黃麗那，李未，孫冰寒，藍(lán)志坤，李俊

（1.長春大學(xué)汽車服務(wù)工程系，吉林 長春 130022；2.中車長春軌道客車股份有限公司海外項目部，吉林 長春 130000）

前言

汽車外后視鏡是暴露在空氣中的鈍體，擾動流場產(chǎn)生的湍流脈動壓力引起側(cè)窗的振動并向車內(nèi)輻射噪聲，嚴(yán)重影響人們乘坐舒適性，因此有必要準(zhǔn)確模擬后視鏡下游處流場狀態(tài)。流場包括核心區(qū)域和近壁面區(qū)域，對于核心區(qū)域的模擬，已經(jīng)經(jīng)過了許多學(xué)者的論證[1,2]，即基于完全湍流性建立起來的的高雷諾數(shù)模型k-ω和k-ε系列；那么對于近壁區(qū)域非完全湍流性模擬的精確度就顯得尤為重要。目前有兩種處理近壁區(qū)域流場的方法：低雷諾數(shù)k-ε模型直接求解法和壁面函數(shù)法[3]。本文選用典型的應(yīng)用直接求解近壁區(qū)域方法的 k-ω SST模型和k-ε Realizable模型與壁面函數(shù)結(jié)合的方法研究模型比例模型，獲得后視鏡和側(cè)窗區(qū)域不同的近壁面網(wǎng)格，同時進(jìn)行了風(fēng)洞試驗，將外后視鏡引起的側(cè)窗表面脈動壓力和流動結(jié)構(gòu)與試驗進(jìn)行對比，從而確定哪種近壁面網(wǎng)格在上述兩種方法中能得到較準(zhǔn)確的流場。

業(yè)務(wù)能力評分標(biāo)準(zhǔn)：“理論扎實，動手能力強(qiáng)，善于分析和解決問題”為優(yōu)秀；“理論扎實，動手能力較強(qiáng)，較善于分析和解決問題”為良好；“理論基礎(chǔ)和動手能力一般”為合格；“理論基礎(chǔ)和動手能力差”為不合格。

富察氏淡淡一笑：“鬧不起來？在潛邸時就一個個烏眼雞似的，如今只怕鬧得更厲害吧。”她翻了個身，朝里頭睡了，“只是她們耐不住性子愛鬧，就由著她們鬧去吧。”

除了研究模型的復(fù)雜性和高密度的網(wǎng)格情況，還有受到A柱影響形成的旋轉(zhuǎn)渦內(nèi)和后視鏡尾渦區(qū)共同作用導(dǎo)致氣流的分離，使得流場具有非定常特性。為了有效的獲得后視鏡區(qū)域的瞬態(tài)流場信息，采用子域賦值法對該區(qū)域進(jìn)行局部流場的瞬態(tài)計算，為進(jìn)一步的氣動噪聲的研究提供基礎(chǔ)。

1 數(shù)值模擬

1.1 模型比例模型和計算域

為了表達(dá)試驗段的流動狀態(tài)，建立了某轎車模型和風(fēng)洞計算域，如圖1所示，為了減少計算量將后視鏡側(cè)窗區(qū)域單獨截取出來構(gòu)成封閉的子域如圖2所示。

圖1 風(fēng)洞計算域

圖2 模型車的全計算域、子域

1.2 計算網(wǎng)格

整車和風(fēng)洞型計算域三角形面網(wǎng)格數(shù)量大約為170萬，網(wǎng)格大小為5mm。y+是描述近壁區(qū)域流場的無量綱值，壁面的y+值范圍分為：y+<5的粘性底層，30

表1 近壁面網(wǎng)格生成參數(shù)

圖3 網(wǎng)格邊界層截面圖

1.3 求解設(shè)置

為了觀察汽車周圍空氣的流動現(xiàn)象，采用流態(tài)顯示方法分析流動機(jī)理，將模型側(cè)窗表面區(qū)域放置光滑相紙，相紙上均勻涂抹懸濁液，懸濁液會在氣流的作用力下形成一定流場結(jié)構(gòu)顯示在相紙上。

