论文部分内容阅读
随着国内高速公路的不断发展,重型卡车的行驶速度也在不断提高。伴随石油价格的不断上涨,环境污染不断加剧,提高重型卡车的燃油经济性迫在眉睫,节能减排也成为当前的研究热潮。平头重卡在重型卡车中占据重要角色,因此提高平头重卡燃油经济性具有重要意义。在国内上述大环境下,本论文依托作者全程参与的中美清洁能源联合研究中心(CERC)项目(提高中载及重载卡车能效关键技术中美联合研究,项目编号:2017YFE0102800),选取国内某平头重卡为研究对象,对该平头重卡进行气动降阻优化。其主要过程包括:对该平头重卡基础数值仿真计算;气动附加装置的设计与计算;EGO全局优化;风洞试验。首先进行气动套件设计与分析。本文对某平头重卡1:1模型进行数值仿真计算,深入研究基础模型的流动特性,确定牵引车区域、牵引车和挂车间距区域三个汽车空气动力学敏感区域,在气动敏感区域设计了10种独立的气动装置,其中一种海洋动物仿生学减阻附件,减阻效果明显,减阻率为15.0%。通过组合气动附件,获得了组合气动套件,减阻率达27.4%。其次开展组合套件的全局优化。在组合气动套件中选取了四种附加装置为优化对象,以气动阻力系数为目标函数。为了获取较为精确的优化结果,本文采用最优拉丁超立方的抽取初始样本,通过参数化建模的方法获得初始样本模型,并对初始样本模型进行数值仿真计算,利用初始训练样本建立初始的Kriging代理模型。采用DE差分进化算法在代理模型响应面上迭代寻优,输出EI迭代函数的最大点。若满足要求(maxEI<0.1%)时,停止迭代寻优,输出相应的寻优结果。否则,将maxEI所对应的那组设计变量添加到上次样本点集。整个优化过程采用了95个样本点。优化结果显示最优组合气动附件相比组合气动套件降阻3.7%,相比基础模型降阻30.1%。本文通过引入EGO(Efficient Global Optimization)全局优化算法,不仅节约计算成本、提高优化效率,而且还能精准输出优化结果。EGO全局优化算法基于EI迭代寻优函数和Kriging代理模型,其中Kriging代理模型代替了数值仿真计算可以节约计算时间及成本,EI函数为最终停止迭代准则能精准搜寻全局最优解。最后为风洞实验分析与验证。通过3D打印技术打印实验模型,分别在日本东北大学低湍流风洞实验室和美国ARC缩比例风洞完成了1/20和1/8缩比例实验。在1/20缩比例风洞实验中,测得了基础模型和最优组合模型的气动参数,并且用油流法测试了货箱顶部和侧面的流动状态。在1/8缩比例实验中,通过实验得到了各独立气动套件、基础模型、组合模型以及最优组合模型的气动阻力系数。两次实验结果表明:最优组合模型相比基础模型的降阻效果与仿真计算优化结果相当,由此证明了优化算法和仿真计算的精准度。本文通过将数值模拟、EGO全局优化算法和风洞实验相结合的方法对某平头重卡进行了气动降阻的研究,为今后平头重卡气动套件的设计提供了参考。