汽車尾氣排放時(shí)空動(dòng)力學(xué)特性實(shí)驗(yàn)仿真研究

于海波，劉占國(guó)，門玉琢，劉 博

(1.中國(guó)第一汽車股份有限公司技術(shù)中心，長(zhǎng)春 130011； 2.長(zhǎng)春工程學(xué)院機(jī)電工程學(xué)院，長(zhǎng)春 130012)

汽車尾氣排放時(shí)空動(dòng)力學(xué)特性實(shí)驗(yàn)仿真研究

于海波1，劉占國(guó)1，門玉琢2，劉 博2

(1.中國(guó)第一汽車股份有限公司技術(shù)中心，長(zhǎng)春 130011； 2.長(zhǎng)春工程學(xué)院機(jī)電工程學(xué)院，長(zhǎng)春 130012)

為研究汽車尾氣排放時(shí)空動(dòng)力學(xué)特性，提出一種復(fù)雜環(huán)境下多工況汽車尾氣排放仿真新方法?；诳茖W(xué)、合理的抽樣，利用最小計(jì)算量篩選出關(guān)鍵因素與尾氣排放之間的關(guān)系，通過粒子格子波爾茲曼自適應(yīng)動(dòng)態(tài)細(xì)化離散分析方法、LES大渦模擬湍流模型與拉格朗日非定場(chǎng)數(shù)值方法，結(jié)合汽車尾氣排放實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，建立并優(yōu)化尾氣時(shí)空動(dòng)態(tài)仿真模型，模擬尾氣排放擴(kuò)散過程。實(shí)驗(yàn)仿真結(jié)果證明此方法能控制尾氣排放體積與質(zhì)量濃度的時(shí)空動(dòng)態(tài)分布，降低汽車尾氣對(duì)PM2.5的貢獻(xiàn)率。

汽車尾氣；動(dòng)態(tài)模型；仿真實(shí)驗(yàn)

0 引言

隨著汽車工業(yè)的迅速發(fā)展，汽車尾氣已經(jīng)成為大氣污染的主要污染源。汽車尾氣引起的大氣污染問題日趨嚴(yán)重，統(tǒng)計(jì)數(shù)據(jù)顯示，一輛轎車一年排出的有害廢氣比自身重量大3倍[1]。英國(guó)空氣潔凈和環(huán)境保護(hù)協(xié)會(huì)曾發(fā)表研究報(bào)告稱，與交通事故遇難者相比，英國(guó)每年死于空氣污染的人要多出10倍[2-4]。因此，有效地控制汽車尾氣，治理大氣污染，是全人類急需解決的問題之一。持續(xù)霧霾的集中爆發(fā)是汽車尾氣、工業(yè)廢氣等PM2.5微小顆粒污染長(zhǎng)期積累的結(jié)果，其中，汽車尾氣是空氣中PM2.5的主要來(lái)源之一。霧霾顆粒中機(jī)動(dòng)車尾氣占30%～40%。汽車尾氣在排放、擴(kuò)散和遷移過程中對(duì)PM2.5的貢獻(xiàn)值是不同的，尾氣直接排放對(duì)PM2.5的貢獻(xiàn)值為4%～10%，二次生成對(duì)PM2.5的貢獻(xiàn)值為30%～40%。二者總合為汽車尾氣引起PM2.5的總額[3-4]。

由于復(fù)雜環(huán)境下多工況汽車尾氣測(cè)量試驗(yàn)的復(fù)雜性，本文利用Xflow軟件，基于粒子的格子波爾茲曼方法自適應(yīng)動(dòng)態(tài)細(xì)化進(jìn)行離散分析方法、大渦模擬湍流模型與拉格朗日非定場(chǎng)數(shù)值等方法，采用二維仿真方法，對(duì)尾氣排放的參數(shù)設(shè)置進(jìn)行研究，并且分析尾氣擴(kuò)散的動(dòng)態(tài)規(guī)律。

