汽车尾气排放时空动力学特性实验仿真研究

于海波，刘占国，门玉琢，刘 博

(1.中国第一汽车股份有限公司技术中心，长春 130011； 2.长春工程学院机电工程学院，长春 130012)

汽车尾气排放时空动力学特性实验仿真研究

于海波1，刘占国1，门玉琢2，刘 博2

(1.中国第一汽车股份有限公司技术中心，长春 130011； 2.长春工程学院机电工程学院，长春 130012)

为研究汽车尾气排放时空动力学特性，提出一种复杂环境下多工况汽车尾气排放仿真新方法。基于科学、合理的抽样，利用最小计算量筛选出关键因素与尾气排放之间的关系，通过粒子格子波尔兹曼自适应动态细化离散分析方法、LES大涡模拟湍流模型与拉格朗日非定场数值方法，结合汽车尾气排放实时监测数据，建立并优化尾气时空动态仿真模型，模拟尾气排放扩散过程。实验仿真结果证明此方法能控制尾气排放体积与质量浓度的时空动态分布，降低汽车尾气对PM2.5的贡献率。

汽车尾气；动态模型；仿真实验

0 引言

随着汽车工业的迅速发展，汽车尾气已经成为大气污染的主要污染源。汽车尾气引起的大气污染问题日趋严重，统计数据显示，一辆轿车一年排出的有害废气比自身重量大3倍[1]。英国空气洁净和环境保护协会曾发表研究报告称，与交通事故遇难者相比，英国每年死于空气污染的人要多出10倍[2-4]。因此，有效地控制汽车尾气，治理大气污染，是全人类急需解决的问题之一。持续雾霾的集中爆发是汽车尾气、工业废气等PM2.5微小颗粒污染长期积累的结果，其中，汽车尾气是空气中PM2.5的主要来源之一。雾霾颗粒中机动车尾气占30%～40%。汽车尾气在排放、扩散和迁移过程中对PM2.5的贡献值是不同的，尾气直接排放对PM2.5的贡献值为4%～10%，二次生成对PM2.5的贡献值为30%～40%。二者总合为汽车尾气引起PM2.5的总额[3-4]。

由于复杂环境下多工况汽车尾气测量试验的复杂性，本文利用Xflow软件，基于粒子的格子波尔兹曼方法自适应动态细化进行离散分析方法、大涡模拟湍流模型与拉格朗日非定场数值等方法，采用二维仿真方法，对尾气排放的参数设置进行研究，并且分析尾气扩散的动态规律。

1 模型仿真算法机理

格子波尔兹曼方法(Lattice Boltzmann Method，简称LBM)是建立在分子运动论和统计力学基础上的一种模拟流场的数值方法，其粒子分布函数满足Lattice Boltzmann方程。LBM从微观动力学角度出发，将流体的宏观运动看作是大量微观粒子运动的统计平均结果，宏观的物理量可由微观粒子的统计平均得到。仿真计算模型中参数由实验与经验值确定。

二维标准格子玻尔兹曼方程为

(1)

(2)

LES介于DNS(直接数值模拟)和RANS(雷诺平均NS方程)之间，它直接模拟大尺度的湍流运动，利用亚网格模型(SGS)模拟小尺度涡对大尺度涡的影响。LES比RANS更为精确，且可在常规计算机上实现，因此在CFD领域具有极大的发展潜力。湍流黏性系数ν由Smagorinsky模型计算。

ν=νa+νt。

(3)

因此，ν也随之变换，即松弛时间不再是固定的。

2 试验设计与优化

试验设计与优化是应用有关数学方法合理安排试验，使试验工作量少，试验结果准确可靠并方便分析[5]。经过合理的、科学的试验设计后，得出的试验结果进行由表及里、去伪存真的分析，即把试验误差所引起的数据波动和试验条件不同所引起的数据波动加以区别，然后判断数据的波动主要是试验误差引起的还是试验条件的不同引起的，这要通过显著性检验对数据进行分析。

