极端环境下汽车运行工况的风洞试验对标分析

徐 婷， 刘 明， 崔世超， 芮 飞， 石 锋

(1.长安大学运输工程学院， 西安 710064； 2.长安大学汽车学院， 西安 710064； 3.中国汽车工程研究院股份有限公司， 重庆 401122)

高温、高海拔以及山区等极端气候道路环境一直是影响汽车工作性能与使用寿命的重要因素。受地域、季节以及时间等条件的限制，汽车在此类极端环境下的试验较难。若汽车环境风洞能够真实有效地模拟汽车在此极端环境下的运行状况，将极大提升产品的研发效率，具有重要的现实意义。目前对于汽车风洞的研究大致可分为以下几个方面。

在汽车空气动力特性方面，中外学者利用风洞实验室开展了大量有关空气动力学的实验。Yuan等[1]利用汽车风洞设计并验证了新型多孔介质的扰流板在降低汽车风阻方面的显著优势；Shimizu等[2]利用简化汽车模型分析了过往车辆影响其空气阻力变化的重要原因；Hammad等[3]利用风洞实验室验证了侧风对于客车会车时的显著影响。在汽车热管理方面，Oliveira等[4]、Khaled等[5]通过风洞实验室进行了发动机局部热管理方面的研究，以降低发动机的冷却阻力。Eller等[6]设计了新的方法来预测热管理部件的温度集合。此外，也有学者利用风洞实验室对尾气排放展开研究，如分析湍流强度对汽车颗粒物排放的影响[7]，探讨尾气污染物在城市道路上的时空分布[8-9]。在降低汽车噪声方面以及其他汽车总成方面的研究也略有涉及[10-13]。

分析可知，风洞实验室多用于汽车空气动力性、发动机热管理、尾气排放以及降噪方面的研究，而关于极端环境下汽车运行工况的研究尚鲜见报道。为此，对环境风洞模拟下的汽车运行工况展开研究，探讨典型高温与山区环境下风洞模拟结果与路试结果之间的关联性与差异性。通过遴选典型高温山区道路，构造车辆行驶工况图，利用标准化均方误差方法和特征参数值的计算结果对风洞模拟结果开展研究，并以三类运动学片段为基础，分析了在此极端环境下汽车热管理系统的工作性能。

1 汽车环境风洞简介

汽车环境风洞(climate wind tunnel, CWT)是在室内条件下，模拟并采集车辆在复杂环境工况、雨雪天气、阳光照射、极限温湿度、高温热路面等条件下的详细数据，真正实现整车全环境试验，不再受地区、季节及时间等条件的限制[14]。汽车环境风洞试验通常包含：

①温度、湿度控制，用以模拟和控制汽车环境温度与湿度；②阳光模拟，在试验中影响阳光模拟的因素很多，若没有对这些因素进行良好控制，将会导致不良后果，图1为阳光模拟子系统中的灯架结构；③高温浸车，浸车时间应至少为1 h。通常为达到相关性指导设计的目标温度范围，往往需要一些额外的浸车时间；④测功机负载模拟，用以模拟车辆行驶时的道路阻力、加减速以及上下坡时的运动状态；⑤风速设置及风洞阻塞修正，图2为风洞速度分布，与开放路面相比，风洞模拟的阻塞不仅取决于风洞边界条件，也受到测试车辆的外形、尺寸以及风速测量方法的影响。

图1 剪刀式灯架结构Fig.1 Lamp frame structure of scissors type

图2 风洞速度分布Fig.2 Velocity distribution in the CWT

2 汽车环境风洞对标试验

选取典型的高温山区路段进行实际路试，利用相关传感器及检测仪器可以得到汽车整车及内部零部件相关运行数据，如通过电子稳定系统(electronic stability program, ESP)可以得到发动机扭矩、车辆速度等数据；通过发动机管理系统(engine management system, EMS)可以得到发动机运行状态数据；也可以通过变速箱控制单元(transmission control unit, TCU)收集到变速器相关数据。利用实际路试所得到的气候与道路环境数据，通过环境风洞真实地模拟出汽车在高温山区环境下的运行状况，从而得到相应对标试验的数据。

因汽车行驶速度能够很好地反映汽车当前的运行状态，所以通过构建汽车行驶工况的方式研究车辆在典型热环境与山区路段的运行状态，从而以此为基础进一步分析环境风洞模拟的准确性与有效性。

