每日关注!基于CAE方法的太阳光照对汽车舱内电气系统性能影响的预测

摘要

如今许多来自市场方面的因素，比如消费者对汽车的信息娱乐系统、自动驾驶辅助系统以及动力系统电气化的需求等，推动了汽车舱内电气系统数量的增加。不过电气系统能够稳定工作的温度范围是有限的，所以保证这些系统在一些环境温度和太阳辐射强度高的地区正常使用是非常有挑战性的事情。通过传统的气候环境制造设施来复现这些地区的气候状态，以了解电气系统的性能表现，是一种可行的研究方法，然而这种设施有许多的限制，比如位置固定的光照模拟系统无法模拟阳光的变化、设施内壁的二次辐射对测试结果的影响以及高昂的运营成本等。因此，可以利用CAE仿真方法来进行研究，仿真模型通过各种条件的设置可以更加接近真实的环境状态，为此本文提出了一种CAE仿真方法来预测汽车的舱内温度，同时为了深刻认识环境因素对舱内温度的影响，并将仿真与试验结果联系起来，本文给出了一套试验及数据采集的方法，包括车内环境及表面温度，直接、扩散和全球太阳辐照强度，环境温度，风速和方向等。仿真计算的结果与环境风洞测得的数据相对比来确保仿真与试验工况的一致性，同时也对真实环境和环境风洞试验得到的温度数据进行对比，以确定环境风洞试验的准确性。

(资料图)

1.前言

近年来许多因素导致了乘用车电气系统和部件数量大幅增加，其中包括了消费者生活方式愈发数字化，使得先进车载信息娱乐系统的需求大增，另外经过优化的驾驶辅助系统如抬头显示、路标识别和自动制动辅助等系统，加速了汽车的电气化进程，人们普遍认为在不久的将来，这些趋势将继续增加，因此确保这些电气系统的稳定性是势在必行的。

做系统设计时，最重要的挑战之一是确保这些电气系统的热稳定性。电子元件的正常工作温度窗口有限，如半导体结温度上限通常为125℃，另外电池的寿命和性能在高温下会显著降低。在过去，为了了解这些电气系统的性能，人们已经使用了气候环境制造设施如环境风洞来复现一些气候条件严苛地区的气候环境。然而，这种设施有一些限制，比如位置固定的光照模拟系统无法模拟阳光的变化、设施内壁的二次辐射对测试结果的影响以及高昂的运营成本等，限制了试验的内容。而基于CAE仿真的方法能够明确地复现出真实环境中的各项条件，为此，本文提出了一种CAE仿真方法来预测汽车舱内零部件的温度表现。过往的仿真研究工作主要集中在汽车外表面和乘员舱内的空气温度分布，以预测空调系统的性能特性。但是想要准确预测舱内电气系统的温度，那么该仿真模型必须能够计算通过舱内部件所传递的热量，因此，需要准备更精确的零部件几何模型及各个材料的属性。与先前的许多工作不同，本文提出的仿真策略使用了一个独立的热求解器，而不需要耦合CFD求解器，所以能够大大降低计算资源的需求，同时保持较高的精度。

这种高效计算方法的优点是，通过赋予正确的边界条件，与环境风洞试验相比，可以更准确地复现真实环境中所展现出的条件，并且能够模拟出太阳位置及辐射强度变化时的瞬态环境温度，风速和朝向，以及直接太阳辐射和漫辐射对试验目标造成的影响。与实车测试相比，仿真计算的成本相对较低，因此可以研究多种工况，以了解舱内温度对气候条件以及车辆规格(如油漆颜色和附加配置)的敏感性。