1 模型仿真算法機(jī)理

格子波爾茲曼方法(Lattice Boltzmann Method，簡(jiǎn)稱LBM)是建立在分子運(yùn)動(dòng)論和統(tǒng)計(jì)力學(xué)基礎(chǔ)上的一種模擬流場(chǎng)的數(shù)值方法，其粒子分布函數(shù)滿足Lattice Boltzmann方程。LBM從微觀動(dòng)力學(xué)角度出發(fā)，將流體的宏觀運(yùn)動(dòng)看作是大量微觀粒子運(yùn)動(dòng)的統(tǒng)計(jì)平均結(jié)果，宏觀的物理量可由微觀粒子的統(tǒng)計(jì)平均得到。仿真計(jì)算模型中參數(shù)由實(shí)驗(yàn)與經(jīng)驗(yàn)值確定。

二維標(biāo)準(zhǔn)格子玻爾茲曼方程為

(1)

(2)

LES介于DNS(直接數(shù)值模擬)和RANS(雷諾平均NS方程)之間，它直接模擬大尺度的湍流運(yùn)動(dòng)，利用亞網(wǎng)格模型(SGS)模擬小尺度渦對(duì)大尺度渦的影響。LES比RANS更為精確，且可在常規(guī)計(jì)算機(jī)上實(shí)現(xiàn)，因此在CFD領(lǐng)域具有極大的發(fā)展?jié)摿?。湍流黏性系?shù)ν由Smagorinsky模型計(jì)算。

ν=νa+νt。

(3)

因此，ν也隨之變換，即松弛時(shí)間不再是固定的。

2 試驗(yàn)設(shè)計(jì)與優(yōu)化

試驗(yàn)設(shè)計(jì)與優(yōu)化是應(yīng)用有關(guān)數(shù)學(xué)方法合理安排試驗(yàn)，使試驗(yàn)工作量少，試驗(yàn)結(jié)果準(zhǔn)確可靠并方便分析[5]。經(jīng)過合理的、科學(xué)的試驗(yàn)設(shè)計(jì)后，得出的試驗(yàn)結(jié)果進(jìn)行由表及里、去偽存真的分析，即把試驗(yàn)誤差所引起的數(shù)據(jù)波動(dòng)和試驗(yàn)條件不同所引起的數(shù)據(jù)波動(dòng)加以區(qū)別，然后判斷數(shù)據(jù)的波動(dòng)主要是試驗(yàn)誤差引起的還是試驗(yàn)條件的不同引起的，這要通過顯著性檢驗(yàn)對(duì)數(shù)據(jù)進(jìn)行分析。

通過試驗(yàn)設(shè)計(jì)把試驗(yàn)方案設(shè)計(jì)得合理、科學(xué)、經(jīng)濟(jì)，達(dá)到最好的試驗(yàn)效果。試驗(yàn)設(shè)計(jì)可以獲得如下結(jié)果：

1)通過分析試驗(yàn)中變量對(duì)響應(yīng)影響程度的大小篩選關(guān)鍵因子；

2)分析因子與響應(yīng)之間的關(guān)系和影響趨勢(shì)，確定最佳的設(shè)計(jì)方案、最優(yōu)水平組合和最優(yōu)設(shè)計(jì)點(diǎn)等；

3)作為樣本庫(kù)構(gòu)建近似模型；

4)合理選擇優(yōu)化設(shè)計(jì)方法。

通常一個(gè)設(shè)計(jì)模型可能有很多設(shè)計(jì)參數(shù)和性能參數(shù)，但為了獲得理想的性能，而考慮所有可能的設(shè)計(jì)參數(shù)去實(shí)現(xiàn)設(shè)計(jì)目標(biāo)，可能將花費(fèi)過多的時(shí)間。選擇的依據(jù)是從多個(gè)設(shè)計(jì)參數(shù)中選擇對(duì)性能參數(shù)存在較大影響的設(shè)計(jì)參數(shù)作為優(yōu)化參數(shù)。常用的試驗(yàn)設(shè)計(jì)方法有正交數(shù)組方法和優(yōu)化拉丁超立方方法等。其中正交數(shù)組方法是一種用正交表安排多因子試驗(yàn)的設(shè)計(jì)方法，是一種高效、快速、經(jīng)濟(jì)的試驗(yàn)設(shè)計(jì)方法[6]。正交數(shù)組具備“均勻分散，齊整可比”的特點(diǎn)，并且可以極大地減少試驗(yàn)次數(shù)。優(yōu)化拉丁超立方設(shè)計(jì)改進(jìn)了由M.D.Mckay，R.J.Beckman和W.J.Conover提出的隨機(jī)拉丁超立方設(shè)計(jì)的均勻性，具有非常好的空間填充性和均衡性。