2.1 道路遴选与数据处理

研究表明，汽车行驶过程中典型高温热环境为环境温度>35 ℃，相对湿度50%±5%，光照较强，降水较多，风速较小且气压较大。对于山区道路的遴选主要集中在重庆、四川、甘肃以及新疆吐鲁番等地区，道路坡度变化较为明显，包含大量平纵曲线的山区路段。通过上述的数据分析及实地测试筛选，最终选取位于重庆市万盛区的黑山谷路段作为实际试验路段，其各项环境参数实测结果如表1所示。

表1 黑山谷路段环境参数

2.1.1 运动学片段划分与特征值计算

车辆在数据采集过程中，难免出现数据缺失与信息错误，所以需要对采集的数据进行初步筛选：①车速v在连续60 s时间内始终为0，即可判定数据无效;②采集的数据中有车辆加速度a大于5.5 m/s2时，判定数据无效。

根据中外学者对于车辆行驶工况的划分标准，采取的标准为：①低速工况：发动机工作且v<10 km/h时的工况；②加速工况：a≥0.36 m/s2且v≠0时的工况；③减速工况：a≤-0.36 m/s2且v≠0时的工况；④匀速工况：|a|<0.36 m/s2且v≠0时的工况。

将初步处理后的数据依据以上标准进行运动学片段划分，每一个运动学片段就包含了车辆行驶过程中的所有信息，一个完整的运动学片段如图3所示。

图3 运动学片段Fig.3 Kinematic sequence

通过MATLAB即可实现运动学片段的划分，通过计算共得到126个运动学片段。从126个片段中筛选出最具代表性的运动学片段就需要一定的筛选标准，通过相关的特征参数值作为选取运动学片段的标准。若最终构造的车辆行驶工况特征参数值与实际采集的车辆行驶工况特征参数值相比，误差能够控制在可接受的范围内，则表示构造的车辆行驶工况具有很强的可信度，是有效的。

选取13个特征参数(表2)用来进行主成分分析以及聚类分析，并且其相关计算结果如表3所示。

表2 运动学片段特征参数

表3 路试数据特征参数计算结果

2.1.2 主成分分析和聚类分析

为了对运动学片段的特征参数值做进一步简化处理以便聚类分析，利用主成分分析法对13个特征参数(表2)进行简化降维处理。

主成分分析结果如表4所示，可以看出，新生成的4个主成分已经能够包含原始数据的绝大部分信息，所以选择这4个主成分进行研究是可行的。

表4 主成分得分系数矩阵

结合表3相关特征参数的计算结果，将表3中所有数据记为A矩阵，并且把主成分得分系数矩阵记为B矩阵，则运动学片段综合得分C矩阵为

C=AB

(1)

如图4所示，利用C矩阵的计算结果对运动学片段进行K-means聚类分析，当聚成三类时发现车辆在速度层次上的区分更加明显，在各工况时间占比上的差异也更为分明，所以分成三类是较为合理的。具体来看，第一类运动学片段低速行驶时间占比较大，说明车辆可能在含有较多平纵曲线的路段上行驶，处于低速运行状态；第二类运动学片段中匀速行驶时间占比超过50%，说明车辆处于较为理想的高速运行状态，路段路况较好；第三类运动学片段则反映出车辆频繁加减速运行状态，说明汽车由于地形条件的限制始终处于不稳定的运行状态，路况较差。

图4 聚类结果时间占比Fig.4 Time proportion of clustering results

通过对聚类结果进行分析，发现将运动学片段分成三类是合理的，三类运动学片段分别代表了车辆在山区路段不同类别的运行状态，通过对其进一步的分析筛选，即可得出完整的车辆运行工况。

2.2 车辆行驶工况构建及检验

采用短行程分析法来构建车辆在高温山区环境下的行驶工况。K-means聚类将运动学片段分成三类，依据各个运动学片段距离聚类中心的远近、各类运动学片段之间的相关性以及时间占比来选出最具代表性的运动学片段。将其按时间顺序组合起来，即可得到完整的典型的车辆行驶工况图。图5为在高温与山区环境下车辆的行驶工况图。

图5 实际路试车辆行驶工况Fig.5 Automotive driving cycle in actual road test

为了进一步检验构建的车辆行驶工况的有效性，求解其部分特征参数，将其与车辆实际工况的特征参数进行对比，结果如表5所示。可以看出，特征参数的误差值均小于10%，误差在可接受的范围之内。所以利用主成分分析和K-means聚类方法构建出的车辆行驶工况是能够代表车辆实际运行状况的。

