汽车风阻系数灵敏度分析方法研究

doi:10.19562/j.chinasae.qcgc.2021.09.010

摘要/Abstract

摘要：

通过对风阻系数敏感度的理论推导，寻找影响风阻系数的车身造型面关键部位，根据获得的灵敏度，采用自动变形技术，实现网格对影响风阻系数的造型面变化的自学习和自判断，最终达到汽车风阻自动优化的目的。对某款SUV风阻的灵敏度分析，验证了灵敏度方法和自动变形技术在空气动力学风阻计算中应用的有效性，计算全过程无需人工介入，即可使风阻系数达到预设的目标值。

关键词: 风阻系数, 灵敏度, 自动变形, 网格自学习, 自判断

Abstract:

Through the theoretical derivation of drag coefficient sensitivity， the key locations of car body styling surface affecting drag coefficient are found out. According to the sensitivities obtained， automatic deformation technology is adopted to realize the grid self?learning and self?judgment of the changes of styling surface affecting drag coefficient， and finally achieve the goal of automatic optimization of vehicle aerodynamic drag. By the drag coefficient sensitivity analysis for a SUV， the effectiveness of the application of the sensitivity analysis and automatic deformation technology to the calculation of aerodynamic drag coefficient is verified. The method can reach the preset target value of drag coefficient without manual involvement in the whole process of calculation.

Key words: drag coefficient, sensitivity, automatic deformation, grid self?learning, self?judgment

郑鑫,苏东海. 汽车风阻系数灵敏度分析方法研究[J]. 汽车工程, 2021, 43(9): 1336-1342.

Xin Zheng,Donghai Su. Research on Sensitivity Analysis Method of Vehicle Drag Coefficient[J]. Automotive Engineering, 2021, 43(9): 1336-1342.

图/表 16

图1

图2

图3

图4

图5

图6

表1

图7

图8

图9

图10

图11

图12

图13

图14

表2

参考文献 15

1	隋丽娜. 基于空气动力学汽车车身优化改进研究［J］. 上海工程技术大学学报，2019，33（3）：262-266.
	SHUI L N. Research on optimization and improvement of automobile body based on aerodynamics［J］. Journal of Shanghai University of Engineering Science，2019，33（3）：262-266.
2	王娜，王宏丰，付亚平，等. 面向多目标优化问题基于遗传算法［C］. 第27届控制与决策会议，2015：896-900.
	WANG Na， WANG Hongfeng， FU Yaping， et al. A decomposition based memetic multiobjective algorithm for continuous multiobjective optimization problem［C］ .Control and Decision Conference （2015 CCDC）， The 27th Chinese. IEEE， 2015： 896-900.
3	BANDYOPADHYAY S， SAHA S， MAULIK U， et al. A simulated annealing⁃based multiobjective optimization algorithm： AMOSA［J］. IEEE Transaction on Evolutionary Computation， 2008， 12（3）： 269-283.
4	YENISEY M M， YAGMAHAN B. Multi⁃objective permutation flow shop scheduling problem： Literature review， classification and current trends ［J］. Omega， 2014， 45： 119-135.
5	MIETTINEN K. Nonlinear multiobjective optimization ［M］. Norwell， MA： Kluwer， 1999.
6	STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm ［J］. IEEE Transactions on Evolutionary Computation， 2010， 14（6）： 842-864.
7	PETALAS Y G， PARSOPOULOS K E， VRAHATIS M N. Memetic particle optimization ［J］. Annals of Operatons Research， 2007， 156（1）： 99-127.
8	DEB K， THIELE L， LAUMANNS M， et al. Scalable multi⁃objective optimization test problems ［C］.2002 IEEE Congress on Evolutionary Computation， 2002：825-830.
9	CHENG H C， CHIANG T C， FU L C. Multiobjective permutation flowshop scheduling by an adaptive genetic local search algorithm ［C］.2018 IEEE World Congress on Computational Intelligence Evolutionary Computation， 2008： 1596-1602.
10	李春鹏，赵婧. 某电动SUV尾翼优化方案分析［J］. 汽车工程学报，2019，9（6）：436-440.
	LI C P， ZHAO J. Analysis of optimization scheme for an electric SUV wing［J］. Journal of Automotive Engineering，2019，9（6）：436-440.
11	RAJENDRAN C. Heuristics for scheduling in flowshop with multiple objectives ［J］. European Journal of Operational Research， 1995， 82（3）： 540-555.
12	CAVALIERI S， GAIARDELLI P. Hybrid genetic algorithmsfor a multiple⁃objective scheduling problem ［J］. Journal of Intelligent Manufacturing， 1998， 9（4）： 361-367.
13	VARADHARAJAN T K， RAJENDRAN C. A multi⁃objective simulated⁃annealing algorithm for scheduling in flowshops to minimize the makespan and total flowtime of jobs ［J］. European Journal of Operational Research， 2005， 167（3）： 772-795.
14	王宇平，焦永昌，张福顺．解多目标优化的均匀正交遗传算法［J］．系统工程学报， 2004， 18（6）：481-486．
	WANG Y P， JIAO Y C， ZHANG F S. Uniform orthogonal genetic algorithm for multi⁃objective optimization［J］. Journal of System Eengineering，2004，18（6）：481-486.
15	MCCUTCHEON G ， MCCOLGAN A H ， GRANT I ， et al. Wake studies of a model passenger car using PIV ［C］. SAE Paper 2020-01-3335.