圖1 關(guān)鍵變量的篩選

與正交試驗(yàn)相比，優(yōu)化拉丁超立方設(shè)計(jì)用同樣的試驗(yàn)設(shè)計(jì)點(diǎn)數(shù)可以研究更多的組合。如采用9個(gè)樣本點(diǎn)進(jìn)行二因子試驗(yàn)，圖2(a)顯示正交試驗(yàn)只能研究每個(gè)因子的3個(gè)水平，因此只能擬合不超過二階的關(guān)系；圖2(b)顯示優(yōu)化拉丁超立方設(shè)計(jì)能夠研究每個(gè)因子的9個(gè)水平，因此，有能力擬合二階或更非線性的關(guān)系。相比正交試驗(yàn)，優(yōu)化拉丁超立方設(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。

圖2 正交數(shù)組設(shè)計(jì)與優(yōu)化拉丁超立方設(shè)計(jì)

3 實(shí)驗(yàn)仿真

在PIAnO軟件的試驗(yàn)設(shè)計(jì)后處理中，根據(jù)樣本點(diǎn)計(jì)算結(jié)果，將輸入變量歸一化到[-1，+1]后建立因子關(guān)于響應(yīng)的多元線性回歸模型：

y=β0+∑βixi，

(4)

式中：xi和xj為輸入變量；y為輸出響應(yīng)；β為輸入變量一次項(xiàng)的系數(shù)。

通過智能篩選功能可以查看每個(gè)因子對(duì)性能的貢獻(xiàn)率，從而篩選關(guān)鍵變量，其中貢獻(xiàn)率的計(jì)算公式為：

(5)

尾氣實(shí)驗(yàn)仿真充分考慮車輛工況、風(fēng)速、風(fēng)向、溫度、交通環(huán)境等因素對(duì)排放污染物的貢獻(xiàn)率，通過科學(xué)、合理的抽樣，用最小的計(jì)算量，篩選出關(guān)鍵因素及其與尾氣排放之間的關(guān)系，利用優(yōu)化拉丁超立方開展汽車尾氣排放測(cè)量實(shí)驗(yàn)設(shè)計(jì)，詳見表1。

針對(duì)影響汽車尾氣排放的因素，測(cè)量試驗(yàn)統(tǒng)計(jì)次數(shù)為：3×14×7×16×3=1.411 2×104個(gè)方案，試驗(yàn)方案數(shù)量龐大，因此，需要利用優(yōu)化方法進(jìn)行關(guān)鍵參數(shù)辨識(shí)。

由于Xflow默認(rèn)的算法導(dǎo)致時(shí)間步長(zhǎng)會(huì)受到來(lái)流速度的影響，每次仿真的來(lái)流速度不一樣，時(shí)間步長(zhǎng)設(shè)置為恒定的值是不合理的。由于汽車在怠速狀態(tài)時(shí)，計(jì)算效果較好，以怠速狀態(tài)對(duì)應(yīng)的穩(wěn)定性系數(shù)(約0.6)作為標(biāo)準(zhǔn)，保證所有的仿真在初始幾步的穩(wěn)定系數(shù)也在0.6附近，以此作為仿真時(shí)間步長(zhǎng)的設(shè)置依據(jù)，后續(xù)的穩(wěn)定性需要在計(jì)算過程中以及仿真完成之后再行檢查。

表1 影響汽車尾氣排放的參數(shù)及取值

分別提取計(jì)算穩(wěn)定后的某一幀數(shù)據(jù)，仿真尾氣空間相分布和流場(chǎng)渦度分布。由污染物最大落地質(zhì)量濃度與距離的計(jì)算方法：污染物排放下風(fēng)向軸線上，測(cè)量一定距離的污染物質(zhì)量濃度，根據(jù)該質(zhì)量濃度分布規(guī)律，從中選取最大質(zhì)量濃度值及其對(duì)應(yīng)的距離。如果存在風(fēng)向與排放的方向嚴(yán)重不一致時(shí)，應(yīng)該取等效排放點(diǎn)作為監(jiān)測(cè)線起點(diǎn)。