2.仿真方法

本文使用PowerTHERM 12.1作为仿真平台，所用车辆的几何数据高度细分，大约分为400个零部件来表示各处细节，其中关键部件包括白车身、发动机、变速箱、车身覆盖件、保险杠、玻璃以及由座椅、方向盘、仪表板和内饰组成的乘员舱，并对车轮进行了一定的简化。为了优化零部件数量和仿真运算时间，本文将蓄热相对较低且对乘员舱内的温度分布没有直接影响的冷却系统、驱动系统、排气和悬挂系统等部件进行了省略。所有部件都采用壳体网格建模，具备适当的厚度、赋予材料和表面特性以便正确捕捉热特性，对由多种材料组成的部件如车门、饰板等进行适当的建模。网格的尺寸在10到50毫米之间，生成以四面体网格为主的混合网格，最终得到SUV车型的总网格数量约为50万，跑车车型(F-Type)的总网格数量为30万，如图1所示。设计这样的网格策略是为了更准确地捕获零部件的几何形状以及更好地捕捉热梯度。

图1 F-Type网格模型

玻璃是太阳辐射进入乘员舱内的主要路径，因此在模型建立过程中赋予正确的玻璃属性是至关重要的。PowerTHERM能够对透明材料进行建模，但除了一般的体积和表面材料特性(如密度、比热容、电导率、发射率和吸收率)外，还需要光学特性(如反射率和透射率)来定义传入到乘员舱内的辐射量。本文使用的PowerTHERM版本，玻璃的属性被设定为光谱平均，这样的设定在早期的敏感性研究中得到了证实，该研究强调了玻璃的性质与预测温度之间的高度依赖关系。

为了模拟乘员舱内的气体环境，本文为乘员舱建立了流体节点网格模型，乘员舱被详细划分为大约40个零部件并为其设置相对应的参数。对流方式使用PowerTHERM中的自动模型设置，速度设置为0.001m/s来模拟乘员舱的对流情况。自动模型基于网格的表面积的平面公式来假定自然对流与强制对流混合，仿真得到的各单元对流系数是强制、水平自然对流和垂直自然对流混合的结果。PowerTHERM对零件内的所有元件使用相同的特征长度计算平均努塞尔数。利用布西内近似和仿真过程中气体分层引起的温度差来计算节点与表面之间的流速。

图2描述了捷豹F-PACE乘员舱的部分空气节点网络，其中流体节点与相关表面进行了颜色区分。

图

2 F-PACE

乘员舱零部件划分

本文搭建的仿真模型设计了两种仿真环境。其中之一是在盖登环境风洞中的仿真分析，该环境具备完整的环境风洞几何结构，包括喷口，试验段及观察窗口，如图

3

所示，此外该环境风洞中还具备固定的光照模拟装置，用来模拟光照对温升的影响。

图

3

盖登环境风洞模型示意

第二种仿真环境是模拟真实环境的表现，在这种情况下，环境风洞的模型被移除，并在汽车模型下方增加一块地面。在

PowerTHERM

中，通过边界条件中的表面特性和中心温度等参数，对地面进行设置。真实环境下模拟与环境风洞内模拟最明显的区别在于，真实环境下模拟的天气条件包括环境温度、压力、湿度、太阳辐射强度、云量和降雨量，以及经纬度位置和海拔高度，这些参数随时间以及太阳位置的变化可以在天气文件中指定。同时车辆的布置方向是在仿真场景中定义的，因此就具有太阳辐射相对于车辆的大小和方向的不同。为此本文设置了太阳在一天中穿过天空的路径，如图

4

所示，在这种情况下，晨昏也是需要考虑在内的。真实环境仿真模型根据太阳方位、湿度、云量和空气温度计算出来自天空的长波红外辐射温度，这也说明了当太阳辐照度为零时，车辆和环境之间也会通过热辐射进行热交换。

图

4

太阳位置变化示意

仿真采用并行直接求解，时间步为

1

分钟，环境风洞仿真和真实环境仿真在

4

个处理器并行计算的情况下，运行时间分别为

8

小时和

16

小时。

3.

