陳鴻明，錢(qián)銳，李華

（泛亞汽車(chē)技術(shù)中心有限公司，上海 201201）

0 引言

隨著國(guó)家的發(fā)展和科學(xué)技術(shù)的進(jìn)步，汽車(chē)行業(yè)正面臨轉(zhuǎn)型，逐漸向《中國(guó)制造2025》方向靠近。汽車(chē)工業(yè)發(fā)展新趨勢(shì)的核心是制造業(yè)數(shù)字化，企業(yè)必須不斷加快產(chǎn)品研發(fā)速度、智能化、電氣化和網(wǎng)聯(lián)化。隨著互聯(lián)網(wǎng)的深入應(yīng)用，特別是移動(dòng)技術(shù)的普及，以互聯(lián)網(wǎng)為基礎(chǔ)設(shè)施實(shí)現(xiàn)傳統(tǒng)工業(yè)領(lǐng)域發(fā)展成為新形態(tài)。面對(duì)日益激烈的市場(chǎng)競(jìng)爭(zhēng)，以及對(duì)市場(chǎng)的快速響應(yīng)，汽車(chē)行業(yè)不斷推陳出新，以滿(mǎn)足客戶(hù)的不同需求。當(dāng)前的汽車(chē)行業(yè)虛擬仿真流程包含較多的人工操作，在建模、邊界設(shè)置、計(jì)算和后處理中都需要人工介入，效率低且反應(yīng)慢，很大程度上限制了產(chǎn)品的研發(fā)速度。如果能夠?qū)⑻摂M仿真以及優(yōu)化的流程封裝起來(lái)，使仿真和優(yōu)化計(jì)算全過(guò)程實(shí)現(xiàn)自動(dòng)化，可大幅度提高產(chǎn)品研發(fā)的效率和質(zhì)量。以空調(diào)性能分析中的除霜風(fēng)道虛擬仿真優(yōu)化設(shè)計(jì)為例，對(duì)三維數(shù)模進(jìn)行計(jì)算機(jī)輔助工程（Computer Aided Engineering，CAE）建模仿真分析，根據(jù)指標(biāo)對(duì)分析結(jié)果進(jìn)行評(píng)價(jià)，再對(duì)不符合要求的三維數(shù)模進(jìn)行調(diào)整，反復(fù)進(jìn)行虛擬仿真分析直到符合要求。該過(guò)程需要多輪次的建模以及仿真分析，需要對(duì)關(guān)鍵設(shè)計(jì)參數(shù)進(jìn)行大量計(jì)算尋優(yōu)獲得最優(yōu)解，以保證最終設(shè)計(jì)能滿(mǎn)足系統(tǒng)的綜合要求。傳統(tǒng)的分析流程中工程師基于自身經(jīng)驗(yàn)對(duì)分析結(jié)果進(jìn)行判斷并做出改進(jìn)措施，仿真結(jié)果同實(shí)驗(yàn)的對(duì)比也已經(jīng)達(dá)到了較好的一致性。有許多研究學(xué)者對(duì)空調(diào)性能進(jìn)行了優(yōu)化[1-9]，通過(guò)在基礎(chǔ)模型上逐步幾何優(yōu)化來(lái)達(dá)到優(yōu)化系統(tǒng)性能的效果。也有研究者改進(jìn)了風(fēng)道拓?fù)浣Y(jié)構(gòu)及優(yōu)化隔柵，肖鑫等[10]和孫玉等[11]均對(duì)除霜風(fēng)道內(nèi)部流場(chǎng)進(jìn)行CFD分析優(yōu)化，實(shí)現(xiàn)優(yōu)化除霜的性能。但是傳統(tǒng)的分析流程中通過(guò)人工方式識(shí)別優(yōu)化點(diǎn)，繼而通過(guò)工程師手工完成，每次優(yōu)化都需要重復(fù)一次仿真工作的所有過(guò)程，而且還不一定能達(dá)到預(yù)期優(yōu)化效果。

