关键词:
热舒适性
数值模拟
工程系统仿真
空调能耗
多目标优化
摘要:
随着汽车工业的快速发展和对汽车需求的不断增加,消费者对汽车的要求也越来越高,人们不再仅仅满足于汽车方便快捷的特点,对乘员舱的热舒适性也越来越重视。以乘客为中心的概念在汽车设计和制造中变得越来越重要。特别是在汽车空调系统上,这一理念更是成为了迫切的需求,以满足乘员的热舒适性。与此同时,空调系统作为整车能量消耗的主要来源,其能耗影响汽车的续航里程。因此,改善乘员舱热舒适性,同时降低空调能耗,是一个至关重要的课题。本文首先分析汽车空调不同送风参数作用下对乘员舱驾驶员热舒适性和空调系统能耗的交互影响,然后在满足驾驶员热舒适的前提下,优化送风参数,使得空调能耗最低。
本文通过一维及三维仿真分析对乘员舱热环境和汽车空调性能进行了研究。首先,以某跑车车型实车为研究对象,对实车扫描1:1逆向建模获得乘员舱几何模型,采用三维仿真软件STAR-CCM+软件搭建了乘员舱热流场仿真物理模型,并通过实车的环模测试,对仿真模型进行了优化验证。其次,基于Dymola一维仿真平台搭建汽车空调系统模型,通过真实部件结构参数确立了压缩机、膨胀阀、换热器等模型,并基于焓差试验室进行空调系统的台架试验,根据试验数据对系统部件模型进行了标定验证。
再次,利用一维及三维仿真分析,探究了在夏季制冷工况下,各送风参数对乘员舱热环境和空调系统性能的影响规律,重点是探索了各送风参数对驾驶员加权PMV值及空调能耗的影响规律。结果表明,针对夏季炎热环境,送风风量和送风温度对整体热舒适性的影响显著,送风温度每升高3℃和送风风量每下降30m3/h,加权PMV值平均能提升0.735和0.156,然而,无论是送风量、送风温度还是送风相对湿度,在空调系统能耗中都是重要的因素,不能忽视。
最后,将热舒适性和空调能耗仿真结果用于机器学习训练径向基神经网络预测模型,该模型能够比较精确地预测不同送风参数下驾驶员的热舒适性和空调能耗。采用改进遗传算法(NSGA-II)对预测模型进行多目标优化,得到夏季制冷工况下适宜的送风参数组合,当送风温度为12.533℃,送风风量为155.4m3/h,送风相对湿度为80%,相较于常用送风工况,在满足热舒适性的前提下,优化结果送风条件的节能率在3.52%~35.89%,平均节能16.91%。多目标寻优优化了乘员舱内的空调送风策略,满足了基于热舒适的前提下更低空调能耗的要求。
本文探究了一维及三维仿真分析乘员舱热环境和汽车空调性能的可行性。在此基础上,根据一维及三维仿真结果,分析空调不同送风参数对驾驶员热舒适和空调能耗的交互影响,并建立径向基神经网络预测模型,并对送风参数优化,平衡驾驶员热舒适和空调能耗,在满足驾驶员热舒适的前提下,空调能耗最低。本文的研究结果对乘员舱热舒适性和汽车空调热管理的实际工程应用提供了较为准确、便捷和现实的参考价值。