试验方法

这部分内容介绍了测试舱内温度的试验方法，本研究进行了两种不同类型的车辆测试，分别为环境风洞试验和真实环境试验。

3.1

环境风洞试验

如前文所述，环境风洞一直是支持研究的良好方案。环境风洞的主要优点是它提供了一个可控的环境，以确保高度的可重复性和再现性，这在进行不同的设计方案之间比较时是必不可少的。本研究使用的环境风洞为捷豹路虎的盖登环境风洞，如图

5

所示。风洞内的温度和湿度均可控，温度范围为

−10°C

至

50°C

，并能够提供高达

220 km/h

的风速。该风洞内还配备四轮测功机和尾气抽吸系统，以便支持车辆在一定负载的情况下评估其各项性能。风洞内的光照模拟系统由

30

个全光谱灯组构成，它们位于测试车辆的正上方，参考

IEC 60904-9

标准的世界辐射参考光谱相，该系统能够模拟所有标准要求的波长波段。盖登环境风洞定期对设备进行校准并监测长期变化，以确保结果的可重复性。

图

5

环境风洞试验

环境风洞模拟出的环境条件旨在复现海湾地区等热点市场的极端气候环境，本次试验的流程包括三个阶段，首先是浸车以稳定乘员舱内的温度状态

(

如图

6

中区域

1

所示

)

，车辆放置在没有太阳光照的特定环境中。第二阶段，车辆在一段时间内承受来自光照模拟系统的固定辐照

(

如图

6

中区域

2

所示

)

，这一阶段模拟出的太阳辐射强度是按照固定高度给出的，与测试车辆的高度无关，这就导致了车辆外表面的太阳辐照强度会出现一定的不均匀性，这在真实环境中是没有的。用太阳辐射计测量时，发现

SUV

车辆的太阳总辐射强度在车顶上的强度要比在发动机盖上的强度高约

5%

。试验的第三部分是开启车辆的空调系统来降低乘员舱内的温度。在这个环节内，车辆所有电气系统都打开并处于满载状态，以确保最大程度上的产热。为了使试验过程具有可重复性，本研究采用了一种内部标准记录了整个试验方法。该标准还发现了对测试结果有重大影响的干扰因素，如测试前车辆的预设置、车辆在风洞中的定位以及第三部分试验时的通风口位置和空调设置。

图

6

环境风洞试验不同阶段车辆的温度状态

图

6

展示了试验期间乘员舱内温度的变化情况。可以看出，在浸车期间，乘员舱内的温度逐渐达到预设环境温度，然而，开始光照模拟后乘员舱内的温度升高了近

50%

，这清楚地说明了太阳辐射对乘员舱内温度的影响。

3.2

真实环境试验

为了评估提出的

CAE

仿真方法预测真实环境下温度分布的能力，需要一个合适的数据对照进行对比。真实环境试验的挑战是在试验过程中可能存在的外部干扰因素的数量，这反过来又会导致在与仿真模型对比时出现许多问题，因此本文采取了多种措施来控制和最小化任何潜在的干扰因素。

由于汽车有着很高的蓄热性，前一天的天气状况会影响第二天的舱内温度分布，因此为了减轻这一干扰，试验中设置了一个温度和太阳辐射强度一致的测试位置，以最大限度地减少在浸车结束后当日气温变化的影响。其他考虑的干扰因素是测试地点周围的结构，这些结构会产生二次辐射和阴影，对车辆承受光照辐射产生不利影响。另外，大气中的颗粒物质是另一个令人担忧的问题，因为它可以在车辆表面形成一层薄膜，导致漆面的发射率变化以及玻璃的透过率变化。最后考虑的干扰因素是风速和降雨，因为这两者分别会通过对流和蒸发导致车辆大量的能量消失，从而导致舱内温度的大幅降低，因此避免这些干扰是至关重要的。基于以上这些需求，本文在西班牙南部的伊迪达试验场选择了一个区域。该试验区域的主要特点是尺寸足够大且周围无建筑遮挡的干扰，满足设定的二次辐射和风速标准，图

