ultraFluidX在整车气动性能开发中的应用与验证

0 前言

    汽车空气动力学性能直接影响燃油经济性，高速行驶稳定性，驾乘安全性和舒适性。为达成预期设定目标，在设计阶段一般采用CFD虚拟仿真技术予以风险评估与改进优化，在验证阶段采用样车试验验证方法予以性能确认。随着车辆市场竞争加剧，车辆成本及开发费用进一步受到限制，开发周期越来越短，且性能要求也越来越高。为应对这些挑战，在空气动力学性能虚拟开发过程中，需要更低成本、更高效率、更高稳健性的CFD仿真方法。

    为提升CFD仿真精度，需要高保真的网格边界和高分辨率的数值算法，网格尺寸因而进一步缩小，物理模型也需从稳态雷诺时均转向瞬态分离涡或瞬态大涡模拟，这必将导致计算规模急剧增加，依靠传统有限体积方法与增加CPU并行核数来提高计算性能具有一定的局限性和高成本性，而格子玻尔兹曼方法(LatticeBoltzmannMethod，LBM)由于具有良好的计算稳定性、高效并行加速性、且非常容易处理的边界条件，使其成为国际上近十年迅速发展的热点算法之一。LBM算法中具有大量简单的数字运算和较少的数据调用，格子状态的更新都是局部的，和GPU处理图形像素渲染的工作原理类似，两者结合使得数值计算能力获得几个数量级的加速效果，且GPU在并行计算方面又有着独有的时间、能耗及成本优势，因此，将LBM与GPU并行计算相结合的方法能很好的解决上述难点问题。本文从ultraFluidX软件中的LBM与GPU并行计算方法出发，针对空气动力学性能开发中的几个典型应用进行分析评估，并与风洞试验结果相比较，验证其仿真可靠性。

1 LBM算法原理

    传统的有限差分、有限体积及有限元方法是直接将宏观的控制方程进行离散，然后采用某种数值方法求解离散方程，最后获得宏观的各物理量，而LBM方法与其有着本质区别，它从微观动力学角度出发，将连续介质看作大量位于格子节点上的离散流体质点粒子，粒子按碰撞和迁移规则在格子上运动，如图1所示，通过对各格子流体质点运动特征的统计，获得流体宏观运动规律，即把宏观物理量视作微观统计平均的结果。其核心思想是构造简化的玻尔兹曼动力学模型，使模型的宏观行为与宏观方程表现一致，而传统连续介质假设导出的NS方程只是波尔兹曼方程的一个低阶近似，其物理内涵比NS方程更深刻，因此，能捕捉更多流场细节。

图1 D3Q19格子模型

    除此之外，另一个显著不同在于前处理建模，LBM模型中输入的面网格仅用于定义壁面边界位置，而非参与实际计算，因此，三角形面网格质量不再重要，面网格容许穿透和重叠，不需要严格封闭的面网格，如图2所示。设计变动导入新的部件也无须缝合相邻网格节点。一般而言，一台整车CFD模型若采用传统CFD方法，一个熟练工程师至少需要1个月建模时间，且需要进行大量模型简化；而采用LBM方法，建模则仅需一周，且基本无需简化模型，能最大化保持模型的真实性。对于面临数百乃至千次设计变动的汽车空气动力学设计来说，不仅可以极大的提升CFD仿真效率，还可以因高保真的模型质量而获得更高的仿真精度。

图2 面网格

2 GPU高性能计算

    过去，我们通常运用多CPU线程并行计算来加速数值计算，但是由于单核CPU能并发的线程数较少，因此，往往采用高性能计算集群HPC来获得更多的线程数。然而，CPU计算集群的能耗、租用(采购)和维护成本很高，以单块18线程的Intel至强处理器为例，其功耗达到140W。相比而言，由于GPU拥有一个由数以千计更小及更高效核心组成的大规模并行计算架构（专为同时处理多重任务而设计），因而具有更高的性价比。如图3与图4所示，以NVIDIAV100显卡为例，每块显卡具有5120个CUDA计算核心，双精度浮点计算能力达到7.8TFLOPS，功耗仅250W，且在相同计算规模前提下，GPU并行计算时间明显短于CPU并行计算时间。

图3 CPU与GPU架构比较

图4 CPU与GPU计算时间比较

    ultraFluidX软件基于GPU并行计算的LBM方法架构开发，其并行计算效率可以采用每秒百万格子迭代次数（MillionLatticeUpdatesPerSecond，MLUPS）指标来评估。为了测试GPU的性能，采用不同型号和数量的NVIDIAP100和V100显卡测试进行对比。图5显示单块V100的峰值速度是上代产品P100的1.9倍。如图6所示，当格子数量较少时，由于多GPU之间的数据通讯消耗较多资源，导致V100多GPU加速性能明显折损，随着格子数量增多，其加速性能变强。整车空气动力学虚拟风洞模型格子数量一般超过1亿，由图6可知，1亿多的格子数量在8GPU上会有比较理想的加速比。