序号	风阻系数	风阻系数变化量/%
原模型	0.350	0
网格变形1	0.345	1.4
网格变形3	0.342	2.3
网格变形4	0.336	4.0

部位	优化方案		减阻情况（counts）
部位	试验项目	变量范围	仿真值	试验值
车头	前唇长度	+0.02 m	-1	-1
	前保险杠左侧端面Y向位移	-0.003 m	-1	-2
	前保险杠右侧端面Y向位移	+0.003 m	-1	-2
客舱	机盖与前风窗夹角	+5°	-2	-3
	前风窗与顶盖夹角	+3°	-2	-2
	A柱台肩高度	-0.003 m	-2	-1
	顶盖倾角	+3°	-3	-2
尾部	后保险杠左侧端面绕其与X轴同向的水平轴旋转	+3°	-3	-4
	后保险杠右侧端面绕其与X轴同向的水平轴旋转	-3°	-3	-4
	尾翼X向长度	+0.01 m	-3	-3

[1]	王俊峰,陈吉清,兰凤崇,刘青山,曾常菁. 燃料电池模型多尺度参数双代价函数的全局灵敏度分析[J]. 汽车工程, 2023, 45(3): 393-401.
[2]	王超,于万元,成艾国,何智成. 基于薄板承载特性的车身接头结构设计方法[J]. 汽车工程, 2023, 45(11): 2175-2186.
[3]	李爽爽,宋伟,邹亮,闵峻英,林建平. 前保险杠导流板迎风角度对轻型客车风阻的影响[J]. 汽车工程, 2022, 44(11): 1779-1785.
[4]	王军年,刘鹏,杨钫,靳立强,付铁军. 轮毂电机驱动电动汽车双横臂前悬架运动学优化[J]. 汽车工程, 2021, 43(3): 305-312.
[5]	张志飞,胡桐铜,范维春,王长金,黄瑞文. 基于拉拽安全性能的汽车座椅优化设计[J]. 汽车工程, 2021, 43(2): 218-225.
[6]	宋海生, 杨娜, 杨昌海, 陈志勇, 史文库. 基于焊点与相邻单元一体化应变能的灵敏度评价方法研究^*[J]. 汽车工程, 2020, 42(6): 820-825.
[7]	张海洋, 胡帅帅, 周大永, 高剑武, 谷先广. 基于PSO-SVR近似模型的乘员约束系统稳健性优化^*[J]. 汽车工程, 2020, 42(4): 462-467.
[8]	王其东, 张杰, 张民. 基于灵敏度分析中心组合设计的乘用车发动机舱温度场优化[J]. 汽车工程, 2020, 42(3): 315-322.
[9]	宋海生, 陈志勇, 杨娜, 杨昌海, 史文库. 基于灵敏度排序的焊点布置鲁棒性分析方法研究^*[J]. 汽车工程, 2020, 42(12): 1751-1757.
[10]	郑建洲, 陈有松, 吕斌斌, 尹浩庆. 基于Kriging模型的座椅子系统安全性能优化研究[J]. 汽车工程, 2019, 41(11): 1301-1307.
[11]	王海丰, 于野, 许现哲, 侯文彬. 车身碳纤维接头结构横向弯曲性能研究^*[J]. 汽车工程, 2019, 41(1): 86-90.
[12]	王震虎，王万林，张松波，尹双，李落星. 基于车身概念模型的白车身主断面尺寸优化[J]. 汽车工程, 2018, 40(8): 904-911.