7

给出了测试地点的照片。为了获得稳定的温度和太阳辐射，并将降雨风险降至最低，试验选在

8

月进行。

图

7

位于西班牙的伊迪达试验场进行试验

为了在

CAE

仿真模型中设置正确的天气边界条件，需要对试验时当地的气候条件进行充分收集。首先，为了测量太阳辐射强度，使用了

Kipp & Zonen RaZon

太阳光照测量系统，如图

8

所示，该系统由带有遮光组件的日照度计和

GPS

模块组成。一旦在布置过程中正确定位，该系统就能自动跟踪太阳在一天中穿过天空的路径，并分别测量太阳直射辐射和太阳漫辐射强度，然后计算出总太阳辐射强度并作为以上两个测量值的函数。数据以

1HZ

的速率存储在系统内部，研究人员可以通过

Wi-Fi

或以太网连接访问数据。

图

8 RaZon

太阳光照测量系统

为了收集其他参数，如环境温度、压力、风速和方向，研究人员在车辆上安装了一个

Davis Vantage Pro

气象站，如图

9

所示。采用这种方式的原因是根据以往的经验表明，使用当地气象站提供的数据时，由于这些气象站的海拔高度问题，提供的环境数据与试验位置的环境数据经常存在一定的差异，此外在黎明、正午和黄昏时分别用地温探头和手持红外测温仪测量地面和空气的温度。为了进一步减少前面讨论的干扰因素，并生成一个全面的数据库，本文给出了一个独特的测试流程。为了收集一系列不同车型的数据，本文测试了两辆车，其中一辆是捷豹

F-Type

和一辆捷豹

F-PACE

。两辆车的位置相距约

15

米，距离测试区域周围的河岸至少

15

米，以确保两辆车之间不受另一辆车产生的阴影所干扰。在记录测量数据之前，两辆车分别在当地环境进行了两天的浸车。同时，为了了解太阳方位对测试车辆的影响，本文收集了

4

种不同布置方向下的车辆数据，分别为北、东北、东、西，每个方向都重复记录两次数据。

图

9 Davis

气象记录仪

3.3

测试设备准备

为了进一步了解车辆内部和周围的温度分布，两辆试验车在环境风洞和真实环境试验中均配备了一系列的热电偶来测量表面和环境温度，特别注意玻璃的内外部，以确保能够正确捕捉到太阳辐射的吸收。同样值得注意的是，为了记录太阳穿过天空的效果，测试车辆的左右两侧都放置了许多测量仪器。图

10

为部分布置在

F-Type

上的热电偶。

图

10

热电偶布置情况

试验所使用的热电偶为

K

型，测量误差为±

1°C

。在部件表面可能承受直接太阳辐射的情况下，热电偶使用高温聚酰亚胺胶带连接，胶带是白色的，以防止胶带对测量结果的影响。在预计不会受到阳光直接照射的区域，热电偶使用氰基丙烯酸酯基粘合剂固定，然后用硅酮层保护热电偶免受物理损坏。环境温度的测量是用相同的

K

型热电偶进行的，由于热电偶的表面积非常小，研究人员认为不必要对热电偶进行避光处理，最后使用

IPETRONIK

数据记录器以

0.0167 Hz

的采样率记录数据。

4.

对比分析

为了确保结果的稳定准确，本文对试验过程进行了彻底的研究和验证。同时为了确保该试验过程适用于各种不同形态的车辆，研究人员分别对捷豹

F-Type

和

F-PACE

在真实环境和环境风洞内的试验结果进行了比较。在真实环境的试验中，研究了许多不同的车辆方向，以确保正确测得不同太阳路径的影响。本节介绍用于与仿真分析相对照的一小部分数据。

4.1

环境风洞对比结果

本节讨论了环境风洞仿真与环境风洞试验结果之间的相关性。图

11

描述了试验过程中太阳照射部分的一些温度变化情况，并与捷豹

F-Type

的仿真结果进行了比较。

图

11

的第一部分显示了车辆引擎盖上的温度变化。从这一曲线可以看出，试验数据与仿真数据之间有很好的一致性，初始响应率与

CAE

仿真具有高度可比性，对最终峰值温度的预测略高

1.5%

。这两组数据之间的良好一致性表明，汽车外表面的辐照情况被正确地预测。图

11

的第二部分显示了仪表盘顶部的温度变化情况，在这里我们再次看到试验和仿真之间的良好一致性，与试验数据相比，仿真结果的初始温度上升的更迅速，但两者达到的峰值温度是相同的。这将表明进入乘员舱内的能量是正确的，乘员舱内的部件热参数和表面条件设置是正确的。初始温升的差异可能是不正确的导热率，导致仿真模型中有局部加热情况的出现。图

