干货 | iconCFD——助力通用汽车优化车身气动性能
Benjamin Leroy, Kyle Mooney, Stamatina Petropoulou, Jacques Papper ICON Technology and Process 咨询服务有限公司
翻译：IDAJ中国——流体技术团队
编者语
iconCFD
开源CFD解决方案经过多年的发展，已经拥有了庞大而稳定的用户“生态”。iconCFD是IDAJ同ICON一起开发的面向工业用户的CFD解决方案，iconCFD源自于OpenFOAM，并在其基础上经过十余年的开发改进，从面向工业用户特定应用场景需求出发，在易用性、网格功能、物理模型到求解器稳健性等方面都做了深度优化和功能扩充。在过去三年中，世界前20的汽车OEM中，超过65%都在使用iconCFD解决方案，本文即将介绍的是来自通用汽车北美的成功应用案例。
摘要
空气动力学车辆设计的改进需要通过流动仿真来驱动迭代形状的变化。近年来，使用伴随方法的空气动力学形状优化在汽车工业中越来越受到关注。基于形状参数的传统DOE（实验设计）优化方法需要进行大量CFD流动仿真，以获得这些形状参数的设计敏感性。如果采用伴随方法，则可以大大减少大量的CFD流动仿真。本研究的主要目的是证明和验证用于车辆空气动力学形状改进的伴随方法。尽管将稳态Reynolds Averaged Navier Stokes（RANS）用作基于伴随形状变化的“主要”求解方案，但仍将完全瞬态的Detached Eddy Simulation（DES）用作基准和最终流动求解方案，来提高流动仿真精度。这种类型的分析提供了更准确的流动建模选项，尤其是在发生边界层分离的情况下。在本研究的最后阶段进行了DES验证运行，以确认阻力系数减小ΔCD= -0.005。
介绍
计算流体动力学（CFD）作为许多气动情况（包括车辆空气动力学）的工具已广受欢迎。自动优化在保持较短的车辆生产周期方面可能非常有益。常规的CFD流动信息（例如风速和压力产生量）无法直接提供有关车辆形状变化如何影响空气动力性能的指导。
伴随方法仅通过伴随方程的一种解决方案提供了设计方向和敏感性信息，该解决方案与形状参数的数量无关。尽管伴随方法已在许多空气动力学优化问题中广泛使用，但将其应用于大规模车辆设计仍然非常具有挑战性。设计工程师必须确定伴随方法建议的形状变化是否足以提供改进的阻力。同时，这些更改不得与其他设计约束（例如内部空间，舒适性，样式，各种安全要求和功能）冲突。
基准车辆形状是量产车辆，已经通过通用汽车的风洞测试和标准CFD工艺进行了优化。该研究分为两个阶段。在阶段1中，优化模块通过primary-adjoint-morph（原始-伴随求解-变形）步骤自动循环遍历，来减少阻力。在阶段2中，采用了手动优化方法。在这种方法中，使用伴随敏感性图确定了汽车表面上的六个潜在的良性区域（图1）。从预处理到求解器阶段，已使用ICON Technology and Process 咨询服务有限公司开发的iconCFD®[7]软件完成了本文中描述的所有操作。使用ANSA中可用的变形框工具，对这些区域进行顺序变形，一次变形一个区域 [8]。这可以实现更大的表面变形，同时保持所识别区域中变形表面的平滑度和完整性，这在阶段1的方法中是不可能的。
求解方法
使用基于电子表格的预处理工具（iconCFD MultiCase©）快速准备了许多仿真案例，可以使用STL几何体组件和用户定义的模板（例如，用于汽车应用的风洞）进行提交。优化过程分为两个阶段：
阶段1：
在第一阶段，通过迭代优化过程对车辆的外部进行变形。最初需要一些几何准备，将几何部件组合在一起，以控制变形和阻力系数的改善（在每个循环之间进行监控）。优化包括RANS流动计算（也称为“原始”计算），计算敏感度的伴随运行以及变形阶段。直接变形的工作方式如下：将敏感性转换为点位移并缩放将变形限制为给定的最大位移，然后进行进一步平滑。将该变形应用于几何三角化网格，并以STL格式导出，以便在后续的优化步骤中使用。在变形中使用归一化的敏感性（标量值），并且局部表面位移与局部敏感性矢量（“推入”或“拉出”）成比例。在第一阶段，将形状敏感性应用于整个车辆表面，并评估由于形状变化而导致的总阻力改善。用户确定最大允许位移，并研究形状变化对总阻力系数的影响。
