房车重要组成配件严重影响到乘员的舒适性。

近年来，随着计算流体动力学CFD(Computational Fluid Dynamics)的发展和计算机计算能力的提升，利用CFD的方法对乘员舱内流场研究已经较为成熟。文献[2-3]分别对乘员舱内流场进行了仿真计算，重点研究了不同送风口尺寸，风速和风口位置下乘员舱内气体流动情况。通过单一变量下对比速度、温度云图的方法初步探究了送风参数的影响，忽略了多目标变量下对送风参数的优化设计。ZHANG H等[4]对比分析了无人、有人两种工况下乘员舱内速度场和温度场变化情况。林家泉等[5-6]对飞机客舱模型进行了内流场模拟，分析了空调送风速度对气流组织的影响，并通过ADPI和吹风感指数对飞机客舱热舒适性进行模拟优化。文献[7-8]通过Isight和CFD软件耦合只对乘员舱送风角度进行了优化分析，分别研究了送风角度对座椅区域降温速率和乘员舱热舒适性的影响，而忽略了对送风温度和送风速度的优化设计。

目前，针对房车内流场的研究基本属于空白。随着生活水平的提高，房车的普及率越来越高。为了满足其交通、居住的过程中良好的热舒适性，房车空调送风参数的优化显得极为重要。因此，本研究根据目前研究情况分析了夏季高温工况下送风温度、送风速度、送风角度对房车内流场的影响，并利用Isight平台集成Fluent软件搭建多目标优化模型，建立集成数值仿真、近似模型及优化算法的仿真优化流程，实现自动迭代仿真计算寻找最佳送风参数。

1 房车内流场仿真

1.1 房车模型建立及网格划分

房车车室长5400 mm(忽略拖船架及备胎架)，车室宽2500 mm，车室高2400 mm(忽略空调室外机高度)，车室内部布置尺寸如表1所示。

根据某拖挂式A型房车图纸简化车门及房车内家电设备等结构，并加入几何人体模型，在UG10.0中建立三维几何模型如图1所示。

内流场分析中，网格数量和质量决定了计算的时间和精度。本研究采用ICEM 17.0对房车三维模型进行网格划分，对进风口、出风口、座椅、床等流体梯度变化大的区域进行网格加密，有利于后续观察气流变化情况。同时对人体划分面网格并采用三层棱柱层网格， 采用Octree方法对整个流体区域划分四面体非结构化网格。为了降低网格数量对内流场仿真的影响，分别生成106，175，248，302万个单元数量的网格并针对空气温度求解，如图2所示。通过分析，网格数量低于200万会造成计算误差过大，当网格数量达到248万后，进一步提高网格数量对结果无明显影响。因此，在保证计算精度的条件下为了提高计算效率，本研究选取248万网格模型对房车内流场进行仿真，输出网格文件fangche.msh，如图3所示。

表1 房车内部家具尺寸

图1 拖挂式房车三维模型

图2 网格无关性检查

图3 房车流体区域网格划分模型

1.2 内流场仿真物理假设

为了简化房车内流场问题作如下假设：

(1) 房车内空气为不可压缩流体，且符合Boussinesq假设，即认为密度只在动量方程的浮力项中随温度变化，其他方程的其他项中是常数[9]；

(2) 房车内部流体流动为稳态湍流；

(3) 忽略固体壁面之间的热辐射，房车内空气为透明辐射介质；

(4) 房车内流场具有高Reynolds属性，即认为内部流场的湍流黏性为各向同性；

(5) 不考虑空气泄漏影响，房车内气密性良好。

1.3 计算流体动力学控制方程

1) 连续性方程

divv=0

(1)

2) 动量方程

3) 能量方程

4) 湍动能K方程

div(ρvT-Γkeffgradk)=G-ρε

(4)

5) 湍流耗散率ε方程

(6)

