張炳力,胡忠文,薛鐵龍

(合肥工業(yè)大學(xué)機(jī)械與汽車工程學(xué)院，合肥 230009)

?

2015108

基于程序集成及響應(yīng)面模型的車輛除霜性能優(yōu)化*

張炳力,胡忠文,薛鐵龍

(合肥工業(yè)大學(xué)機(jī)械與汽車工程學(xué)院，合肥 230009)

建立了某款轎車除霜仿真三維模型。選擇風(fēng)道出口格柵角度為試驗(yàn)因子，風(fēng)窗玻璃表面風(fēng)速為目標(biāo)函數(shù)，使用程序集成的方法，將Isight作為上層軟件，集成自動(dòng)網(wǎng)格變形軟件Sculptor和CFD計(jì)算軟件Star-ccm+,自動(dòng)提交運(yùn)算得到樣本數(shù)據(jù)。采用拉丁超立方設(shè)計(jì)方法和最小二乘法，創(chuàng)建了汽車風(fēng)窗玻璃表面暖風(fēng)風(fēng)速的二階響應(yīng)面模型，利用混合整型優(yōu)化法進(jìn)行參數(shù)優(yōu)化。優(yōu)化后，汽車前風(fēng)窗玻璃表面的除霜暖風(fēng)流速分布有了明顯的改善,除霜瞬態(tài)仿真結(jié)果表明，除霜速度加快，滿足了國標(biāo)關(guān)于汽車風(fēng)窗玻璃除霜性能的要求。

車輛；除霜性能；程序集成；響應(yīng)面模型；混合整型優(yōu)化

前言

汽車風(fēng)窗玻璃除霜性能是涉及汽車安全的一項(xiàng)重要性能指標(biāo)，直接關(guān)系到駕駛員的行車視野，因此改善汽車除霜系統(tǒng)的性能非常重要。近年來有關(guān)汽車除霜性能的分析已有研究人員做過相關(guān)工作。文獻(xiàn)[1]中建立了三維風(fēng)道模型，使用CFD軟件Fluent，采用等溫流場(chǎng)和能量方程的方法對(duì)風(fēng)窗玻璃除霜性能進(jìn)行模擬與分析。文獻(xiàn)[2]中采用CFD方法分析除霜風(fēng)道結(jié)構(gòu)對(duì)汽車風(fēng)窗玻璃除霜性能的影響。文獻(xiàn)[3]中通過模擬沖擊射流除霜時(shí)風(fēng)窗玻璃外表面上霜層的二維固、液融化現(xiàn)象, 研究了射流角度對(duì)車輛風(fēng)窗玻璃除霜效果的影響。但是上述研究都是人工對(duì)CAD模型進(jìn)行有限次的修改，生成網(wǎng)格，而后分別進(jìn)行CFD仿真計(jì)算，很不方便。另外，憑個(gè)人經(jīng)驗(yàn)對(duì)除霜性能進(jìn)行優(yōu)化，研究周期長，效率低，精確度不足。

本文中利用多程序集成的方法自動(dòng)修改網(wǎng)格進(jìn)行計(jì)算以獲得樣本數(shù)據(jù)，縮短了優(yōu)化過程；使用科學(xué)的試驗(yàn)設(shè)計(jì)和分析方法，采用拉丁超立方抽樣的方法選擇樣本點(diǎn)，依此建立二階響應(yīng)面模型，使用混合整型優(yōu)化法對(duì)除霜格柵的角度進(jìn)行了優(yōu)化。

1 原模型除霜的數(shù)值模擬

1.1 模型的建立

研究對(duì)象是由車廂內(nèi)部、除霜風(fēng)道、出風(fēng)格柵、風(fēng)窗玻璃和冰層組成。除了除霜風(fēng)道的形狀和尺寸外，計(jì)算模型對(duì)車廂內(nèi)部結(jié)構(gòu)作了簡(jiǎn)化，而且前風(fēng)窗玻璃已劃分為A區(qū)、A’區(qū)和B區(qū)，簡(jiǎn)化后的除霜分析模型如圖1所示。