通过试验设计把试验方案设计得合理、科学、经济，达到最好的试验效果。试验设计可以获得如下结果：

1)通过分析试验中变量对响应影响程度的大小筛选关键因子；

2)分析因子与响应之间的关系和影响趋势，确定最佳的设计方案、最优水平组合和最优设计点等；

3)作为样本库构建近似模型；

4)合理选择优化设计方法。

通常一个设计模型可能有很多设计参数和性能参数，但为了获得理想的性能，而考虑所有可能的设计参数去实现设计目标，可能将花费过多的时间。选择的依据是从多个设计参数中选择对性能参数存在较大影响的设计参数作为优化参数。常用的试验设计方法有正交数组方法和优化拉丁超立方方法等。其中正交数组方法是一种用正交表安排多因子试验的设计方法，是一种高效、快速、经济的试验设计方法[6]。正交数组具备“均匀分散，齐整可比”的特点，并且可以极大地减少试验次数。优化拉丁超立方设计改进了由M.D.Mckay，R.J.Beckman和W.J.Conover提出的随机拉丁超立方设计的均匀性，具有非常好的空间填充性和均衡性。

图1 关键变量的筛选

与正交试验相比，优化拉丁超立方设计用同样的试验设计点数可以研究更多的组合。如采用9个样本点进行二因子试验，图2(a)显示正交试验只能研究每个因子的3个水平，因此只能拟合不超过二阶的关系；图2(b)显示优化拉丁超立方设计能够研究每个因子的9个水平，因此，有能力拟合二阶或更非线性的关系。相比正交试验，优化拉丁超立方设计对水平值分级宽松，试验次数可以人为控制。

图2 正交数组设计与优化拉丁超立方设计

3 实验仿真

在PIAnO软件的试验设计后处理中，根据样本点计算结果，将输入变量归一化到[-1，+1]后建立因子关于响应的多元线性回归模型：

y=β0+∑βixi，

(4)

式中：xi和xj为输入变量；y为输出响应；β为输入变量一次项的系数。

通过智能筛选功能可以查看每个因子对性能的贡献率，从而筛选关键变量，其中贡献率的计算公式为：

(5)

尾气实验仿真充分考虑车辆工况、风速、风向、温度、交通环境等因素对排放污染物的贡献率，通过科学、合理的抽样，用最小的计算量，筛选出关键因素及其与尾气排放之间的关系，利用优化拉丁超立方开展汽车尾气排放测量实验设计，详见表1。

针对影响汽车尾气排放的因素，测量试验统计次数为：3×14×7×16×3=1.411 2×104个方案，试验方案数量庞大，因此，需要利用优化方法进行关键参数辨识。

由于Xflow默认的算法导致时间步长会受到来流速度的影响，每次仿真的来流速度不一样，时间步长设置为恒定的值是不合理的。由于汽车在怠速状态时，计算效果较好，以怠速状态对应的稳定性系数(约0.6)作为标准，保证所有的仿真在初始几步的稳定系数也在0.6附近，以此作为仿真时间步长的设置依据，后续的稳定性需要在计算过程中以及仿真完成之后再行检查。

表1 影响汽车尾气排放的参数及取值

分别提取计算稳定后的某一帧数据，仿真尾气空间相分布和流场涡度分布。由污染物最大落地质量浓度与距离的计算方法：污染物排放下风向轴线上，测量一定距离的污染物质量浓度，根据该质量浓度分布规律，从中选取最大质量浓度值及其对应的距离。如果存在风向与排放的方向严重不一致时，应该取等效排放点作为监测线起点。

可以通过设置plotline监测污染物体积浓度，如图3所示，P1位于排气口中心正下方地面上，监测线沿风向布置，长度为5m。

图3 汽车后监测线的布置

由此，将15个工况的同一时刻监测线上的质量浓度分布提取出来，每5个工况一组，得到尾气污染物最大落地质量浓度与距离。将体积浓度最大值和对应的距离提取出来，与之前试验设计的15个工况重新组成新的表格，输入优化软件中进行敏度分析，结果见表2。