式中，v—— 平均速度

vi—— 平均速度分量

xi—— 坐标分量

ρ—— 空气密度

T—— 热力学温度

Cp—— 比热容

k—— 流体传热系数

ST—— 黏性耗散项

μeff—— 湍流有效黏性系数

Γkeff—— 湍流动能有效扩散系数

Γεeff—— 湍动能黏性耗散有效扩散系数

C1,C2—— 常数

1.4 Fluent参数设置及边界条件

本研究通过计算流体动力学软件Fluent对房车内三维不可压缩紊流流场进行数值模拟。将空调送风温度288 K，低速档水平送风模式作为流场分析的初始值。模拟地理位置为威海市，位于东八区，北纬37.10°，东经122.25°，采用夏季6月21日13点环境温度为313 K的高温极限工况，车头方向正东，大气透过率0.8。选用RNGk-e湍流模型可以更好的处理高应变率和较大流线弯曲程度的流动，同时开启DO太阳辐射模型及能量方程。最终利用SIMPLIE算法和压力-速度耦合求解器进行瞬态计算，边界条件如表2所示。

表2 边界条件

2 优化设计分析

2.1 Isight平台简介及软件集成

Isight是一款通过软件协同驱动产品设计优化的多学科优化平台，它将数字技术、推理技术和设计搜索技术有效的融合，实现了自动化处理，显著提高了产品质量和可靠性。Isight 通过一种搭积木的方式快速继承和耦合各种仿真软件，将所有设计流程组织到一个统一的框架中，自动运行仿真软件和重启设计流程，从而消除了传统设计流程中的“瓶颈”，使整个优化设计流程实现全数字化和全自动化[10]。具有集成自动化、结果数据综合分析以及网络运算三大优势。

本研究以多学科设计软件Isight为优化平台，利用其广泛的CAD/CAE接口将Fluent仿真软件集成在Isight平台上，通过图形界面组成一个集成的设计流程。首先，应用Fluent软件对房车内流场进行仿真，利用其脚本录制功能对仿真的输入、输出过程录制脚本文件，并分别命名为solve.jou和output.dat。其次，编写Fluent软件的批处理文件Fluent.bat以实现程序驱动。最后，利用Isight平台中的Simcode组件对脚本文件solve.jou和output.dat进行参数解析并定义输入、输出参数，通过调用Fluent.bat实现调用Fluent软件自动进行仿真的功能。Simcode集成原理如图4所示。

图4 Simcode集成原理

2.2 近似模型建立

近似模型方法(Approximation Models)是通过数学模型方法逼近一组输入变量与输出变量的方法[11]。由于内流场仿真需要耗费大量的时间，因此在仿真计算与优化算法之间加入近似模型，采用近似模型代替真实有限元模型的方法进行优化求解，利用所建立的近似模型对响应值进行预测，大大的减少计算机高强度仿真计算的次数，提高优化效率。通过平滑响应函数，降低“数值噪声”，减少困在局部解的机会，有利于更快的收敛到全局最优点。

本研究选用径向基函数(Radial Basis Functions)神经网络代替高强度有限元仿真建立近似模型。RBF神经网络在逼近能力、分类能力和学习速度等方面都优于BP(back propagation)神经网络，具有训练简洁、结构简单、收敛速度快、容错能力强等优点。

Isight中的神经网络是具有单隐层的三层前向网络如图5所示。第一层为输入层，由信号源节点构成起到传递数据信息的作用。第二层为隐藏层，隐藏层的节点数视所描述问题需要而定，隐藏层中神经元的径向基函数是对中心点径向对称且衰减的非负线性函数，主要对输入信息进行空间映射变换。第三层为输出层，是对输入模式做出的响应，输出层神经元的作用函数为线性函数，对隐藏层神经元输出的信息进行线性加权后输出，作为整个神经网络的输出结果。

图5 三层前向神经网络

近似模型建立需要性能优良的样本数据，采用试验设计DOE方法能够以较小的样本规模获取尽可能多的性能[11]。因此在Isight平台中通过试验设计模块选用最优拉丁超立方设计方法设计样本点，并通过Simcode组件调用Fluent软件实现样本采集。最优拉丁超立方设计方法可以使所有的采样点尽量均匀的分布在设计空间，具有非常好的均衡性和空间填充性，有效避免了丢失设计区域。试验设计共采集50组样本点，通过RBF方法拟合样本数据，构建近似模型。通过平均相对误差(Average)和可决系数(R-Squared)来衡量近似模型的精度进行误差分析，其值达到可接受水平如表3所示，符合工程要求，拟合度较好，成功建立近似模型。