阶段2
在第二阶段中，选择表现出最高敏感性的外表面进行单个子区域优化，如图1所示。优化过程采用了“从前到后”的方法（变形发生的方向），其中每个后续运行都使用先前的小节几何修改。对每个配置进行流动仿真，然后进行伴随敏感性仿真。
在第二阶段中，使用CAD预处理工具进行表面变形，其中在每个子区域周围创建了变形框。来自第一阶段的变形几何体被用作各个子区域变形的指南。引入变形框的同时保持最终设计的对称性（请参见图2）。
在CAD软件变形过程中引入了某些几何约束。例如，后视镜玻璃表面没有变化（见图3）。
对于每个子区域变形，通过RANS模拟记录阻力改善。尽管RANS模拟趋向于预测由于形状变化而引起的阻力增量，但DES模拟被认为对于整体阻力预测更为准确。因此，为了确保总减阻，在第二阶段完成后，对原始和完全变形的设计执行DES验证计算。
图1 选择的局部优化区域
图2 前保险杠周围的变形框（morphing box）示例
图3 通过CAD软件引入变形约束。后视镜表面约束
结果
如图4所示，本研究中介绍的所有案例均在通用汽车生产的车辆上完成。由于重点在于外部空气动力学变化，引擎盖下的发动机舱被封闭，前格栅上有一个表面。对于计算领域，使用了如图5所示的标准风洞模型。表1列出了主要边界条件。
图4 整车CAD模型封闭发动机舱
图5 风洞设定
表1 边界条件
图6显示了车辆几何形状和对称面上的速度场。在原始流动和伴随模拟中，主要使用了含近壁处边界层的多面体网格。汽车主要外气动表面的壁面Y +分布在（30-40）范围内。在第二阶段中，由于需要关注局部区域，需要进行更详细的分析，因此在第二阶段中对表面和整个网格进行了进一步的细化。与第一阶段的2600万网格相比，第二阶段网格大小达到约8500万。使用Realizable k- epsilon模型的RANS稳态求解器[11]用于优化循环之间的阻力计算。
对于阶段1，整个外观样式在三个连续的优化迭代过程中进行了修改。阻力系数以及正投影面积的变化可以在表2中看到。对于这一阶段，该过程是完全自动化的。当阻力系数振荡达到0.5drag count的幅度时，模拟就认为是收敛的。
图6 RANS求解器下的速度长 y=0截面
表2 阶段1-迭代过程中阻力系数减少
图7 阶段1-原始（左）和最终（右）敏感度对比
随着几何形状的变形，正投影面积发生了变化（请参见表2和表4），并且为了始终如一地比较阻力系数，使用了2.321m2的恒定正投影面积（原始几何正投影面积）。
在图7中可以看到基准模型相对于最后一个设计的表面敏感性。形状敏感性的强度从基准形状到最终变形的形状逐渐减缓。 在此阶段，总共减少了3.8 count的阻力。对于每个优化迭代，最大位移限制为20 mm，对于整个优化过程，最大位移限制为30 mm。下一次优化迭代中不包括已经达到最大位移30 mm的区域。在某些变形最大的区域中达到了30 mm。在最大位移为30 mm处有相对较小的减阻作用是由于直接变形在汽车的外部产生了一些粗糙的表面。
根据基准预测的形状敏感度（如图7所示）选择6个子区域，使用手动变形优化过程在第二阶段进行优化。6个子区域的选择基于整车原始形状周围的敏感度强度，如图7所示。如图1所示，不同的子区域从汽车的前部到后部累积运行。对于阶段2中每个区域的变形，变形框是使用CAD预处理工具生成的。手动变形框可以直接影响形状变化的幅度，并且与阶段1中应用的自动变形过程相比，还可以产生非常平滑的表面几何形状。每个子区域的最大位移如表3所示。
表3 每个子区域使用混合变形的最大位移汇总
在表4中总结了每个子区域的减阻，在累积设计中观察到了一致的减阻。显然，除后视镜之外，在大多数区域中正投影面积没有显着减少。整体减阻为9.1 count。这是在对最后500次迭代的阻力值求平均后获得的（用相同的方式计算所有其他RANS情况的阻力系数）。
表4 阶段2-每个子区域的减阻信息