1.2 網(wǎng)格劃分與邊界條件設(shè)置

整個(gè)計(jì)算模型采用四面體網(wǎng)格，設(shè)置邊界層：厚度為4mm，層數(shù)為3層，增長比為1.5，得到求解域的體網(wǎng)格數(shù)量為6 568 356。劃分網(wǎng)格后的模型如圖2所示。假定空氣為不可壓縮氣體，常密度，湍流模型為Realizablek-ε模型，空間離散采用二階迎風(fēng)差分格式，迭代方式選用Simple算法[4]。

1.3 原模型除霜的穩(wěn)態(tài)計(jì)算

對(duì)該款轎車除霜風(fēng)道模型進(jìn)行穩(wěn)態(tài)計(jì)算分析，計(jì)算邊界條件如表1所示，得到前風(fēng)窗玻璃表面除霜暖風(fēng)的速度場(chǎng)分布，如圖3所示。

表1 穩(wěn)態(tài)計(jì)算邊界條件

1.4 原模型除霜的瞬態(tài)計(jì)算

瞬態(tài)計(jì)算結(jié)果可以直觀地對(duì)照除霜國標(biāo)而判定除霜性能是否合格，同時(shí)也是承啟穩(wěn)態(tài)計(jì)算和試驗(yàn)驗(yàn)證的必要步驟。

瞬態(tài)計(jì)算前，分別拉伸前風(fēng)窗玻璃和左右側(cè)窗玻璃模型，共5層，總厚度為5mm，增長比為1.2。瞬態(tài)計(jì)算時(shí)，設(shè)置霜層厚度為0.5mm，環(huán)境溫度為-18℃，設(shè)置玻璃和冰層物性為默認(rèn)值，計(jì)算2 400s，步進(jìn)1s，每步迭代10次。選擇HVAC出風(fēng)溫度曲線作為計(jì)算域入口的溫度曲線。圖5為HVAC出風(fēng)溫度曲線。

圖5為瞬態(tài)計(jì)算得到的不同時(shí)刻所對(duì)應(yīng)的前風(fēng)窗玻璃融冰圖。

仿真結(jié)果與國標(biāo)[5]的對(duì)比如表2所示，可見在25和40min時(shí)刻A’區(qū)和B區(qū)分別完成除霜，滿足國標(biāo)要求。但是在20min時(shí)刻，A區(qū)的除霜比例未達(dá)到國標(biāo)要求，須對(duì)原模型進(jìn)行優(yōu)化設(shè)計(jì)。

表2 汽車風(fēng)窗玻璃除霜性能國家標(biāo)準(zhǔn)與仿真結(jié)果對(duì)比

2 試驗(yàn)樣本的設(shè)計(jì)

2.1 試驗(yàn)因子的選擇

在暖風(fēng)流量和溫度固定的情況下，汽車風(fēng)窗玻璃除霜的速度取決于風(fēng)窗玻璃表面暖風(fēng)風(fēng)速的分布情況，暖風(fēng)應(yīng)盡可能均勻地覆蓋其內(nèi)表面，因此選擇風(fēng)窗表面暖風(fēng)平均風(fēng)速作為目標(biāo)函數(shù)。

當(dāng)風(fēng)速分布均勻時(shí)，A區(qū)、A’區(qū)和B區(qū)各部位均能得到足夠的熱量，有利于除霜，反之，速度分布不均，會(huì)導(dǎo)致A區(qū)、A’區(qū)和B區(qū)局部熱量不足從而影響除霜速度。于是，合理地安排除霜風(fēng)道出風(fēng)口的格柵角度對(duì)汽車除霜性能非常重要。因此，選擇格柵的角度作為試驗(yàn)因子，研究其對(duì)汽車除霜性能的影響，以進(jìn)一步提出優(yōu)化意見。

考慮到格柵數(shù)較多，而試驗(yàn)因子數(shù)目過多會(huì)導(dǎo)致計(jì)算量太大[6]，因此將格柵分成3部分，如圖6所示。右側(cè)風(fēng)道依次分為X1、X2、X3，考慮對(duì)稱性，相應(yīng)的左側(cè)風(fēng)道也對(duì)應(yīng)的分成X1、X2、X3，則試驗(yàn)因子數(shù)目為3。