當(dāng)考慮工時(shí)成本-收益及創(chuàng)新性設(shè)計(jì)時(shí)，有必要對(duì)現(xiàn)有的優(yōu)化設(shè)計(jì)流程進(jìn)行升級(jí)，開(kāi)發(fā)出更具可靠性、自動(dòng)化、智能性（優(yōu)化）和互聯(lián)性的新流程（工具）。國(guó)內(nèi)航空領(lǐng)域、計(jì)算機(jī)領(lǐng)域、建筑領(lǐng)域在近幾年出現(xiàn)了一些和自動(dòng)化平臺(tái)相關(guān)的研究[11-17]。何磊等[18]初步實(shí)現(xiàn)了航空領(lǐng)域的CFD軟件的自動(dòng)測(cè)試。李艷霞等[19]在信息技術(shù)領(lǐng)域?qū)?shù)據(jù)中心進(jìn)行自動(dòng)化部署。在汽車(chē)領(lǐng)域基于優(yōu)化算法對(duì)整車(chē)各個(gè)子系統(tǒng)性能的仿真也日益涌現(xiàn)，汪怡平等[20]對(duì)汽車(chē)氣動(dòng)阻力進(jìn)行了優(yōu)化，

本文研究了車(chē)用空調(diào)系統(tǒng)集成自動(dòng)化仿真平臺(tái)，并進(jìn)行優(yōu)化分析。通過(guò)引入FAST算法，以三維造型參數(shù)為變量在自動(dòng)優(yōu)化平臺(tái)上進(jìn)行優(yōu)化分析，根據(jù)設(shè)計(jì)目標(biāo)得出最佳的設(shè)計(jì)方案，并將最佳設(shè)計(jì)方案的虛擬分析結(jié)果和實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，對(duì)自動(dòng)優(yōu)化設(shè)計(jì)平臺(tái)應(yīng)用于實(shí)際整車(chē)開(kāi)發(fā)設(shè)計(jì)的可行性進(jìn)行評(píng)估。

1 空調(diào)系統(tǒng)仿真優(yōu)化

空調(diào)系統(tǒng)的虛擬計(jì)算包含速度場(chǎng)和壓力場(chǎng)，以空調(diào)管路和風(fēng)道的優(yōu)化為例，良好的管路和風(fēng)道形狀設(shè)計(jì)有利于速度和壓力的分布，使空調(diào)出風(fēng)效率更高。

1.1 優(yōu)化方法

空調(diào)管路及風(fēng)道的優(yōu)化可以采用拓?fù)浣Y(jié)構(gòu)優(yōu)化或3D造型參數(shù)優(yōu)化。兩種方案各有優(yōu)點(diǎn)，基于拓?fù)涞膬?yōu)化可以快速獲得管路或風(fēng)道結(jié)構(gòu)的優(yōu)化造型，但優(yōu)化的結(jié)果不容易定量描述；而基于3D造型變量的參數(shù)化優(yōu)化可以直接反映設(shè)計(jì)意圖，但是需要的計(jì)算尋優(yōu)過(guò)程相對(duì)較長(zhǎng)?；?D造型參數(shù)變量的參數(shù)尋優(yōu)過(guò)程，結(jié)合了基因算法與響應(yīng)面技術(shù)的FAST多目標(biāo)優(yōu)化算法，有效加速了CFD尋優(yōu)過(guò)程，并提升了優(yōu)化設(shè)計(jì)點(diǎn)的穩(wěn)健性。

1.2 優(yōu)化算法

FAST算法是混合式策略算法，結(jié)合了基因算法和響應(yīng)面算法技術(shù)。原理是基于已有數(shù)據(jù)集生成響應(yīng)面，然后基于基因算法同時(shí)進(jìn)行真實(shí)優(yōu)化和基于響應(yīng)面的虛擬優(yōu)化，并對(duì)虛擬優(yōu)化生成的預(yù)測(cè)點(diǎn)進(jìn)行真實(shí)計(jì)算，再用優(yōu)化生成的新一代數(shù)據(jù)集更新原有數(shù)據(jù)集，更新響應(yīng)面。迭代上述過(guò)程最終得到優(yōu)化結(jié)果。該算法相比傳統(tǒng)基因算法可以大大加快尋優(yōu)過(guò)程，在計(jì)算資源較為有限的情況下，優(yōu)勢(shì)更明顯。

