用于车辆热管理应用的多尺度和多域数字孪生

摘    要

有效的热管理对车辆至关重要，它影响了乘客的舒适性和安全性，以及整体能源效率。电动汽车（EV）对温度变化极为敏感，鉴于客户常常经历里程焦虑，提升热管理系统的效率不仅能通过增加车辆的续航里程和降低运营成本来惠及消费者，同时也能为制造商带来竞争优势和潜在的收益增长。此外，高效的热管理有助于在车辆的整个生命周期内最大限度地减少对环境的影响。数字孪生因其能够加速开发同时最大限度地降低测试成本而在各个行业中获得了突出地位。一些应用程序已经过渡到全面的三维模型，而另一些应用程序则采用模型简化技术或结合不同建模方法的混合方法。未知工作机制的发现、更高效和有效的控制系统是数字孪生带来的一些好处。在这项研究中，我们提出了一种车辆暖通空调系统的数字孪生模型，该模型把在机舱和外部流量之间进行的漫长且计算昂贵的CFD模拟转换为嵌入式应用的快速、实时模拟。我们所展示的数字孪生策略旨在为控制策略提供信息支持，以降低运营成本，并揭示新的系统行为，进而促进控制策略的进一步优化。我们所提出的数字孪生方法最大限度地减少了对特定车型的依赖，实现了快速实施和适应性。

01  前    言 

虚拟化和数字化的开发与测试活动能够以快速且成本低廉的方式评估各种场景，进而加深对系统的理解，揭示并满足客户的需求，最终促成更优质产品的开发。数字孪生作为关键性资产，保证了公司竞争优势。然而，数字孪生的开发和维护是有固有成本的。尽管如此，它们提供的优势远远超过了多种技术的费用。它们的多域功能使其具有高度的适应性，允许在各种活动和项目中重用。这种可重用性不仅降低了研发成本，还加快了上市时间。数字孪生通常是多个团队和利益相关者的可靠单一信息来源。通过在开发过程中纳入专业驾驶员的反馈，这一点得到了强调。这个集中的信息中心有助于项目规划，简化新员工的入职流程，并降低与员工流动和供应链波动相关的风险。在汽车热管理领域，与用于建筑物热管理的数字孪生相比，数字孪生更为稀缺。本文旨在开发一个这样的数字示例，并强调从整体（机舱内外）角度来看的好处。

02  建模方式

结构

数字化的架构至关重要，与其目标密切相关。在这项研究中，机舱和外部元素都被考虑在内，如图1所示。在开发数字孪生的初始阶段，采用了两种不同的建模方法。对于气流建模，我们使用一个名为OpenFoam的开源CFD框架给冷凝器建模。对于机舱建模，纳入了专有软件TaiTherm的输入。

图1  数字孪生系统

冷凝器数字孪生模型

冷凝器的作用是将制冷剂流体中的热量排放到大气中，使冷剂流体的冷却和冷凝。CFD模拟将确定车辆中给定冷凝器从周围空气到制冷剂流体的有效传热系数。输入为几何形状和材料特性、车辆速度、空速、空气特性（包括温度和湿度）、制冷剂特性，输出为每种条件下的有效传热系数。图2显示了冷凝器模型的示意图，其中有效传热是通过CFD模拟获得的。

 图2  冷凝器数字孪生模型

客舱数字孪生模型

机舱内需要两个接口。第一个与机舱内的条件有关，第二个与机舱与大气之间的热传递有关。客舱内部条件是用来确定乘客区域和挡风玻璃、窗户和后挡风玻璃（以及任何其他玻璃表面）周围的温度和风速曲线。其输入是几何形状和材料特性、通风口的平均风速、热源，输出的是机舱内的温度和风速曲线。车辆在空气中行驶时，车辆与大气的热交换速率取决于许多因素，包括车辆速度。有必要对此进行量化，以改进控制策略。总之，预期的输入和输出数据将是：输入为几何形状和材料特性、车辆速度和方向、空气热力学特性、速度和方向，温度和太阳能负荷，输出为车辆和大气之间的有效传热系数。机舱模型如图3所示。数字孪生模型能提供机舱的热质量以及与环境的有效传热系数。传热模拟与CFD模型相结合，如图4所示。与其在每个时间步都考虑硬耦合，不如采用一种不那么严格的方法来降低原本难以处理的计算成本。

图3  用于控制算法开发的机舱模型示意图

图4  CFD和热管理模拟之间的耦合机制示意图

数字孪生中的数据流

数字孪生中一个关键点是能够与多个软件进行交互，以有效地执行不同的任务。在这种特殊情况下，需要使用一维模拟来开发和测试控制策略。对之前的Simulink模型进行了许多修改，以适应数字孪生的输入，并通过自动配置有效地运行这两个模型。为了促进模型的集成并加快开发阶段，同时促进模型的维护和可用性，提出了如图5所示的持续集成和持续部署（CI/CD）框架。数字孪生中考虑的数据流汇总如图6所示。重要的是要强调，数字孪生不仅能够为一维模拟提供高质量的输入，而且还可以发现和量化某些难以获得的行为。