2 風(fēng)洞試驗

2.1 流態(tài)顯示試驗

本文中全域網(wǎng)格 1、全域網(wǎng)格 2分別選擇 k-ω SST和Realizable k-ε湍流模型進(jìn)行穩(wěn)態(tài)計算，保證噴口處為30m/s的速度入口，無滑移壁面應(yīng)用到車身表面、風(fēng)洞模型各個表面，兩套全域網(wǎng)格的四種工況的穩(wěn)態(tài)計算耗時 20h，然后將較為準(zhǔn)確的穩(wěn)態(tài)結(jié)果賦予子域進(jìn)行瞬態(tài)LES計算，流體流過后視鏡所需的時間約為 0.006s，而流過子域所需的時間約為0. 02s，對子域采取了0.0001s時間步長，總計算時間0.5s，計算采集到充分的樣本數(shù)據(jù)，花費(fèi)36h完成計算。

圖 6是兩類網(wǎng)格分別在不同湍流模型下的油流顯示，y+<4的全域網(wǎng)格1能夠捕捉到再附著線，且圖6(1)后視鏡的尾渦區(qū)大小與試驗一致，而圖6(2)在車門位置沒能體現(xiàn)出氣流在后視鏡下方繞流形成的分離區(qū)，推斷y+<4時的k-ω SST模型更準(zhǔn)確。y+>30的全域網(wǎng)格2沒有顯示出A柱影響旋渦區(qū)的再附著線，圖6(3)相對圖6(4)的后視鏡尾渦更接近試驗，推斷y+>30時的k-ε Realizable更準(zhǔn)確。

2.2 測壓試驗

如圖4所示在模型左側(cè)窗和車門表面上布置了45個壓力監(jiān)測點，點與點間隔 40mm，當(dāng)氣流流經(jīng)模型，通過布置在其表面上壓力傳感器便可采集到壓力信號。

圖8可以看出試驗值更接近子域仿真得到的Cp值，但是仍存在監(jiān)測點不準(zhǔn)確的區(qū)域，如位于后視鏡尾渦區(qū)和受A柱影響的旋轉(zhuǎn)渦區(qū)：后視鏡尾渦區(qū)域點（圖9紅色編號點）通過LES仿真得到監(jiān)測點的壓力脈動幅度較大，判斷此處不僅僅被后視鏡尾渦影響還有A柱旋轉(zhuǎn)渦區(qū)的影響從而形成復(fù)雜流場；位于旋轉(zhuǎn)渦區(qū)的點（圖9黃色編號點），它們只受A柱位置旋轉(zhuǎn)斜向上的分離流影響，流場變化不如后視鏡尾渦區(qū)激烈，因此LES仿真是小幅度的壓力波動。試驗與仿真在特殊位置的 Cp存在偏差還由于二者采集數(shù)據(jù)的時間間隔分別是是1s和0.0001s。但是從另一個角度可以根據(jù)Cp值仿真出現(xiàn)的誤差現(xiàn)象可以推斷出流場的三大區(qū)域：后視鏡尾渦區(qū)、旋轉(zhuǎn)渦區(qū)和再附著區(qū)的位置，有利于分析流場結(jié)構(gòu)。

圖4 風(fēng)洞測壓試驗監(jiān)測點布置

3 結(jié)果與討論

3.1 流態(tài)顯示

圖9橙色編號點表示0.05<σp<0.1范圍內(nèi)的監(jiān)測點，位于側(cè)窗上的再附著區(qū)以及側(cè)窗與車門交界處；圖9紅色編號點表示σp>0.1，由于受A柱旋轉(zhuǎn)渦區(qū)和后視鏡尾渦共同影響下壓力波動劇烈，其中點6、10、19、25位于再附著線附近；圖9黃色編號點的σp<0.05，由于受到A柱影響的分離流較為均勻平緩形成的旋轉(zhuǎn)渦區(qū)，脈動壓力較小。