基因算法又稱(chēng)遺傳算法，是進(jìn)化算法的一種。進(jìn)化算法借鑒了進(jìn)化生物學(xué)中的一些現(xiàn)象（包括遺傳、突變、自然選擇以及雜交等）而發(fā)展起來(lái)的一種尋優(yōu)算法。對(duì)于一個(gè)最優(yōu)化問(wèn)題，一定數(shù)量的候選解（稱(chēng)為個(gè)體）可抽象表示為染色體，使種群向更好的解進(jìn)化。傳統(tǒng)上，解用二進(jìn)制表示（即0和1的串），進(jìn)化從完全隨機(jī)個(gè)體的種群開(kāi)始，之后一代一代發(fā)生。在每一代中評(píng)價(jià)整個(gè)種群的適應(yīng)度，從當(dāng)前種群中隨機(jī)地選擇多個(gè)個(gè)體（基于它們的適應(yīng)度），通過(guò)自然選擇和突變產(chǎn)生新的生命種群，該種群在算法的下一次迭代中成為當(dāng)前種群。用數(shù)學(xué)表達(dá)上述過(guò)程，符號(hào)定義如表1。

典型遺傳算法過(guò)程如下：

1）變異操作，所有染色體所有基因位以 pm的概率翻轉(zhuǎn)；

2）交叉操作，選擇相鄰的個(gè)體，以 pc的概率決定是否需要交叉。如果要交叉，隨機(jī)選擇一個(gè)基因位，并交換這個(gè)基因位及以后的所有基因位；

3）選擇操作，選擇出和原種群大小相同的新一代種群，個(gè)體Ii的采樣概率如公式(1)所示。

表1 基因算法符號(hào)定義

基于不同的編碼方式、變異操作、交叉操作和選擇操作，可以得到不同的基因算法。

響應(yīng)面算法是一種為探討設(shè)計(jì)變量與輸出變量之間的數(shù)學(xué)模式關(guān)系，因此在設(shè)計(jì)變量和輸出變量之間找出一個(gè)適當(dāng)?shù)慕坪瘮?shù)的算法。在FAST算法中會(huì)用到的響應(yīng)面算法包括多項(xiàng)式奇異值分解算法（Polynomial Singular Value Decomposition Algorithm，PSVD）、徑向基函數(shù)法（Radial Basis Function Method，RBF）、克里金法（Kriging，K）以及神經(jīng)網(wǎng)絡(luò)法（Neural Networks，NN）。其中多項(xiàng)式奇異值分解算法的響應(yīng)函數(shù)基本表達(dá)式即為設(shè)計(jì)變量的多項(xiàng)式組合（可以使用不同的階次）。

RBF法的響應(yīng)函數(shù)基本表達(dá)式為：

式中：

‖x-xj‖——多維空間中的歐式范數(shù)；

δ——固定比例因子；

φ(r)——徑向函數(shù)，是從給定列表中選擇的合適的固定函數(shù)；

cj——待確定的系數(shù)。

克里金法是一種統(tǒng)計(jì)方法，起源于南非Witwatersrand大學(xué)的Daniel Krige教授的工作，完善和普及工作則來(lái)自Georges Matheron教授。具體表達(dá)式依賴(lài)選擇的變差函數(shù)不同而不同。

神經(jīng)網(wǎng)絡(luò)法是一類(lèi)受大腦結(jié)構(gòu)和功能啟發(fā)的統(tǒng)計(jì)學(xué)習(xí)模型，用于估計(jì)或近似可能依賴(lài)于大量輸入且通常未知的函數(shù)。神經(jīng)網(wǎng)絡(luò)可以從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)并近似輸入和輸出變量之間的任何一般非線性關(guān)系。

1.3 優(yōu)化設(shè)計(jì)參數(shù)及目標(biāo)