上一节中介绍的方法涉及阶段1的变形几何形状和CAD预处理工具变形技术，用于每个子区域变形。每个子区域的变形都可以在图8至图13中看到。原始和变形的几何图形与重叠的几何图形一起显示。新的变形设计（例如下保险杠边缘和前轮导流板）就是直接受第1阶段变形几何建议的趋势指导（见图8）。分别在图14和图15中比较了原始几何体和变形几何体的升力和阻力系数发展增量及其局部贡献。在图16中，在x和y切片上比较了原始（左）速度场和变形后（右）速度场之间的差异，并显示了尾流的减少，这可以解释阻力的减小。差异是细微的，但我们会注意到靠近地面的循环区域，并且在变形情况下对称平面中的区域略窄。在第2阶段完成后，表面敏感性强度已经大大降低，这表明变形已将形状推向局部最佳状态（图17）。
图8 子区域1（轮胎襟翼+下保险杠）的基准模型与变形几何形状。重叠几何形状中灰色透明的为基准模型
图9 子区域2（引擎盖前缘）的基准模型与变形几何形状。重叠几何形状中灰色透明的为基准模型
图10 子区域3（前大灯）的基准模型与变形几何形状。重叠几何形状
中灰色透明的为基准模型
图11 子区域4（后视镜）的基准模型与变形几何形状。重叠几何形状中灰色透明的为基准模型
图12 子区域5（A柱）的基准模型与变形几何形状。重叠几何形状中灰色透明的为基准模型并显示X方向截面线
图13 子区域6（尾灯和导流板）的基准模型与变形几何形状。重叠几何形状中灰色透明的为基准模型
图14 基准模型和变形后几何形状的升力（上）和阻力（下）分布对比
图15 基准模型和变形后几何形状的升力（上）和阻力（下）变化量分布对比
图16 对比原始（左）和变形后（右）几何形状的速度场。上边为y=0截面，下边为x=5.2截面（两个案例尾流差别最大的位置）
图17 原始（插入）和变形后几何形状的敏感度对比
对于DES验证，采用了从粗到细的方法来初始化该求解方案，将粗网格计算结果映射到细网格上，以节省计算时间。每个网格使用不同的时间步长，以保持最大Courant数（~4）为较低的数值。该案例的总模拟时间为3.0秒（粗网格案例为1.5秒，细网格案例为1.5秒）。细网格情况下对称面上的瞬时速度场如图18所示。
图18 原始几何y=0截面3秒后的瞬态速度场
使用DES模拟的减阻达到5.4 count。减阻并不像RANS模拟那样重要，因为两种方法有很大的不同，所以预计会有所不同。该领域的最新工作评估了使用瞬态DES的均值流动求解来提高伴随解的准确性的好处[12]。
使用DES求解方法运行第2阶段“Front-to-rear”案例将添加更多信息，以进一步说明减阻效果。在图19中，绘制了在3.0秒瞬态仿真时间内原始和变形几何图形的粗网格和细网格情况下的阻力系数变化曲线。表5给出了每种情况下获得的阻力系数，在细网格情况下最后1.0秒的平均值：
表5 原始和优化后几何运行DES仿真的阻力系数比较
图19 瞬态DES仿真粗网格和细网格情况下（原始和变形几何）的阻力系数演化
图20 原始和变形后几何形状运行DES验证仿真的升力（上）和阻力（下）分布对比
评估所提出方法的额外价值。车辆形状的优化尝试分两个阶段进行。在第一阶段，执行了针对车辆整个外表面的自动优化方法。使用基于敏感性的网格变形自动方法 会在表面上进行小的迭代更改。尽管变形包括平滑处理，但这种方法无法提供美观的表面，主要是因为计算出的敏感性中存在噪声。但是，所得的表面可以用作设计者的宝贵指导。在第二阶段中，从基准车辆模拟中识别出六个高敏感性区域，并使用子区域周围的变形框进行了手动变形。这种方法可以进行较大的形状变化，强制执行约束并提供光滑的表面。使用累积方法分别评估和验证每个子区域设计，通过该方法，每个新设计中都包含先前的子区域形状变化。
中间计算是使用Reynolds Averaging Navier Stokes（RANS）求解器，用Realizablek-ɛ湍流模型进行的。在第6个子区域运行完成之后，在此原始-伴随-变形循环的顺序过程中，总阻力减少达到9.1 count。事实证明，这是一种更好的方法，因为与以前的自动化方法相比，它可以平滑地使较大的表面变形。使用第二种方法，DES验证计算显示阻力减少了5.4 count。在未来的出版物中将报道使用减小比例的粘土模型进行的进一步风洞测试。在以后的工作中，将DES而不是RANS用于原始求解方案的替代方法可能会进一步降低DES预测阻力。
参考文献