表5 特征参数值对比

3 对标试验结果与分析

3.1 汽车行驶工况对比分析

将收集的风洞试验数据，参照实际行驶工况构建过程，以相同的方法构造出环境风洞模拟下的汽车行驶工况图(图6)。

图6 风洞试验的车辆行驶工况Fig.6 Automotive driving cycle in the CWT

在环境风洞行驶工况与汽车实际行驶工况的数据对比中，相较于其他一些方法如灰色关联分析法、皮尔逊相关系数法，采用标准化均方误差(normalized mean square error，NMSE)的方法对两者的关联性以及差异性进行分析更为合适。标准化均方误差是衡量模型预测值与实际值之间平均相对离散程度的重要指标，被广泛应用于模型准确度的评价[15]。引用NMSE的计算值来描述上述两组数据之间的相对离散程度，从而验证其关联性强弱，其计算公式为

(2)

式(2)的计算值越小，两组数据的相对离散程度越弱，关联性越强。大量的研究数据表明，NMSE<0.5时表明模型或试验的数据结果在可接受范围之内，故认为NMSE<0.5时对标试验结果具有较强的关联性。此外，依据相关研究方法[16-17]，将速度方差和绝对速度差作为关联性与差异性分析的两个典型指标，其具体定义关系式如下。

实际工况的速度方差计算公式为

(3)

风洞试验的速度方差计算公式为

(4)

Da与Dw的绝对速度差计算公式为

(5)

式中：Da为实际工况的速度方差，(km/h)2；vai为实际工况的运行车速，km/h；Dw为风洞试验的速度方差，(km/h)2；vwi为风洞试验的运行车速，km/h；Δ|v|为实际工况与风洞试验的绝对速度差，km/h。

Da与Dw数值越小，其离散程度越小，反之其速度波动性越大，并且式(5)中的绝对速度差Δ|v|越小，意味着环境风洞模拟结果的速度差异性越小。

图7为实际工况车速与风洞试验车速对比，可以看出，三类运动学片段按相同顺序排列所得到的曲线走势依次描述了车辆低速运行状态、高速运行状态以及频繁加减速运行状态。所以在曲线走势的变化上，两者的相似性是很高的。

图7 两次试验车速对比Fig.7 Comparison of vehicle speeds in two tests

基于上述试验所得到的速度数据，利用关联度、速度方差以及绝对速度差3个指标对车辆实际工况与环境风洞模拟工况的速度关联性、离散性以及差异性进行对比分析，其计算结果如表6所示。

从表6中可以看出，利用标准化均方误差方法得到的NMSE=0.187 2<0.5，表明风洞试验的模拟结果与实际工况的关联性很强，相对离散程度很小。从绝对误差的计算结果来看，Δ|v|=12.624 3 km/h，数值较小，也能够反映出二者的相对离散程度较小，速度变化趋势较为接近。同样结合两者特征参数值对比结果(表7)，可以看出，对标试验结果各特征参数值的相对误差是较小的，所以基于上述分析，可以很明确的得出：环境风洞模拟汽车在高温山区环境下的运行工况基本上是能够代表汽车真实运行状况的，并且模拟结果误差很小，关联性极强。

表7 特征参数值对比

关于两者的差异性，如表6所示，Da=169.356 5 km/h2，Dw=139.690 4 km2/h2，车辆实际行驶工况的速度方差更大，即实际工况的速度离散程度更大，说明了实际山区道路环境要比风洞模拟环境更加复杂，路况更加恶劣。结合图8，根据运动学片段的分类具体来看，两者之间的差异还是较小的，其离散程度的不同主要体现在第一类运动学片段上。第一类运动学片段中风洞试验的车速普遍较低，与实际路试车速的频繁波动形成鲜明对比，说明风洞模拟汽车低速运行状态的速度波动程度更小，并没有很好地还原汽车在山区环境下真实的低速运行状态。从图8中还可以看出，第三类运动学片段的差异是最小的，两次试验速度波动频率与波动幅值极为接近，模拟结果极具真实性。而第二类运动学片段虽然也具有差异，但其差异主要体现在加减速起止时间的不同，其曲线走势大致是相同的。

图8 速度差异填充图Fig.8 Filling diagram of speed difference

表6 相关速度指标计算值

如图9所示，进一步细分两者各类运动学片段之间的关联性与差异性。可以看到风洞试验的第一类运动学片段总体车速要略小于实际工况车速，进一步说明环境风洞模拟低速运行工况时，道路场景的复杂性还需加强，在测功机负载模拟、风洞阻塞修正等方面还需进一步改善。