優(yōu)化參數(shù)的提取基于優(yōu)化意圖，該優(yōu)化流程中封裝了已有的參數(shù)化經(jīng)驗(yàn)，并可針對(duì)新的設(shè)計(jì)意圖來(lái)提取造型參數(shù)。以除霜類(lèi)為例，對(duì)于除霜風(fēng)道的造型變更設(shè)置4個(gè)優(yōu)化參數(shù)，利用多目標(biāo)算法，設(shè)置4個(gè)優(yōu)化目標(biāo)，優(yōu)化邏輯流程如圖1所示。

圖1 優(yōu)化邏輯流程

在參數(shù)化變形階段，用戶(hù)設(shè)定的造型參數(shù)變量自動(dòng)對(duì)初始面網(wǎng)格完成變形，變形后的面網(wǎng)格作為CFD體網(wǎng)格生成階段的輸入條件。圖2所示為某空調(diào)除霜風(fēng)道優(yōu)化時(shí)的管路參數(shù)。

圖2 某除霜風(fēng)道優(yōu)化時(shí)的管路參數(shù)

第一個(gè)優(yōu)化變量為除霜風(fēng)口在x軸方向的整體平移，原始位置為 0，分別沿 x軸正方向和反方向平移 30 mm；第二個(gè)優(yōu)化變量為風(fēng)道主流方向與 z軸夾角，角度變化為0°～30°，具體變化如表2。

表2 各優(yōu)化變量的變化范圍

1.4 優(yōu)化自動(dòng)化流程

為了最大程度減少人工干預(yù)，流程中封裝了自動(dòng)化網(wǎng)格功能，用于執(zhí)行設(shè)計(jì)參數(shù)變更和CFD體網(wǎng)格生成；加入了優(yōu)化算法以替代人工決策；封裝了自動(dòng)化CFD模型創(chuàng)建模塊。自動(dòng)化網(wǎng)格功能封裝的工具包含DEP Meshwork和ANSYS Fluent分別用于執(zhí)行造型參數(shù)變更和CFD體網(wǎng)格生成。CFD模型使用ANSYS Fluent采用腳本方式驅(qū)動(dòng)生成。該流程嵌入熱性能仿真平臺(tái)中，基于平臺(tái)調(diào)用專(zhuān)用計(jì)算服務(wù)器完成尋優(yōu)過(guò)程的高性能計(jì)算。優(yōu)化流程如圖3所示。

圖3 優(yōu)化流程

2 優(yōu)化結(jié)果與分析

對(duì)優(yōu)化參數(shù)采用抽樣的方法，根據(jù)遺傳算法，生成樣本點(diǎn)，然后基于樣本點(diǎn)進(jìn)行優(yōu)化計(jì)算，優(yōu)化計(jì)算次數(shù)高達(dá)上千次，從而得到最優(yōu)解。

本算例選擇了兩個(gè)優(yōu)化變量a和b，通過(guò)優(yōu)化計(jì)算得到最優(yōu)的a和b的值。圖4所示為前擋風(fēng)玻璃A/B區(qū)域分布。圖5所示為當(dāng)變量a和b不同組合時(shí)，優(yōu)化計(jì)算的散點(diǎn)圖。變量a和b對(duì)結(jié)果的需求正相關(guān)，由圖5可知，同時(shí)滿(mǎn)足A區(qū)域和B區(qū)域要求的是在虛線方框內(nèi)的所有組合，但是最優(yōu)結(jié)果是a=16和b=25組合。