图5 P100和V100性能对比

图6 V100的多GPU加速曲线

3 应用及验证分析

    3.1 CFD对标应用分析

    在项目开发前期，往往需要对对标车进行全面剖析，掌握其各性能的在项目开发前期，往往需要对对标车进行全面剖析，掌握其各性能的状态，为车型开发提供参考。在气动性能开发过程中，一般会选择低风阻车型开展风洞试验获得各状态下的气动六分力指标，同时，也会基于CFD方法分析其低风阻流场机理。如图7所示，某纯电轿车两个工况下的仿真精度达到99%，基本与风洞试验一致；从Y0面速度分布可以看出其尾部涡流覆盖区域小，上卷下洗气流强度相当。

图7 对标车分析

    3.2 中央气坝影响验证分析

    某自主品牌量产紧凑SUV车型中央气坝高度对风阻影响较大，且该处流场分离剧烈，能否准确捕捉分离流是仿真精度高低的关键。选定3个方案进行研究，模型定义分别为：M1，无中央气坝；M2，中央气坝高40mm；M3，中央气坝高60mm。

    中央气坝（AirDam）一般位于车辆前端，小腿保护板下方，如图8所示。安装气坝一方面可有效阻挡底部高速气流对前副车架等不平整部件的冲击，从而减少气动阻力；另一方面，还会影响流经车辆底部的气流分布，继而影响前轮升力；此外，还会影响机舱内外压差，从而影响冷却模块风量。由于气坝周围流场非常复杂，采用传统CFD方法难以准确获得其气动性能影响量，因此，本文采用ultraFluidX软件对其效果进行分析验证。

图8 气坝形状及安装位置

    从图9车身表面压力系数Cp可以看出，中央气坝不仅会避免下车底后部零部件受到气流的直接冲击，还会影响下车体气流速度大小，继而影响尾部压力分布。如从图10可以看出，风阻系数仿真绝对误差最大值6.3count，远小于传统CFD方法的10count，仿真值总体比试验值高，中央气坝影响量趋势与试验趋势一致，且影响量与风洞试验值非常接近，最大绝对误差仅1.4count，该误差值可覆盖大部分改进方案影响量。

图9 表面压力系数Cp

图10 中央气坝降阻效果仿真试验对比

    3.3 A柱影响验证分析

    A柱涡流不仅影响风噪还会影响气动阻力，因此，在开发过程中往往以降低A柱涡流强度为目标。对A柱三种截面形状进行仿真及试验对比研究，如图11所示，这三款A柱均会产生非常强的涡流，A2方案涡流强度最大，因而其风阻系数也最大。从图12可以看出，仿真与试验的最大绝对误差为3count，且各方案影响量仿真趋势与试验一致，可以采用该软件对其A柱或者造型其他细节方案进行优化分析。

图11 A柱截面总压力系数Cpt

图12 A柱降阻效果仿真试验对比

    3.4 扰流板与扩散器匹配影响验证分析

    在SUV与MPV等方背车型的气动开发过程中，由于其尾部涡流结构非常复杂，采用稳态仿真方法一般难以准确捕捉其尾流特征，因此，一般采用瞬态仿真方法进行仿真分析，评估各方案的影响量，为方案决策提供支撑。本文选定7种扰流板及扩散器组合方案进行试验仿真对比，研究其仿真的可靠性及各组合方案的流动机理，组合方案如表1所示。从图13可以看出，C1方案与C4方案尾部静压分布比较接近，且两个负压中心相对呈平衡状态，强度相当，而其余方案两个负压中心呈不平衡状态，且强度差异较大。在无扰流板状态下，扩散器最优方案为扩散器1，在扩散器1的基础上，扰流板1方案，即与顶棚下降趋势一致的方案为最优方案。从图14可以看出，7个组合方案的仿真绝对值与试验值非常接近，最大绝对误差小于8count，且六个方案的影响量仿真趋势与试验非常一致，因而，利用该软件获得的尾部流场分布极具机理分析参考价值，可为方案寻优提供工具支撑。

表1 扰流板与扩散器组合方案

图13 各组合方案压力系数图

图14 各组合方案仿真试验对比

4 结论

    通过4种典型案例的气动性能仿真与试验对比分析，验证了ultraFluidX软件中GPU并行计算LBM算法的精度,主要结论如下：1）在开展分析的15个方案中，最大绝对误差量小于9count，最小绝对误差量仅为1count；在开展的10个影响量趋势分析中，不论是外造型还是气动附件，9各方案影响量趋势与风洞试验一致，不一致方案的影响量小于1count；2）该软件在风阻性能开发中可靠性高，可作为方案决策的有利工具，从而减少对风洞试验的依赖，大幅降低开发费用。