图5 用于控制算法开发的机舱模型示意图

图6 当前数字孪生中的数据流

   03  结果和讨论  

图7显示了冷凝器根据原始数据使用不可压缩和可压缩CFD方法的数字孪生方法计算出的热交换。CFD模拟提供的数据与预期热交换的速度增加一致。如图8、图9和图10所示，由于从发动机缸体到冷凝器（和中冷器）的热传递，在低速可压缩模拟中观察到热交换减少。然而，对于更高的速度，结果变得具有可比性。

图7 不可压缩和可压缩CFD的模型冷凝器散热模拟与数字孪生计算结果的比较

图8 低速和高速下不可压缩模拟的气流速度和散热结果（中冷器左，冷凝器右）

图9 不可压缩（左）和可压缩（右）情况下的速度和热量比较

图10 低速下不可压缩模拟的气流速度和散热结果（中冷器左，冷凝器右）

从上述结果可以推断，在低速情况下，推荐采用可压缩模拟，因为它们揭示了不可压缩模拟无法捕捉的行为。然而，在更高速度下，浮力效应变得微不足道，且由于计算工作量的减少，可压缩模拟则更为适宜。在低速状态下，发动机缸体的热量对冷凝器整体传热能力的影响极为显著。由于减少这种气流可以显著提升空调系统的效率，因此需要考虑进一步的研究工作。

客舱内部分析

图11、图12和图13展示了在冷却过程启动后，不同时间点上，当通风口处于标准位置时，机舱内不同纵向切面的风速分布以及空气温度分布情况。观察到后排座椅和炎热的车顶有明显的再循环现象。正如预期的那样，经过静态加热处理后，空气温度达到了相对均匀的状态。有趣的是，在冷却过程接近尾声时，在车辆后部的模拟中观察到较冷的空气包。机舱内空气的进一步均匀化和气流控制可能会导致更快的冷却期，以提高乘客的舒适度。图14、图15和图16显示了冷却过程中机舱内表面的热通量和温度。据观察，远离驾驶员的区域具有显著的冷却效果而这些冷却效果本可以导向司机。最高温度、最低温度和平均温度可以表明司机或乘客是否会感到不适，这种不适可能是由于流体（空气）的温度，或者是由于他们接触到的表面过热或过冷。图17显示了平均温度。重要的是要注意，最低和平均温度衰减得很快，而最高温度衰减得慢得多，这可能会给乘客带来不适，也会缩短部件的使用寿命。图18给出了车辆不同表面的更详细图片。特别是，应注意确保与乘客接触的表面不会达到危险或过于不舒服的温度。最后，重要的是要注意，尽管模型中存在各种假设，但冷却过程中的温度曲线与图19所示的实验测量结果非常相似。这增强了我们对数字孪生预测的信心。

图11 冷却0s，车辆不同区域的客舱气流和空气温度分布

图12    冷却180s，车辆不同区域的客舱气流和空气温度分布

图13 冷却1800s，车辆不同区域的客舱气流和空气温度分布

图14 冷却0s的温度和热通量分布

图15 冷却180s的温度和热通量分布

图16 冷却1800s的温度和热通量分布

图17 随时间变化的机舱空气平均最低、最高和平均温度

图18 冷却过程中机舱不同区域的平均温度

图19 冷却过程的实验数据

客舱外部分析

车辆与环境之间因对流而交换的能量是不可忽视的。在数字孪生模型中，我们对这一能量进行了量化，并为不同速度和车辆不同表面提供了平均传热系数的数值。图20展示了不同车辆部件在各种车辆速度下的各种边界条件和传热系数。图21比较了原始系统和通过数字孪生数据增强的系统的结果。由于计算流体动力学（CFD）模拟预测的对流增强，压缩机需要以更高的转速运行以满足更高的冷却需求。

图20 车辆不同部位不同速度的边界条件和有效传热系数

图21 原始条件下（左）和用数字孪生数据增强（右）的系统行为比较

04  结论

我们对应用于暖通空调系统的数字孪生框架进行了全面分析，特别关注冷凝器以及机舱内外的传热。这取得了许多积极成果，包括发现未知的工作模式、增强一维模型和控制器。此外，它还使我们能够得出建模指南。特别是在电动汽车的背景下，所有这些都对乘客的舒适性、安全性和能源效率产生了积极的影响。数字孪生在自然界中不断进化，我们所设计的数字孪生也不例外。