2.2 目標(biāo)函數(shù)的選擇

在暖風(fēng)流量和溫度固定的情況下，汽車風(fēng)窗玻璃除霜的速度取決于風(fēng)窗玻璃表面暖風(fēng)風(fēng)速的分布情況，暖風(fēng)應(yīng)盡可能均勻地覆蓋其內(nèi)表面，因此選擇風(fēng)窗表面暖風(fēng)平均風(fēng)速作為目標(biāo)函數(shù)。

由于瞬態(tài)計(jì)算得出40min時(shí)，B區(qū)的除霜性能已經(jīng)達(dá)到國家標(biāo)準(zhǔn)，所以目標(biāo)函數(shù)選取A區(qū)和A’區(qū)的表面風(fēng)速，將其分為6個(gè)部分，如圖7所示。

每個(gè)部分的表面平均氣流速度分別為Y1、Y2、Y3、Y4、Y5、Y6，定為目標(biāo)函數(shù)。

2.3 試驗(yàn)設(shè)計(jì)

確定了試驗(yàn)因子和目標(biāo)函數(shù)后，須要采集樣本數(shù)據(jù)以建立響應(yīng)面模型。樣本點(diǎn)的數(shù)目與試驗(yàn)的精確程度和復(fù)雜程度緊密相關(guān)，數(shù)目太多會(huì)導(dǎo)致計(jì)算繁雜，代價(jià)太大；太少會(huì)導(dǎo)致建立的響應(yīng)面模型不精確。因此，須要選擇一種高效、快速、經(jīng)濟(jì)的試驗(yàn)設(shè)計(jì)方法。

2.3.1 拉丁超立方設(shè)計(jì)

拉丁超立方設(shè)計(jì)方法(Latin hypercube design，LHS)是一種受約束的均勻抽樣法。原理是：假設(shè)K維隨機(jī)變量X的各個(gè)元素的概率分布函數(shù)為Fi(i=1,2,…,K)。向量X的各元素相互獨(dú)立，每個(gè)元素進(jìn)行N次抽樣，Xjk為第k(k=1,2,…,K)個(gè)元素的第j(j=1,2,…,N)次抽樣的值，定義N×K維矩陣P。P的每一列由數(shù)列{1,2,…,N}中各元素的隨機(jī)排列組成。令隨機(jī)變量ξjk服從區(qū)間[0,1]上的均勻分布，則抽樣后得到的結(jié)果為

(1)

式中：pjk為N×K維矩陣P的j行k列元素[7]。

拉丁超立方設(shè)計(jì)的優(yōu)點(diǎn)：

(1)有效的空間填充能力，拉丁超立方設(shè)計(jì)試驗(yàn)次數(shù)=水平數(shù)≥因子數(shù)+1，大大減少了試驗(yàn)次數(shù)；

(2)擬合非線性響應(yīng)，拉丁超立方設(shè)計(jì)對(duì)水平值分級(jí)寬松，試驗(yàn)次數(shù)可以人為控制。

因此，選擇拉丁超立方設(shè)計(jì)作為試驗(yàn)設(shè)計(jì)方法。

2.3.2 試驗(yàn)設(shè)計(jì)結(jié)果

試驗(yàn)因子為格柵的偏轉(zhuǎn)角度，變量空間設(shè)為[-30°，30°],使用拉丁超立方法進(jìn)行樣本采樣，確定選擇11組樣本點(diǎn)。經(jīng)過計(jì)算，得到11組設(shè)計(jì)變量，如表3所示。

表3 試驗(yàn)設(shè)計(jì)結(jié)果 (°)

3 程序集成求樣本數(shù)據(jù)

試驗(yàn)設(shè)計(jì)得到11組樣本點(diǎn)，需要做11次仿真計(jì)算。如果完全憑手動(dòng)調(diào)節(jié)模型，再重新生成網(wǎng)格，最后進(jìn)行仿真計(jì)算得到結(jié)果，則工作量較大而且重復(fù)勞動(dòng)，效率較低。