可以通過設(shè)置plotline監(jiān)測(cè)污染物體積濃度，如圖3所示，P1位于排氣口中心正下方地面上，監(jiān)測(cè)線沿風(fēng)向布置，長(zhǎng)度為5m。

圖3 汽車后監(jiān)測(cè)線的布置

由此，將15個(gè)工況的同一時(shí)刻監(jiān)測(cè)線上的質(zhì)量濃度分布提取出來(lái)，每5個(gè)工況一組，得到尾氣污染物最大落地質(zhì)量濃度與距離。將體積濃度最大值和對(duì)應(yīng)的距離提取出來(lái)，與之前試驗(yàn)設(shè)計(jì)的15個(gè)工況重新組成新的表格，輸入優(yōu)化軟件中進(jìn)行敏度分析，結(jié)果見表2。

表2 試驗(yàn)設(shè)計(jì)工況仿真結(jié)果敏度

最大體積濃度和對(duì)應(yīng)距離的貢獻(xiàn)率分析結(jié)果，詳如圖4～5所示，以條形圖的長(zhǎng)短和不同的顏色來(lái)區(qū)分設(shè)計(jì)參數(shù)對(duì)性能的影響程度，顏色越深則表示影響越大。

通過以上的敏度分析，可以得出：

1)對(duì)最大體積濃度來(lái)說，影響最大的依次是：尾氣成分的黏度、密度、車速、風(fēng)向、風(fēng)速，其中車速、風(fēng)向和風(fēng)速的影響相近占5%，影響極??；

圖4 最大質(zhì)量濃度的靈敏度

圖5 最大質(zhì)量濃度對(duì)應(yīng)距離的靈敏度

2)對(duì)距離來(lái)說，影響最大的依次是：尾氣成分的黏度、尾氣成分的密度、風(fēng)速、風(fēng)向、車速，其中風(fēng)速和風(fēng)向影響分別占8%和7%，而車速僅占2.9%；

3)說明尾氣成分對(duì)結(jié)果的影響是很大的，尤其是黏度影響尤為重要，其對(duì)最大體積濃度和距離都有極大的影響效果。

由于Xflow不提供流體材料庫(kù)，因此，不同成分的區(qū)別在于用戶設(shè)置的密度和黏度的不同，從圖6可以看出，無(wú)論是密度還是黏度，影響都是隨機(jī)和不確定的。兩者均出現(xiàn)曲線斜率非常大的地方，說明在這一取值范圍內(nèi)，即便參數(shù)變化很小，結(jié)果也會(huì)產(chǎn)生很大的影響。同時(shí)，斜率較小的區(qū)域也是存在的，說明這一區(qū)域內(nèi)參數(shù)的變化對(duì)結(jié)果影響有限。但影響還是非常明顯的，這和試驗(yàn)優(yōu)化設(shè)計(jì)得到的結(jié)論是一致的。

表3 最大落地質(zhì)量濃度、距離與密度和粘度

密度、黏度、溫度、側(cè)向距離和縱向距離對(duì)最大體積濃度及對(duì)應(yīng)距離的影響程度基本相近，尤其是對(duì)最大質(zhì)量濃度對(duì)應(yīng)距離的均勻性影響尤為明顯。針對(duì)最大體積濃度，縱向距離的影響相對(duì)較大，可達(dá)32%以上，其余4個(gè)參數(shù)的影響差異不大。針對(duì)距離、溫度、密度和黏度的影響相對(duì)較大，其中側(cè)向距離相對(duì)偏小，貢獻(xiàn)量不足10%，即：除側(cè)向距離外，其余4個(gè)參數(shù)的影響程度差異不大。仿真試驗(yàn)的結(jié)果分析表明：車速、風(fēng)速和風(fēng)向?qū)ψ畲篌w積濃度及對(duì)應(yīng)距離影響較弱，而尾氣成分、溫度、交通狀況對(duì)最大體積濃度及對(duì)應(yīng)距離影響較大，并且貢獻(xiàn)量差異較小。

圖6 不同尾氣成分空間分布

通過對(duì)參數(shù)與性能之間的散點(diǎn)圖和相關(guān)性分析可知：尾氣成分的密度、黏度和縱向距離對(duì)最大體積濃度和對(duì)應(yīng)距離影響較大，且密度、縱向距離與最大體積濃度呈正相關(guān)，黏度與最大體積濃度呈負(fù)相關(guān)，而與對(duì)應(yīng)距離的影響則呈相反的影響關(guān)系。