11

的第三部分展示了主驾人员呼吸位置的环境温度变化情况，与上述两个测试位置的情况一样，

PowerTHERM

能够进行准确的仿真计算，在该测试位置，仿真模型对最终温度的预测略低于试验数据约

8%

。环境温度的试验测试与仿真预测的良好相关性表明，在仿真模拟中对对流现象进行了正确的模拟。观测到的数据差异可能是由于大量的太阳辐射照射在热电偶上，使得试验测得数据与真实情况产生一定的差异，仿真预测的不足可能是由于流场网格的设置没有提供足够的分辨率来捕捉

F-Type

乘员舱而造成的温度分层。

图

11 F-Type

仿真与环境风洞试验结果对照

图

12

显示了捷豹

F-PACE

的仿真与试验结果对比情况。第一幅图详细描述了车辆引擎盖上的温度，与

F-Type

的结果一样，试验和仿真之间的瞬态响应和峰值都具有非常好的一致性，最高温度试验和仿真值只有

2%

的偏差，这也证实了

F-Type

的结果，表明车辆表面的辐射被正确捕获。第二幅图描述了仪表板顶部的温度状态，该图表明仿真模型再次能够预测由于太阳负荷引起的瞬态温度响应以及仿真期间达到的最高温度，在测试开始时观察到的最大差异为

3%

。最后的图显示了主驾人员呼吸位置空气温度随时间的变化，对数据仔细检查后再次得出仿真和试验结果之间有很强的一致性的结论，两者之间的误差可以忽略不计。与

F-Type

相比，环境温度相关性的提高可能是由于

F-PACE

的乘员舱容积更大，从而降低了与高度相关的温度梯度，因此流体网格设置具有足够的分辨率。结合之前为捷豹

F-Type

生成的数据库来分析，这些结果表明环境风洞内的仿真可以正确地捕捉舱内的环境温度。

图

12 F-PACE

仿真与风洞试验结果对照

4.2

真实环境对比结果

在证明了

CAE

仿真能够准确地捕捉环境风洞内的温度分布和时间相关性后，本文的这一部分将研究真实环境下的仿真与从西班牙伊迪达试验场收集的数据之间的相关性。图

13

显示了

F-Type

在

24

小时内的温度分布，车头朝向东北方向。第一幅图显示了发动机罩右侧热电偶的温度变化，尽管实际瞬态环境条件比较复杂多变，但仿真结果与试验数据吻合良好，

RMS

误差为

4.6

℃。可以看出，在太阳升起前的夜间时段，仿真模型对温度变化的预测略有不足，两者之间存在较小的偏移，

CAE

仿真滞后于实验数据约

10-15

分钟。导致偏差的一个可能原因是用于定义气候条件的天气文件的分辨采样率为

30

分钟，这可能导致了长达

15

分钟的延迟。同样地，这也可以解释

CAE

仿真模型比真实环境数据更加平滑。与上一节环境风洞的结论一样，

CAE

仿真能够很好地预测车辆外表面的温度变化，车辆外部的太阳辐射被正确模拟。第二幅图显示了副驾坐垫的温度变化情况，对该图进行分析得出，两组数据之间总体上具有良好的相关性，随着温度升高，仿真的温度变化略有滞后，并且过度预测了大约

10%

的峰值温度，均方根误差为

3.4

℃。由于材料的导电性差异，皮革表面的温度梯度可能极高，这反过来意味着这些材料对空间分辨率有显著的敏感性，因此选择网格分辨率中的小错误可以解释这里看到的问题。最后一幅图描述了后视镜附近的瞬态温度分布，与在环境风洞中试验的结果一样仿真模型对温度幅度的预测略低约