图9 三类运动学片段箱线图Fig.9 Boxplot of three types of kinematic sequences

此外，实际工况第二类运动学片段的速度范围要小一些，75%车速要低于风洞试验相应的车速模拟，而风洞试验第三类运动学片段的25%车速却又明显高于实际工况的相应车速，说明了真实的道路环境还要更加复杂，速度波动程度更大，所以在风洞模拟过程中，涉及道路场景复杂性的一些参数，如道路坡度的变化、方向的改变等还需进一步优化，这也印证了表6的计算结果。

但总体上来说两者各类运动学片段之间的差异并不明显，速度范围总体相仿。所以说利用环境风洞模拟车辆在实际高温山区环境下的运行状况，其结果是较为准确理想的，误差也是较小的。

3.2 热管理系统测试结果对比分析

车辆热管理的研究一直是提高汽车动力性、经济性、保证关键零部件安全运行以及行车安全的关键一环，车辆热管理系统包括了冷却、润滑、燃油等系统及零部件[18]。对标试验中同样对车辆热管理的工作状况进行了分析，以三类运动学片段代表的汽车三种运行状态为基础，比较两次试验结果的关联性与差异性，具体分析汽车热管理系统在典型高温山区环境下的运行状况。

图10为热管理系统各关键零部件工作温度测试结果对比。按照运动学片段的分类，图10中各点为其数据结果的平均值。

结合相关热管理系统的研究资料[18-20]，横向对比普通公路和正常气温条件下热管理系统的工作温度，可以得出典型高温与山区环境下热管理系统的工作温度是要远高于正常条件的。具体数据关系如：汽车冷却系中散热器风温一般在35 ℃左右，而在高温山区环境下散热器平均风温要高出近20 ℃。同样，汽车润滑系机油的适宜温度在90～100 ℃，而受到高温环境和汽车频繁加减速的影响，机油温度要远高于100 ℃，极易导致机油的氧化与变质，同时也加剧了发动机各零部件的损耗。

同样，利用标准化均方误差方法比较了实际工况与风洞试验热管理测试数据各类运动学片段之间的关联性与差异性。经计算两者第一类运动学片段的NMSE=0.016 1，第二类运动学片段的NMSE=0.028 3，第三类运动学片段的NMSE=0.006 7，计算值均远远小于0.5，说明两者的相对离散程度非常小，关联性极强。也意味着利用环境风洞对汽车热管理系统进行测试，其结果是可以代表真实高温环境下汽车运行状况的。同时对热管理系统测试数据各类运动学片段进行了NMSE的交叉计算，结果显示0.1

1为中冷器进气温度；2为中冷器出气温度；3为发动机舱下方空气温度；4为发电机环境温度；5为油底壳温度；6为主油道机油温度；7为冷凝器进风温度；8为空滤器进口空气平均温度；9为空滤器出 口空气平均温度；10为节气门进气温度；11为发动机进水温度； 12为发动机出水温度；13为散热器平均风温图10 热管理系统测试数据对比Fig.10 Comparison of test data of thermal management system

结合图10具体分析其差异性：第三类运动学片段所代表的汽车频繁加减速运行工况，其热管理系统各零部件工作温度几乎是最高的。说明此时汽车热管理系统的工作环境最为恶劣，对汽车动力性、经济性影响最大。相比于第三类运动学片段，代表着低速运行状态的第一类运动学片段，其零部件测试温度最低，远远低于第三类运动学片段，意味着此时的汽车工作环境对于汽车本身来说是极为理想的，对汽车的损耗也是最小的。最后代表着高速运行状态的第二类运动学片段，它的测试温度介于上述两种运行状态的测试温度之间，也会对汽车造成比较大的损耗。

综上所述，不仅是高温环境提高了热管理系统的温度，汽车频繁的加速、减速也是热管理系统升温的一个不可忽视的因素。如何降低热管理系统在此恶劣环境下的工作温度将会是提升汽车动力性、经济性以及延长汽车使用寿命的重要着力点。

4 结论

通过环境风洞模拟高温山区环境下汽车运行状况的对标试验，得出如下结论。

(1)构建出了典型高温与山区环境下车辆行驶工况图，划分出了汽车在此环境下的3种典型运行状态。

(2)得出了通过环境风洞模拟车辆在高温与山区环境下的运行状况是准确可行的，其误差是极小的。并且具体分析了两者之间的差异性，得出了车辆实际行驶工况的速度波动程度更大，尤其是体现在第一类运动学片段上，说明了环境风洞在山区道路复杂性的还原上还有待进一步优化。

(3)通过热管理系统三类运动学片段NMSE值的分析，得出了不同运行状态下热管理系统各总成的工作温度以及不同运行状态下其工作状况的差异。并且也得出了频繁的加减速是汽车3种运行状态中对热管理系统升温影响最大的。