4 結(jié)語(yǔ)

基于科學(xué)、合理的抽樣，用最小的計(jì)算量篩選出關(guān)鍵因素及其與尾氣排放之間的關(guān)系，進(jìn)行仿真試驗(yàn)優(yōu)化設(shè)計(jì)，結(jié)合汽車尾氣排放實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，建立并優(yōu)化尾氣時(shí)空動(dòng)態(tài)模型，提出了一種復(fù)雜環(huán)境下多工況汽車尾氣測(cè)量的新方法。通過試驗(yàn)對(duì)比，確定了Xflow尾氣排放仿真模型能夠真實(shí)地模擬出尾氣的排放擴(kuò)散過程，并具有較高的精度。結(jié)合試驗(yàn)分析結(jié)果，得到的相關(guān)規(guī)律可為后續(xù)的尾氣排放凈化系統(tǒng)設(shè)計(jì)提供科學(xué)的數(shù)據(jù)，能夠控制尾氣排放體積與質(zhì)量濃度的時(shí)空動(dòng)態(tài)分布，降低汽車尾氣對(duì)PM2.5的貢獻(xiàn)率。

[1] 臧斌.汽車尾氣排放遠(yuǎn)程移動(dòng)檢測(cè)技術(shù)的研究[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2008.

[2] 王煒，向喬君，常玉林，等.城市交通系統(tǒng)能源消耗與環(huán)境影響分析方法[M].北京:科學(xué)出版社，2002.

[3] 蔡風(fēng)田.汽車排放污染物控制使實(shí)用技術(shù)[M].北京:人民交通出版社，1999.

[4] 宋寧，張凱山，李媛，等.不同城市機(jī)動(dòng)車尾氣排放比較及數(shù)據(jù)可分享性評(píng)價(jià)[J].環(huán)境科學(xué)學(xué)報(bào)，2011，31(12):2774-2776.

[5] 張本，商蕾，陳丹.基于微觀交通仿真的城市交叉口機(jī)動(dòng)車尾氣排放評(píng)估[J].交通與計(jì)算機(jī)，2008，36(4):95-98.

[6] 胥耀方，于雷，郝艷召，等.機(jī)動(dòng)車尾氣排放宏觀模型開發(fā)與應(yīng)用初探[J].交通運(yùn)輸系統(tǒng)工程與信息，2009，9(2):147-149.

[7] 夏韡.城市道路輕型車微觀排放模型研究[D].長(zhǎng)春：吉林大學(xué)，2005.

The Simulation Study on Spatiotemporal Dynamic Characteristics of Vehicle Exhaust Emission

YU Hai-bo，et al.

(ChinaFAWGroupCorporationR&DCenter，Changchun130011，China)

In order to study the spatiotemporal dynamic characteristics of vehicle exhaust emission，a new simulation method of vehicle exhaust emissions under complex environment and multiple working conditions is proposed.Based on scientific and reasonable sampling，the minimum amount of calculation is used to screen out the relationship between the key factors and exhaust emission.By using discrete analysis method of particle lattice Pohl Seidman adaptive dynamic thinning，LES large eddy simulation turbulence model，and Lagrange's unsteady numerical method，with the combination of real-time monitoring data of automobile exhaust emissions，the spatiotemporal dynamic simulation model of exhaust has been established and optimized to simulate the exhaust gas emission and diffusion process.The simulation test results provide a new solution for controlling the volume and concentration in the spatiotemporal dynamic distribution of exhaust emission，and reducing the automobile exhaust to the contribution rate to PM2.5.

vehicle exhaust emission；dynamic model；simulation test

2017-02-06

國(guó)家自然科學(xué)基金資助項(xiàng)目(51378075，51678065) 吉林省發(fā)改委產(chǎn)業(yè)技術(shù)研究與開發(fā)專項(xiàng)項(xiàng)目(2015y73) 吉林省科技廳重點(diǎn)科技攻關(guān)項(xiàng)目(20160204012SF)

于海波(1973-)，男(漢)，黑龍江雙城，博士 主要研究汽車可靠性與交通安全技術(shù)研究。

10.3969/j.issn.1009-8984.2017.02.008

U467.48

A

1009-8984(2017)02-0035-05