表2 试验设计工况仿真结果敏度

最大体积浓度和对应距离的贡献率分析结果，详如图4～5所示，以条形图的长短和不同的颜色来区分设计参数对性能的影响程度，颜色越深则表示影响越大。

通过以上的敏度分析，可以得出：

1)对最大体积浓度来说，影响最大的依次是：尾气成分的黏度、密度、车速、风向、风速，其中车速、风向和风速的影响相近占5%，影响极小；

图4 最大质量浓度的灵敏度

图5 最大质量浓度对应距离的灵敏度

2)对距离来说，影响最大的依次是：尾气成分的黏度、尾气成分的密度、风速、风向、车速，其中风速和风向影响分别占8%和7%，而车速仅占2.9%；

3)说明尾气成分对结果的影响是很大的，尤其是黏度影响尤为重要，其对最大体积浓度和距离都有极大的影响效果。

由于Xflow不提供流体材料库，因此，不同成分的区别在于用户设置的密度和黏度的不同，从图6可以看出，无论是密度还是黏度，影响都是随机和不确定的。两者均出现曲线斜率非常大的地方，说明在这一取值范围内，即便参数变化很小，结果也会产生很大的影响。同时，斜率较小的区域也是存在的，说明这一区域内参数的变化对结果影响有限。但影响还是非常明显的，这和试验优化设计得到的结论是一致的。

表3 最大落地质量浓度、距离与密度和粘度

密度、黏度、温度、侧向距离和纵向距离对最大体积浓度及对应距离的影响程度基本相近，尤其是对最大质量浓度对应距离的均匀性影响尤为明显。针对最大体积浓度，纵向距离的影响相对较大，可达32%以上，其余4个参数的影响差异不大。针对距离、温度、密度和黏度的影响相对较大，其中侧向距离相对偏小，贡献量不足10%，即：除侧向距离外，其余4个参数的影响程度差异不大。仿真试验的结果分析表明：车速、风速和风向对最大体积浓度及对应距离影响较弱，而尾气成分、温度、交通状况对最大体积浓度及对应距离影响较大，并且贡献量差异较小。

图6 不同尾气成分空间分布

通过对参数与性能之间的散点图和相关性分析可知：尾气成分的密度、黏度和纵向距离对最大体积浓度和对应距离影响较大，且密度、纵向距离与最大体积浓度呈正相关，黏度与最大体积浓度呈负相关，而与对应距离的影响则呈相反的影响关系。

4 结语

基于科学、合理的抽样，用最小的计算量筛选出关键因素及其与尾气排放之间的关系，进行仿真试验优化设计，结合汽车尾气排放实时监测数据，建立并优化尾气时空动态模型，提出了一种复杂环境下多工况汽车尾气测量的新方法。通过试验对比，确定了Xflow尾气排放仿真模型能够真实地模拟出尾气的排放扩散过程，并具有较高的精度。结合试验分析结果，得到的相关规律可为后续的尾气排放净化系统设计提供科学的数据，能够控制尾气排放体积与质量浓度的时空动态分布，降低汽车尾气对PM2.5的贡献率。

[1] 臧斌.汽车尾气排放远程移动检测技术的研究[D].长沙：长沙理工大学，2008.

[2] 王炜，向乔君，常玉林，等.城市交通系统能源消耗与环境影响分析方法[M].北京:科学出版社，2002.

[3] 蔡风田.汽车排放污染物控制使实用技术[M].北京:人民交通出版社，1999.

[4] 宋宁，张凯山，李媛，等.不同城市机动车尾气排放比较及数据可分享性评价[J].环境科学学报，2011，31(12):2774-2776.

[5] 张本，商蕾，陈丹.基于微观交通仿真的城市交叉口机动车尾气排放评估[J].交通与计算机，2008，36(4):95-98.

[6] 胥耀方，于雷，郝艳召，等.机动车尾气排放宏观模型开发与应用初探[J].交通运输系统工程与信息，2009，9(2):147-149.

[7] 夏韡.城市道路轻型车微观排放模型研究[D].长春：吉林大学，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

国家自然科学基金资助项目(51378075，51678065) 吉林省发改委产业技术研究与开发专项项目(2015y73) 吉林省科技厅重点科技攻关项目(20160204012SF)

于海波(1973-)，男(汉)，黑龙江双城，博士 主要研究汽车可靠性与交通安全技术研究。

10.3969/j.issn.1009-8984.2017.02.008

U467.48

A

1009-8984(2017)02-0035-05