2.3 多目标优化数学模型及算法选择

房车空调送风速度、温度和角度是影响房车内流场和人体热舒适性的主要因素，合理设计送风参数至关重要。由于对4个送风口分别给定送风参数会导致变量过多，生成试验设计样本点太多，不利于后续的优化设计。因此对内流场优化问题进行简化，选取房车空调前后2个送风口为第一组定义送风速度v1，送风角度inlet12，左右送风口为第二组定义送风速度v2，送风角度inlet34，4个出风口采用统一送风温度t。送风速度v1和v2取值范围在3～7 m/s，送风角度inlet12和inlet34只在Z方向变化，在笛卡尔坐标系中取值范围在-0.6～0，t取值范围在283～293 K，随着送风速度、角度、温度的变化，床及座椅区域的热流量Flux 1、Flux 2及平衡温度Temperature变化较大。根据文献[12]，夏季大部分人在有效温度为 296.9～299.7 K感到舒适，当超过301 K就会感到比较闷热。因此设计最佳平衡温度298 K为首要优化目标，热流量作为次要优化目标，热流量越高散热效果越好。房车内流场仿真优化转化为一个5变量3目标的多目标优化设计问题。优化问题数学模型表示为：

Max Flux1(v1,v2,inlet12,inlet34,t);

Max Flux2(v1,v2,inlet12,inlet34,t);

Temperature=298 K(v1,v2,inlet12,inlet34,t);

s.t. 3 m/s≤v1≤7 m/s, 3 m/s≤v2≤7 m/s;

-0.6≤ inlet12 ≤0, -0.6≤ inlet12 ≤0;

283 K≤t≤293 K。

在Isight平台中采用NCGA遗传算法对上述数学模型进行求解，NCGA 算法是由最早的 GA算法发展而来，比起NSGA-II算法具有更加容易生成多样性解的倾向。通过排序后分组交叉的方法实现“相邻繁殖”的机制，即把父种群个体中具有相似性的放在一起进行交叉，增大靠近 Pareto 前沿的解交叉繁殖的概率，加快计算收敛[13]。

NCGA遗传算法是在神经网络近似模型基础上进行多目标优化，其参数设置为：种群规模500，进化代数20，交叉概率1.0，变异概率0.01。在Isight优化平台上，通过所建立的近似模型针对房车空调送风参数多目标优化问题自动进行多次循环分析。近似模型与CFD仿真优化时间对比如表4所示，仿真所使用电脑为24核心64GB内存工作站。通过对比可得通过DOE试验设计建立近似模型优化总仿真时间约为27.4 h，比单纯依靠CFD仿真节约了近10倍的时间。因此，近似模型方法能够减少流场仿真次数，缩短仿真时间，提高优化效率。

3 优化结果分析

3.1 送风参数对内流场影响

空调送风参数是房车内部降温的主要影响因素。

表4 优化时间对比

分析送风参数的影响，传统方法主要通过对比几组不同送风参数下CFD软件所获取的温度场、速度场云图来判断乘员舱内部气流组织情况。尽管依靠CFD方法能够对比得到送风参数变化规律，但由于试验设计样本点少，试验因素水平选择随意，以及手动输入参数仿真耗时长，因此难以设计大量样本点进行连续高强度计算机仿真优化获得最佳送风参数，具有很大局限性。因此，本研究对房车空调送风参数的优化是以CFD仿真为基础，利用Isight平台完成。通过联合仿真优化后通过Isight提供的相关性图对送风参数进行相关性分析，如图6所示。

图6 送风参数相关性

通过分析，热流量Flux 1与送风速度v1、v2和送风方向inlet 12呈正相关，而与inlet 34、t呈负相关，且送风速度v1和送风温度影响较大；Flux 2与inlet 12、v1、v2呈正相关，而与inlet 34、t呈负相关，且主要受送风温度和送风速度v2的影响。同时送风角度inlet 12和送风速度v1也产生较大影响，这可能与房车内部空间狭窄，进、出风口位置及座椅布置位置有关；平衡温度T和送风温度呈正相关，相关性达到0.93，是影响房车内部平衡温度的主要因素。平衡温度大大的影响到房车内部舒适性。另外，送风速度也产生一定影响，送风速度越大温度越低，而送风角度对平衡温度的影响很小。