本文中利用Isight軟件中應(yīng)用程序集成的功能，將網(wǎng)格變形軟件Sculptor、流體計(jì)算軟件Star-ccm+集成在一起，由Isight統(tǒng)一進(jìn)行調(diào)配控制，自動(dòng)計(jì)算出這11組樣本的響應(yīng)值。

首先，根據(jù)試驗(yàn)因子的修改過程，建立Sculptor輸入腳本.def文件，在Isight中，利用Simcode程序集成組件，讀取這個(gè)腳本文件，創(chuàng)建輸入?yún)?shù)，如圖8所示。通過導(dǎo)入Star-ccm+結(jié)果文件，創(chuàng)建輸出參數(shù)，如圖9所示。然后解析輸出文件讀取仿真結(jié)果，最后將結(jié)果記錄下來以建立響應(yīng)面模型。

將表3中的11組設(shè)計(jì)變量作為輸入?yún)?shù)，在Isight集成控制的環(huán)境下，使用Scul-ptor修改網(wǎng)格，通過Star-ccm+仿真計(jì)算，得到每組設(shè)計(jì)變量對(duì)應(yīng)的響應(yīng)值，如表4所示。

表4 設(shè)計(jì)變量對(duì)應(yīng)的響應(yīng)值 m/s

4 除霜性能響應(yīng)面模型的建立和檢驗(yàn)

4.1 除霜性能響應(yīng)面模型的建立

通過計(jì)算出的11組樣本結(jié)果，建立響應(yīng)面模型。

響應(yīng)面法是數(shù)學(xué)方法和統(tǒng)計(jì)方法結(jié)合的產(chǎn)物, 其基本思想是通過近似構(gòu)造一個(gè)具有明確表達(dá)形式的多項(xiàng)式, 來對(duì)所感興趣的響應(yīng)受多個(gè)變量影響的問題進(jìn)行建模和分析, 最終達(dá)到優(yōu)化響應(yīng)值的目的。在常用的響應(yīng)面方法中,以二階響應(yīng)面模型應(yīng)用最為廣泛，因其含有線性項(xiàng)、二次項(xiàng)和交叉項(xiàng), 故在設(shè)計(jì)響應(yīng)與設(shè)計(jì)變量的關(guān)系描述上，比其他方法(如神經(jīng)網(wǎng)絡(luò)等)更準(zhǔn)確。

二階響應(yīng)面模型為

(2)

式中：xi、xp為設(shè)計(jì)變量；β0、βi、βii、βpi均為待定系數(shù)，其計(jì)算公式[8-9]為

(3)

利用式(2)和式(3)分別計(jì)算得到A區(qū)各部分表面平均風(fēng)速的二階響應(yīng)面模型方程：

4.2 響應(yīng)面模型的檢驗(yàn)

表響應(yīng)面模型方差分析

5 參數(shù)的優(yōu)化

5.1 MOST算法

在多學(xué)科設(shè)計(jì)優(yōu)化(multidisciplinary design optimization,MDO)過程中,只有根據(jù)優(yōu)化問題和MDO方法的特點(diǎn)選取最合適的優(yōu)化算法才能充分有效地探索復(fù)雜的設(shè)計(jì)空間,得到理想的優(yōu)化結(jié)果。

本文中研究的問題屬于單峰連續(xù)函數(shù)優(yōu)化問題，根據(jù)文獻(xiàn)[11]，選擇混合整型優(yōu)化法(multifunction optimization system tool，MOST)進(jìn)行優(yōu)化。

MOST算法能夠處理設(shè)計(jì)變量為整型數(shù)和實(shí)型數(shù)的問題。MOST首先認(rèn)定所給的設(shè)計(jì)變量是連續(xù)的，并使用序列二次規(guī)劃法得到一個(gè)初始值X。如果所有設(shè)計(jì)變量是實(shí)型數(shù)，則立刻終止并返回X作為解決方案。