圖4 前擋風(fēng)玻璃A/B區(qū)域分布

圖5 a/b變量?jī)?yōu)化散點(diǎn)圖

自動(dòng)化平臺(tái)使用最優(yōu)的參數(shù)組合進(jìn)行網(wǎng)格優(yōu)化，圖6所示為某除霜風(fēng)道造型優(yōu)化前后對(duì)比，除霜風(fēng)口沿x軸平移16 mm，風(fēng)道主流方向與z軸夾角變?yōu)?5°。通過(guò)自動(dòng)化計(jì)算平臺(tái)對(duì)優(yōu)化后的網(wǎng)格進(jìn)行計(jì)算，圖7所示為優(yōu)化前后的除霜對(duì)比，由圖7可知，優(yōu)化后的速度分布明顯優(yōu)于優(yōu)化前的速度分布，B區(qū)域大于2 m/s的面積比例從45%提高到91%，提高了46%。圖5虛線方框內(nèi)的方案均滿(mǎn)足設(shè)計(jì)要求，選擇出風(fēng)速度分布最佳方案。

圖6 某除霜風(fēng)道造型優(yōu)化前后對(duì)比

圖7 優(yōu)化風(fēng)道前后前擋風(fēng)玻璃出風(fēng)速度場(chǎng)分布

3 實(shí)驗(yàn)與仿真結(jié)果對(duì)比

圖8所示為前窗及側(cè)窗除霜實(shí)驗(yàn)結(jié)果同仿真結(jié)果對(duì)比。由圖8可知，在15、20和25 min內(nèi)的前窗及側(cè)窗除霜的虛擬仿真和實(shí)驗(yàn)測(cè)量的除冰結(jié)果具有良好的一致性。

圖8 前窗及側(cè)窗除霜實(shí)驗(yàn)結(jié)果同仿真結(jié)果對(duì)比

4 結(jié)論

本文研究了車(chē)用空調(diào)系統(tǒng)自動(dòng)化仿真平臺(tái)，以除霜風(fēng)道自動(dòng)優(yōu)化設(shè)計(jì)流程為例，分析了優(yōu)化方法和優(yōu)化過(guò)程，對(duì)優(yōu)化后的仿真結(jié)果和實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，得到如下結(jié)論：

1）以三維造型參數(shù)為變量結(jié)合 FAST優(yōu)化算法，能夠從優(yōu)化計(jì)算散點(diǎn)圖上快速找到符合設(shè)計(jì)要求的設(shè)計(jì)參數(shù)，并獲得最優(yōu)設(shè)計(jì)參數(shù)，能快速響應(yīng)造型設(shè)計(jì)并保證系統(tǒng)性能；

2）通過(guò)仿真自動(dòng)優(yōu)化平臺(tái)優(yōu)化過(guò)后的風(fēng)道提高了前擋風(fēng)玻璃的風(fēng)速分布均勻性，B區(qū)域風(fēng)速大于 2 m/s的面積比例從 45%提高到 91%，提高了46%，大大改善了整個(gè)前擋風(fēng)玻璃的除霜效果；

3）優(yōu)化方案的前擋風(fēng)玻璃除霜虛擬仿真分析結(jié)果和實(shí)驗(yàn)結(jié)果對(duì)比顯示，15、20和 25 min內(nèi)的前窗及側(cè)窗除霜的虛擬仿真和實(shí)驗(yàn)測(cè)量的除冰結(jié)果具有良好的一致性；證明了采用仿真自動(dòng)優(yōu)化平臺(tái)指導(dǎo)設(shè)計(jì)開(kāi)發(fā)的可行性；

4）平臺(tái)化的運(yùn)行方式初步實(shí)現(xiàn)了從幾何體到報(bào)告的全自動(dòng)生成并集成了優(yōu)化過(guò)程，平臺(tái)的部署基于 B/S架構(gòu)，實(shí)現(xiàn)了虛擬仿真優(yōu)化的自動(dòng)化和虛擬仿真數(shù)據(jù)自動(dòng)積累；

5）在下一步的工作中，深入開(kāi)發(fā)更具智能化的計(jì)算機(jī)輔助工程 CAE自動(dòng)化及優(yōu)化應(yīng)用開(kāi)發(fā)，如基于現(xiàn)有空調(diào)系統(tǒng)優(yōu)化流程的大規(guī)模應(yīng)用，深入開(kāi)發(fā)數(shù)據(jù)挖掘，并延展仿真上下游相關(guān)前后處理的自動(dòng)化執(zhí)行能力。