3.2 Pareto最优解

在Isight平台中，通过近似模型和遗传算法优化得到Pareto最优解集，利用Isight后处理模块EDM得到5个设计因子与3个响应量对应的解的分布如图7所示。Design Variables中每组线条代表设计因子取值不同组合,而Responses中每组线条则代表求解出的不同的优化目标值组合即Pareto解。

图7 设计因子与响应量对应关系

由于目标函数间的矛盾性质，使每个目标函数同时达到最优值的解是不存在的。多目标优化问题的解为Pareto最优解的条件是，解的任何一个目标函数的值在不使其他目标函数值恶化的条件下已不可能进一步改进[10]。所有的Pareto最优解构成了Pareto前沿。因此，为了获得在房车最佳平衡温度下，床和座椅区域热流量尽可能高的最优解，通过分析Pareto最优解集并对各目标进行折衷处理，选取一组工况使各子目标尽可能最优作为最优折衷解。

4 仿真实验验证

为了验证近似模型结合优化算法进行送风参数多目标优化的可靠性，本研究将初始送风及近似模型优化结果代入Fluent仿真计算，计算结果如表5所示。座椅区域热流量Flux2出现最大相对误差2.245%，可信度较高。因此，利用近似模型值代替CFD仿真值是可行的。优化后座椅和床区域的热流量分别提高了26.39%和49.23%，平衡温度稍有降低，热流量增大使座椅和床区域能够获得更好的散热效果，房车内部更加舒适，优化效果明显。

表5 优化结果对比

图8为优化前和优化后X=0与Y=2700 mm截面速度云图，通过对比发现优化后送风角度和送风速度的变化大大的改变了房车内部速度场。送风速度的增大可以带来更大的制冷量，送风角度的变化可以改变气流的流型。优化后座椅和床等区域能够获得更好的气流组织形式，有利于快速降温，且人体活动区域风速基本处于0.5 m/s以下，符合人体舒适性要求。

图8 典型截面速度场对比云图

图9为优化前和优化后X=0与Y=2700 mm截面温度云图，从图中可以看出优化后座椅和床区域人体附近的温度明显降低，房车内部大多区域温度处于297～300 K之间，极少区域温度高于300 K。这可能是由于房车内部结构复杂，冷风很难直接到达所有空间。优化后改善了降温效果，房车内部温度分布均匀温度场更加合理，提高了房车内部舒适性。

房车静态温度实验用于验证内流场仿真准确性。实验条件与数值模拟中环境参数相同，同时紧闭房车车门与窗户，在经过1800 s暴晒后，开启顶置空调，经热敏式风速仪测量调节空调速度和温度为近似模型优化值。当空调降温300 s后通过数据采集器采集监测点的数据，实验设备及监测点布置如图10和图11所示。

图9 典型截面温度场对比云图

图10 实验测量设备

图11 温度监测点布置图

房车内部动态降温及监测点温度曲线如图12所示。对比发现，空调制冷阶段，受空调低温射流影响，房车内部温度急剧降低，仿真值略低于实验值，但整体降温趋势相同。当房车内达到平衡温度后，除测点4和测点7以外，其余测点仿真与实验值误差均在2 K以内，测点4出现最大相对误差7.861%，误差在10%以内满足工程需求[14]。这可能由于室外高温环境下房车车身壁面热传导及车室空气泄漏所导致。由此得出，仿真温度值与实验值拟合度较高。

图12 仿真实验结果对比

5 结论

本研究把Fluent软件耦合在Isight平台上，并将RBF神经网络近似模型和NCGA遗传算法相结合应用到房车内流场送风参数多目标优化设计中，搭建起从DOE试验设计、流体仿真、近似建模到算法优化的自动仿真寻优的过程。此方法减少高强度仿真次数，节约大量计算时间，提高了优化效率。优化后获得的座椅和床区域的热流量提高明显，达到了寻找最佳送风参数提高房车夏季降温效果的目的。