如果某些設(shè)計(jì)變量為整型數(shù)，MOST會(huì)用分歧定限法(branch-and-bound)對(duì)最近一次優(yōu)化所得到的實(shí)型數(shù)解進(jìn)行圓整，獲得兩個(gè)最相鄰的整型數(shù)來替代該整型變量當(dāng)前值，產(chǎn)生分支點(diǎn)。在每個(gè)分支下，剩余的設(shè)計(jì)變量仍然進(jìn)行實(shí)型優(yōu)化。最終，違反整型限制的設(shè)計(jì)變量逐漸減少，找到滿足所有整型設(shè)計(jì)要求的最優(yōu)設(shè)計(jì)方案。

5.2 迭代結(jié)果

在Isight軟件中進(jìn)行設(shè)置，經(jīng)過400步迭代，得到最終的優(yōu)化結(jié)果，如圖10、表6和表7所示。

表6 試驗(yàn)因子優(yōu)化結(jié)果 (°)

表7 響應(yīng)面模型目標(biāo)函數(shù)優(yōu)化結(jié)果 m/s

5.3 優(yōu)化結(jié)果驗(yàn)證及對(duì)比

按照最終優(yōu)化結(jié)果的設(shè)計(jì)參數(shù)值，修改空調(diào)出風(fēng)口格柵角度，在Hypermesh軟件中畫網(wǎng)格，在Star-ccm+軟件中計(jì)算，得出目標(biāo)函數(shù)的仿真值。仿真結(jié)果與響應(yīng)面模型結(jié)果的對(duì)比如表8所示。

表8 計(jì)算值與響應(yīng)面模型的對(duì)比表 m/s

CFD的計(jì)算值與響應(yīng)面模型的值相對(duì)誤差均在 3%以內(nèi)，可信度較高,這與之前對(duì)二階響應(yīng)面模型的檢驗(yàn)結(jié)果相符。因此，直接用響應(yīng)面模型的值來代替 CFD 的計(jì)算值是可行的。

最終優(yōu)化前后的風(fēng)速對(duì)比如表9所示。優(yōu)化后模型的風(fēng)速分布如圖11所示，與圖3相比，風(fēng)速分布有了明顯改善。

表9 優(yōu)化前后風(fēng)速對(duì)比表

5.4 優(yōu)化后模型的除霜瞬態(tài)仿真

使用優(yōu)化后的模型進(jìn)行瞬態(tài)仿真分析，初始條件同前，計(jì)算結(jié)果如圖12所示。

對(duì)照表2，優(yōu)化后的模型滿足汽車風(fēng)窗玻璃除霜性能國家標(biāo)準(zhǔn)。

6 環(huán)境艙試驗(yàn)

除霜風(fēng)道結(jié)構(gòu)優(yōu)化后在環(huán)境艙按照GB 11555—2009的要求進(jìn)行除霜試驗(yàn)，進(jìn)一步驗(yàn)證CFD仿真分析的準(zhǔn)確性和精確性，同時(shí)也驗(yàn)證其優(yōu)化后的除霜性能是否提升。

在環(huán)境艙中進(jìn)行-18℃的除霜試驗(yàn)，間隔5min描繪前風(fēng)窗玻璃融霜跡線圖。圖13為某輕型客車除霜風(fēng)道優(yōu)化后環(huán)境艙試驗(yàn)除霜效果圖。

試驗(yàn)結(jié)果表明，20min時(shí)，A區(qū)的霜層融化89%；25min時(shí)，A’區(qū)霜層融化92%；40min時(shí)，B區(qū)霜層融化100%。將各區(qū)的除霜速率與表2中相應(yīng)的國家標(biāo)準(zhǔn)進(jìn)行對(duì)比，均達(dá)到了國標(biāo)的要求。

試驗(yàn)與仿真計(jì)算結(jié)果對(duì)比如表10所示。由表可見，試驗(yàn)除霜速度慢于CFD計(jì)算的除霜速度，原因?yàn)椋阂皇浅S模型做了適當(dāng)簡(jiǎn)化，存在誤差；二是CFD除霜仿真分析過程未考慮霜層融化為水流動(dòng)或者滑落的過程。但總的除霜趨勢(shì)與仿真計(jì)算結(jié)果是一致的，誤差在8%以內(nèi)，因此CFD仿真結(jié)果可以作為重要的參考依據(jù)。