5%

，但总体趋势的准确性很高，在这种情况下产生了

3.8

℃的均方根误差。

图

13 F-Type

仿真与真实环境试验结果对照

(

东北朝向

)

在图

13

和图

14

中给出了整个车辆不同朝向的温度分布，展示了车辆在现场的方向对温度分布的影响。在这种情况下对副驾坐垫的温度状态进行对比研究，车辆朝向选取了三个方向分别为东、东北和西。在西向和东北向的情况下，仿真模型的结果与试验数据之间有很强的相关性，但在东向的情况下，

CAE

仿真模型对峰值温度的预测存在一定的过度情况。如前所述，这可能是天气文件时间步长的准确性和座椅材料的空间敏感性

(

由于材料的低导电性

)

。基于这些结果可以得出结论，在跑车类型车辆的情况下，所提出的

CAE

仿真策略能够在

10%

的误差范围内预测舱内表面和环境温度的瞬态趋势和幅度，在所研究的情况下的平均

RMS

误差为

4.96

℃，该方法对环境风洞和真实环境下的预测结果均有良好的稳定性和准确性。

图

14 F-Type

副驾坐垫温度仿真与试验结果对照

图

15

显示了

F-PACE

在

24

小时内的温度变化情况，车头朝向东北。与

F-Type

的数据结果相似，第一幅图展示的发动机罩表面温度在真实环境和仿真之间的趋势与

F-Type

的趋势高度相似，两者之间有很好的相关性。与试验数据相比，

CAE

仿真的结果再次展示了平滑的变化，一些局部的波峰和波谷没有完全捕获。与

F-Type

的结果一样，这可能是由于天气文件数据的分辨率设置问题，然而，即使天气文件数据的准确性降低，该模型仍然可以被认为是准确的，均方根误差为

2.9

℃。第二幅图显示了副驾坐垫表面温度的变化，仿真模型预测了瞬态响应及其幅度，与

F-Type

的变化趋势相似，在太阳升起阶段有大约

10-15

分钟的偏移。这将进一步支持这一假设，即差异的根源是天气文件数据，因为这对两个仿真来说都是一致的。图

15

中的最后一幅图显示了后视镜位置试验和仿真得出的环境温度变化。从图中可以看出，仿真结果充分预测了试验数据的变化，在两条迹线的波峰和波谷位置上有很好的一致性。迹线前半部分的温度幅度有较小的偏移，

CAE

仿真模型对温度的预测误差高达

10%

。将图

14

与图

15

进行比较可以看出，这一偏移量与

F-Type

的结果中观察到的趋势非常相似。图

15

研究了在给定方向下整个舱内的温度分布，以理解仿真的处理方式。图

16

详细描述了不同车辆朝向与单独朝向对舱内温度变化的影响。与

F-Type

的分析一样，车辆的方向是东，东北和西，值得注意的是副驾坐垫表面温度，在这三个方向上都可以看到仿真结果和试验结果之间有很好的相关性，每条迹线的局部波峰和波谷都能被仿真模型忠实地再现。同时可以观察到在瞬态响应的对照中有一些关于时间的微小变化，例如仿真中车头朝向为东部的前半部分结果滞后于试验结果

10

分钟。然而，如前所述，这些偏差可能是由于材料的表面性质和天气文件数据的分辨率不足造成的。

图

15 F-PACE

仿真与真实环境试验结果对照

(

东北朝向

)

图

16 F-PACE

副驾坐垫温度仿真与试验结果对照

根据对

F-Type

的环境风洞试验和

CAE

仿真的结果对比分析可以得出，本文提出的

CAE

仿真方法似乎正确地捕捉了

F-PACE

在真实环境场景中的物理性质，与试验数据相比，汽车外表面的辐射、舱内表面的传输以及舱内空气的对流均表现出正确的预测趋势。因此，该模型能够较好地预测

SUV

型车辆的乘员舱内温度。

4.3

环境风洞与真实环境结果对比

在充分验证了仿真模型的准确性之后，研究人员继续考虑用其来预测其他真实环境下车辆的温度表现。为此，本文模拟沙特阿拉伯利雅得的气候条件，进行了一套覆盖北、南、东和西方向的仿真模拟。天气数据来自国际气象能源计算数据库