1.Jameson, A. Aerodynamic Design via Control Theory, in ICASE Rep. no. 88-64, 1988.
2.Giles, M.B. and Pierce N.A., Adjoint Equations in CFD: Duality, Boundary Conditions and Solutions Behaviour, in AIAA Report 97-1850, 1997.
3.Anderson, W.K. and Venkatakrishnan V., Aerodynamic Design Optimizations on Unstructured Grids with a Continuous Adjoint Formulation, in AIAA Paper 97-0643, 1997.
4.Petropoulou S., Localised Adjoint Optimization - Better and Faster CFD-Driven Design, NAFEMS Optimization for Industrial Applications Seminar, Gaydon, UK, March 2012.
5.Petropoulou S., Adjoint Solver Advances, Tailored to Automotive Applications, Flow head Conference, Munich, Germany, 28th March 2012.
6.Palluch J., Weickgenannt S., Saroch M. (Friendship Systems, GER), Leroy B., Zimmer A. (ICON, UK) Design Studies and Optimization of Functional Surfaces utilizing Open Source CFD, NAFEMS World Congress (NWC 2013), Salzburg, Austria, 10th June 2013.
7.iconCFD® version 3.0.17 Technical User Guide, ICON Technology & Process Consulting Ltd.
8.ANSA version 15.2.3 User’s Guide, BETA CAE Systems S.A., January 2015.
9.Petropoulou S., Industrial optimization solutions based on OPENFOAM®* Technologies, ECCOMAS CFD, Lis bon, Portugal, June 2010.
10.Othmer, C., A Continuous Adjoint Formulation for the Computation of Topological and Surface Sensitivities of Ducted Flows Int J. Numer. Meth. Fluids, 2008. 58: p. 861-877.
11.Shih, T.-H., Liou, W.W., Shabbir, A., Yang, Z., Zhu, J., 1995. A New k- Eddy-Viscosity Model for High Reynolds Number Turbulent Flows - Model Development and Validation. Computers Fluids, 24(3): 227-238.
12.Blacha, T., Gregersen, M.M., Islam, M., Bensler, H., 2015. Aerodynamic Vehicle Optimization using the Continuous Adjoint Method. FKFS Conference, Stuttgart, Germany, 29th September 2015.
本文SAE编号：2016-01-1599