圖5 風(fēng)洞流態(tài)顯示試驗結(jié)果

質(zhì)量是大修成敗的重要標(biāo)準(zhǔn)，在系統(tǒng)開車過程中，出現(xiàn)了一些質(zhì)量問題，說明個別施工單位在質(zhì)量上重視不夠，個別人員在監(jiān)督上把關(guān)不嚴(yán)，為此，山西晉煤天源化工提出了“一定要嚴(yán)把質(zhì)量關(guān)，經(jīng)得起生產(chǎn)考驗”的大修要求。

圖6

3.2 表面壓力

全域兩套網(wǎng)格側(cè)窗與車門位置的各監(jiān)測點穩(wěn)態(tài)仿真的壓力系數(shù)Cp與風(fēng)洞試驗Cp值之差表示為ΔCp，ΔCp越小則仿真越接近試驗。如圖7所示，全域網(wǎng)格1(y+<4)在k-ω SST湍流模型計算所得Cp比k-ε Realizable湍流模型更準(zhǔn)確；而全域網(wǎng)格2（y+>30）得到相反的結(jié)果。這是由于k-ε Realizable模型根據(jù)對數(shù)區(qū)特點推導(dǎo)出壁面函數(shù)，忽略粘性層的特點將近壁區(qū)域的物理量直接與湍流核心區(qū)聯(lián)系，因此不需要知道近壁區(qū)域在粘性底層的流動，用來模擬近壁面的邊界層不需要細(xì)化網(wǎng)格；而k-ω SST模型是典型的在近壁面區(qū)域采用低Re數(shù)k-ε模型直接計算，在湍流核心區(qū)又轉(zhuǎn)化為高Re數(shù)k-ε模型進(jìn)行求解，能夠詳細(xì)模擬粘性層流動，因此需要劃分很薄的邊界層網(wǎng)格配合湍流模型求解近壁區(qū)域的流動。

最后，由于缺少相應(yīng)的值班律師考評機(jī)制和被告人對值班律師法律幫助質(zhì)量的意見反饋機(jī)制，一旦值班律師怠于履行職責(zé)，被告人將無法獲得更換和補(bǔ)償，更無法獲得有效的救濟(jì)，有效辯護(hù)也就無從談起。［6］

將降雨量與日最大溫度與最小溫度作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，徑流量作為輸出數(shù)據(jù)。圖2是BP神經(jīng)網(wǎng)絡(luò)對洪號為20001009的這場洪水的模擬值與觀測值的對比圖。然后，通過模擬值與觀測值得到這場洪水徑流量的誤差序列，再將誤差序列作為ARIMA模型的輸入變量，得到誤差序列的預(yù)測值，并用于修正BP神經(jīng)網(wǎng)絡(luò)得到的模擬值。其修正后的預(yù)測結(jié)果如圖3所示。

式中， 為某監(jiān)測點在一段時間內(nèi)的平均壓力，pi為i時刻下該監(jiān)測點的瞬時壓力，σp越大，表示壓力脈動越大[5]。

圖8 子域LES計算結(jié)果

如圖5的風(fēng)洞流態(tài)顯示試驗可以看到氣流在A柱之后發(fā)生分離，又在模型側(cè)窗表面上重新附著且再附著線清晰可見，位于側(cè)窗和車頂交界處出現(xiàn)斜向上后方的旋轉(zhuǎn)錐型渦。在后視鏡后方區(qū)域包括車門位置出現(xiàn)明顯的尾渦，尾渦的形成是由于后視鏡基座處空間變化將流經(jīng)的氣流加速，形成低壓區(qū)。占據(jù)側(cè)窗面積2/3油流相對整齊有序，形成了再附著區(qū)域，由于試驗中不可忽略重力的作用，車門上的油流有斜向下趨勢。旋轉(zhuǎn)渦區(qū)和尾流區(qū)是氣流分離區(qū)域，對于側(cè)窗上氣流的非定常特性占有主導(dǎo)地位[4]，從而產(chǎn)生了作用在側(cè)窗上的表面脈動壓力。