(IWEC)

，根据最大干球环境温度从数据库中选取最坏情况日。在这个案例研究中，捷豹

F-Type

被选中，因为其乘员舱体积较小，更能体现出舱内峰值温度的最坏情况。

图

17

描述了四种车辆朝向的峰值温度仿真预测结果，以及从环境风洞中测得的乘员舱内一系列位置的试验结果。对图表的分析后可以看到，环境风洞和仿真预测的真实环境的环境温度结果之间有很好的一致性，在整个舱内观察到的差异可以忽略不计。

图

17 F-Type

环境风洞试验与真实环境仿真分析得到的峰值温度数据对比

然而，在环境风洞试验中，车辆外部和内部表面温度都比仿真模拟得出的最坏情况朝向高出大约

10%

。为了进一步了解环境风洞复现的环境与真实环境的相关性，图

18

展示了环境风洞模拟光照结束时和在真实环境模拟时

13

点

30

分舱内的温度分布，车头朝向东方。对比两者的温度分布可以看出，环境风洞的气候分布状态与模拟的真实环境基本一致，其中仪表板和方向盘顶部部分达到了乘员舱内的最高温度。然而，通过更详细的分析后看到，在两者之间，舱内座位、中控台和储物架上的温度分布存在差异。由于环境风洞内的光照模拟系统提供的光照载荷是固定垂直的，因此车辆顶部的温度远高于太阳位置移动变化的真实环境中所测得温度。将图

11

、图

12

中的温度迹线与图

13

、图

14

、图

15

、图

16

中的温度迹线进行比较，可以看出这里使用的环境风洞试验过程并没有复现出乘员舱内温度的瞬态变化。在图

11

和

12

中可以看到，当温度逐渐接近最大值时，汽车的热载荷基本是饱和的，然而从图

13

到

16

可以看到，在真实环境中，温度在一天的变化过程中遵循一个近似钟形的曲线。

图

18

环境风洞试验与模拟利雅得环境下

F-Type

舱内温度分布对比

总结

根据上述内容可以得出结论，即本文提出的

CAE

建模仿真方法能够模拟各种车型在各种气候条件下所引起的舱内零部件的热变化情况，该方法能够预测温度的瞬时响应和幅度变化，并且能够稳定地复现环境风洞和真实环境下的气候状态，其

RMS

误差值通常不高于

5

℃。另外本文提出了一种表征真实环境的气候条件对汽车舱内温度影响的稳定方法，通过该方法收集到了一个全面且可重复的数据集，同时也强调了干扰因素的控制对仿真工作的重要性。最后，从本文给出的对比结果可以看出，虽然在环境风洞内的试验中很好地测得了驾驶舱内的最大环境温度，但是环境风洞热试验却有过度预测表面温度的趋势，并且在固定的太阳光照负载下所形成的温度分布情况并不具备代表性，因此尽管环境风洞被证明是开发汽车舱内热问题的重要工具，但它还原真实环境气候条件的能力是有限的。

文献来源:Palmer, E.W.;Jansen, W.;Palaniswamy, A.;Parfitt, M..Development of a CAE Method for Predicting Solar Loading Impact for Electrical System Performance in an Automotive Cabin[J].SAE Technical Papers,2018

AutoAero是吉林大学张英朝教授团队建立的专业汽车空气动力学微信公众号号，致力于普及汽车空气动力学知识，传播汽车空气动力学。推广包括流体力学基本理论，汽车空气动力学及热管理水管理等基础知识，乘用车气动造型设计，卡车气动造型设计，风洞实验技术等多方面的内容。欢迎有兴趣的专业人士阅读、关注、共享！

同时欢迎感兴趣汽车空气动力学的同学报考课题组的硕士、博士研究生，欢迎毕业博士到课题组进行博士后工作！

标签： 环境温度 风洞试验 温度分布