表10 優(yōu)化后CFD仿真結(jié)果與環(huán)境艙試驗(yàn)結(jié)果對(duì)比

7 結(jié)論

本文中將除霜風(fēng)道出風(fēng)口格柵角度定義為設(shè)計(jì)變量，通過實(shí)驗(yàn)設(shè)計(jì)選取樣本點(diǎn)建立響應(yīng)面模型并進(jìn)行優(yōu)化，得到以下結(jié)論。

(1)根據(jù)試驗(yàn)樣本點(diǎn)數(shù)據(jù)建立的二階響應(yīng)面模型精度較高，可以替代實(shí)際模型的仿真計(jì)算分析，提高計(jì)算效率。

(2)采用多目標(biāo)優(yōu)化策略，利用分歧定限法在較大范圍內(nèi)對(duì)設(shè)計(jì)變量進(jìn)行搜索，使風(fēng)窗玻璃A區(qū)域和A’區(qū)域各部分的表面平均暖風(fēng)風(fēng)速分別提高了3.4%～20.5%。在空調(diào)統(tǒng)一開度的條件下，很大程度上提高了除霜的速度和效率。

(3)使用成熟的MDO軟件框架進(jìn)行程序集成可以提高實(shí)現(xiàn)復(fù)雜問題優(yōu)化設(shè)計(jì)的效率。

總之，通過數(shù)值優(yōu)化算法和 CFD 仿真的結(jié)合，不僅可以得到較理想的結(jié)果，而且可以節(jié)省計(jì)算資源和計(jì)算時(shí)間，對(duì)汽車除霜風(fēng)道出風(fēng)口的設(shè)計(jì)具有一定的指導(dǎo)意義。

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

[2] 張曉蘭，陳江平.汽車空調(diào)除霜風(fēng)道的數(shù)值優(yōu)化.[J].能源技術(shù),2007,28(2):110-114.

[3] 王永珍,高青,王國華,等.射流角度對(duì)車輛風(fēng)窗玻璃除霜性能的影響[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2009,32(2):279-282.

[4] 鄧峰,谷正氣,楊易,等.汽車前風(fēng)窗玻璃除霜除霧數(shù)值模擬分析和研究[J].汽車工程,2009,31(2):175-179.

[5] 國家發(fā)展和改革委員會(huì).GB 11555—2009汽車風(fēng)窗玻璃除霜和除霧系統(tǒng)的性能和試驗(yàn)方法[S] .2009.

[6] 鐘毅芳,陳柏鴻. 多學(xué)科綜合優(yōu)化設(shè)計(jì)原理與方法[M]. 武漢:華中科技大學(xué)出版社,2006.

[7] 鄧乾旺,文文.基于拉丁超立方抽樣的薄板裝配誤差分析[J].中國機(jī)械工程,2012,23(8):947-951.

[8] 陳立周.穩(wěn)健設(shè)計(jì)[M] .北京:機(jī)械工業(yè)出版社,2000.

[9] 王海亮,林忠欽,金先龍.基于響應(yīng)面模型的薄壁構(gòu)件耐撞性優(yōu)化設(shè)計(jì)[J].應(yīng)用力學(xué)學(xué)報(bào),2003,20(3):61-65.

[10] 胡龍飛,劉全坤,王成勇,等.基于響應(yīng)面模型的鋁合金壁板擠壓成形優(yōu)化設(shè)計(jì)[J].中國機(jī)械工程,2008,19(13):1630-1633.

[11] 韓明紅,鄧家禔.面向工程的優(yōu)化算法性能實(shí)驗(yàn)研究[J].中國機(jī)械工程,2007,18(12):1460-1464.