圖9 子域在t=1.25s時刻表面流態(tài)顯示

4 結(jié)束語

采用風(fēng)洞試驗和數(shù)值模擬的方法研究50%比例的模型轎車模型后視鏡、側(cè)窗區(qū)域外流場，得出結(jié)論如下：

子域的瞬態(tài)計算得到后視鏡尾部側(cè)窗表面上出現(xiàn)不同尺度的漩渦，定量分析側(cè)窗和門板的壓力脈動的大小，引入壓力系數(shù)標(biāo)準(zhǔn)差σp，如公式(1)：

（1）通過與風(fēng)洞試驗的對比發(fā)現(xiàn)，根據(jù)y+值劃分網(wǎng)格，當(dāng)首層網(wǎng)格節(jié)點處于粘性層范圍時使用k-ω SST湍流模型得到較好計算結(jié)果；當(dāng)其處于對數(shù)域使用k-ε Realizable 計算較為準(zhǔn)確。

（2）選用y+<5全域網(wǎng)格1截取關(guān)鍵區(qū)域進(jìn)行子域的瞬態(tài)計算發(fā)現(xiàn)，通過表面壓力系數(shù)結(jié)果判斷，子域LES計算得到平均流場與全域RANS計算得到流場可以相互驗證，且相比全域RANS模擬，再附著區(qū)內(nèi)的子域LES模擬更準(zhǔn)確。

（3）對于側(cè)窗的分離區(qū)，根據(jù)壓力系數(shù)標(biāo)準(zhǔn)差判斷，子域瞬態(tài)模擬能夠捕捉分離區(qū)流場的非定常特性。由A柱影響的旋轉(zhuǎn)渦區(qū)內(nèi)的監(jiān)測點σp小于0.05，后視鏡的尾渦區(qū)內(nèi)監(jiān)測點壓力波動較為劇烈，且壓力波動最劇烈的位置即為再附著線附近，σp大于0.1，而再附著區(qū)監(jiān)測點σp在0.05與0.1之間，因此根據(jù)監(jiān)測點脈動壓力波動的大小明確流場結(jié)構(gòu)，為后續(xù)的氣動噪聲研究提供基礎(chǔ)。

為了方便地討論問題，可以定義坐標(biāo)系xoy：其坐標(biāo)軸ox、oy的單位矢量在Cβ各處保持平行，如圖6中的紅色坐標(biāo)系.平移一周后，坐標(biāo)系xoy與平移前相比相差角度|B|.由于坐標(biāo)系xoy與波前場分布固連在一起，所以可以用坐標(biāo)系的旋轉(zhuǎn)角度表示場分布的旋轉(zhuǎn)角度.在坐標(biāo)系xoy中觀察，場分布沒有轉(zhuǎn)動，相因子與(4)～(6)式中的Sn=ei(nθ+βl-ωt)相同.回到初始點后與平移前相比，因子Sn=ei(nθ+βl-ωt)的θ中會多出-B.

參考文獻(xiàn)

[1] MEBTER,F,Zonal Two Equation k-ω Turbulence Model for Aerodynamic Flows[J] AIAA93-2906(1993),pages196-206

[2] 熊超強(qiáng),臧孟炎.低阻力汽車外流場的數(shù)值模擬及其誤差分析[J].汽車工程. 2012. Vol.34. No.1

[3] 王福軍.計算流體動力學(xué)分析——CFD軟件原理與應(yīng)用[M].北京∶清華大學(xué)出版社,2004.

[4] Ye Li, Naohiko Kasaki,Evaluation of Wind Noise Sources Using experimental and Computational Methods[C].SAE Paper,No.2006-01-0343.

[5] Introduction of a New Realistic Generic Car Model for Aerodynamic Investigations[C].SAE Paper No.2012-01-0168.