第七屆國際汽車變速器及驅(qū)動(dòng)技術(shù)研討會(huì)(TMC 2015)在滬圓滿結(jié)束

由中國汽車工程學(xué)會(huì)主辦、中汽翰思管理咨詢公司協(xié)辦的第七屆國際汽車變速器及驅(qū)動(dòng)技術(shù)研討會(huì)(TMC2015)已于2015年4月23-24日在上海圓滿結(jié)束。中國汽車工程學(xué)會(huì)常務(wù)副理事長兼秘書長張進(jìn)華出席開幕式并致辭，廣汽集團(tuán)執(zhí)行委員會(huì)副主任兼廣汽研究院院長黃向東，寶馬中國副總裁Roberto Rossetti，上汽技術(shù)中心變速器部全球總監(jiān)方偉榮，重汽技術(shù)中心汽車傳動(dòng)設(shè)計(jì)院副院長李法友，上汽商用車技術(shù)中心技術(shù)總監(jiān)蘭志波，宇通客車新能源首席專家陳慧勇，全國汽車標(biāo)準(zhǔn)化技術(shù)委員會(huì)汽車節(jié)能分技術(shù)委員會(huì)副主任金約夫，格特拉克亞太CEO Young Ho Lee，博世變速器工程技術(shù)總監(jiān)Gert-Jan van Spijk，加特可技術(shù)總監(jiān)柴山尚士，殼牌變速器油全球研發(fā)經(jīng)理Torsten Murr等業(yè)內(nèi)專家均出席會(huì)議并演講，共同探討車輛變速器領(lǐng)域內(nèi)的技術(shù)趨勢(shì)和未來戰(zhàn)略，為行業(yè)發(fā)展建言獻(xiàn)策。

在兩天的會(huì)議期內(nèi)，TMC2015共奉獻(xiàn)了58場(chǎng)精彩的技術(shù)演講和論文宣讀，其中來自自主品牌企業(yè)和國內(nèi)高校的特邀演講達(dá)到10個(gè)，展示了國內(nèi)變速器企業(yè)在技術(shù)上奮發(fā)追趕的上升趨勢(shì)。本屆會(huì)議還首次專設(shè)了一場(chǎng)商用車分會(huì)，關(guān)注這一細(xì)分領(lǐng)域內(nèi)變速器和驅(qū)動(dòng)技術(shù)的最新發(fā)展，更進(jìn)一步拓展了會(huì)議的深度和廣度。會(huì)議共吸引來自中、德、美、日、法等多個(gè)國家和地區(qū)的參會(huì)代表逾600人，覆蓋包括廣汽、北汽、上汽、東風(fēng)、吉利、豐田、通用、寶馬、重汽在內(nèi)的國內(nèi)外整車企業(yè)及采埃孚、舍弗勒、博世、大陸、格特拉克、里卡多、加特可、易特馳、AVL等零部件制造商。

本屆會(huì)議研討的內(nèi)容可概括為四大方面，一是政策法規(guī)和市場(chǎng)，二是創(chuàng)新技術(shù)和解決方案，三是研發(fā)工程實(shí)踐經(jīng)驗(yàn)，四是技術(shù)趨勢(shì)和戰(zhàn)略。具體包括2025年可能的油耗標(biāo)準(zhǔn)、商用車下一步油耗和排放的聯(lián)合管控、應(yīng)對(duì)2020油耗標(biāo)準(zhǔn)的節(jié)能技術(shù)路線、最新的變速器及零部件技術(shù)、系統(tǒng)集成和控制技術(shù)開發(fā)、換擋性能及NVH優(yōu)化、混合動(dòng)力變速器和驅(qū)動(dòng)技術(shù)方案、商用車AMT和DCT技術(shù)及其發(fā)展路線，以及商用車混合動(dòng)力技術(shù)方案等等。議題廣泛，內(nèi)容豐富，更多實(shí)用性技術(shù)的介紹更是貼近企業(yè)的現(xiàn)實(shí)需求，廣受聽眾好評(píng)。

本屆會(huì)議共邀請(qǐng)展商54家，包括博世、大陸、西門子、殼牌、斯凱孚、邦奇動(dòng)力、麥格納、博格華納等國內(nèi)外眾多知名廠商。展覽現(xiàn)場(chǎng)氣氛活躍，代表們?cè)趨⒂^產(chǎn)品的同時(shí)積極交流，尋找共同合作的良好機(jī)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

*校企合作項(xiàng)目(12-150)資助。

原稿收到日期為2013年8月12日，修改稿收到日期為2013年12月2日。