对旋转电机内部润滑油分布进行仿真只需数秒，而预测零部件温度在实际工况载荷下的演变则需数分钟。这两个时间尺度分属不同的物理问题，没有任何单一仿真方法能以经济的方式同时兼顾两者。真正做到EDU热预测的工程师，并非简单地延长单一工具的运行时间，而是将两种方法智能地结合起来。忽视这一点的代价不仅体现在计算费用上，还体现在遗漏热点及绝缘等级选型错误上。
引言
如果您从事EDU冷却研究，或许已遭遇过此类问题。本文将阐述时间尺度差距的成因、传统方法的局限所在，以及如何将粒子CFD与三维/一维混合热模型相耦合，以设计迭代的速度实现空间分辨热点预测。文中引用的工作流程与数据均来自我们的shonDy与shonTA的EDU案例研究。
为何时间尺度不匹配至关重要
绕组绝缘随温度升高而老化。作为广泛使用的工程经验法则，持续工作温度每升高10°C，绝缘使用寿命大约缩短一半。这一经验法则是IEC 60085框架中Arrhenius型热老化的近似描述。在实际应用中，具体的折半温度区间因材料而异，须针对每种材料单独确定。
这一设计问题的核心涉及两个仿真问题。第一个是流体问题：润滑油在机器内部的流向如何，哪些表面在不同工作点下实际处于润湿状态？这是一个自由液面问题，在数秒内趋于稳定。第二个是热问题：随着驱动循环过程中热量的积累，零部件温度如何演变？这一过程历经数分钟。两者的物理机制不同、时间尺度不同，没有单一仿真方法能同时高效处理这两个问题。
边界条件问题
标准的解决方案是将两种分析解耦：先运行短时粒子CFD仿真以获取润滑油分布，再利用经验换热系数（HTC）关联式手动设置热边界条件，然后运行热模型。这一方法在简单几何形状中尚可奏效，但在EDU中会引入逐步累积的误差。
经验HTC关联式是针对简化表面（如圆管、平板和环形间隙）上的均匀流动标定的。在旋转电机内部，润滑油分布取决于几何形状且具有强烈的不对称性。靠近轴侧的端部绕组可能受到直接喷油接触，而远端仅能接触到飞溅的润滑油。静态导流板、轴内油道及转子几何形状均会影响润滑油的最终分布位置。将单一平均HTC施加于整个绕组表面，恰恰掩盖了决定热点位置的分布差异。
风险在于：基于平均值或经验HTC构建的热模型，可能预测出安全的绕组峰值温度，而实际上润滑油接触最少区域的真实热点温度要高出许多。在纯集总参数热网络（LPTN）中，每个零部件以单一温度节点表示，即绕组只有一个温度值，而非一个分布。该单一温度值可能显示为安全，而同一零部件内的局部热点实际上已达到危险水平。这一差异只有在测试时——或更糟糕地在现场——才会显现。
另一种方案——在整个驱动循环持续时间内运行粒子CFD——实际上并不可行。粒子方法的计算成本随仿真时间急剧攀升，而解析绕组表面油膜所需的分辨率要求极高。若模拟数分钟的物理时间，则需数周的计算时间。
耦合方法
实用的解决方案是将短时粒子CFD仿真用于其真正擅长的领域：表征准稳态润滑油分布并提取空间分辨HTC，然后将该数据作为边界条件传递给能够高效处理慢动态过程的热模型。
这一方法可行的原因在于：EDU中的润滑油分布在给定工作点下于数秒内达到准稳态。绕组和定子表面的HTC场在零部件温度发生显著变化之前已趋于稳定。因此，短时仿真能够真实反映持续运行期间的热边界条件。
粒子CFD步骤的输出并非每个表面的单一平均HTC，而是一个空间分辨的点云，它告知热模型绕组一侧与润滑油直接接触，而另一侧几乎没有覆盖。将该分布映射到三维/一维混合热模型的节点上，才是热点预测区别于温度估算的关键所在。与纯LPTN不同，混合方法采用三维FEM解析每个零部件内部的热量发展过程，这意味着来自粒子CFD步骤的空间分辨HTC被输入到一个能够真实呈现绕组内部温度峰值位置的模型中。
设置清单：耦合工作流程的要求
该方法论的流程简明易循，但具体的设置选择决定了HTC传递是否可靠。以下内容反映了工作流程各阶段的要求。
粒子CFD阶段
- 在目标转速下包含所有旋转零部件，润滑油分布由离心力驱动，与转速相关
- 使用真实的润滑油体积和轴入口流量，这些参数直接决定润湿面积
- 运行至绕组和定子表面的HTC值趋于稳定
- 以空间分辨的形式输出HTC，而非每个零部件的平均值
- 如需驱动循环插值，在2-3个代表性工作点重复计算
热模型阶段
- 将HTC点云映射到对应的LPTN对流节点，而非每个零部件使用单一平均值
- 包含固体间的热接触导热系数（轴-转子、转子-磁钢）
- 必要时用一维流动网络对轴内油道进行建模
- 在完整工作持续时间内运行热仿真，热模型可高效处理慢动态过程
- 以绕组峰值温度而非平均绕组温度对照绝缘等级额定值进行核查
案例研究结果
在一个具体案例中（电机转速2,000 RPM，润滑油1.6 L，轴流量12 L/min，总热损失9 kW），绕组和定子表面的HTC值在粒子CFD仿真约4.5秒时达到稳态。提取的空间平均值为：绕组160 W/m²K，定子200 W/m²K。这些值并非均匀分布：解析后的分布在直接润滑油接触区域呈现出明显更高的HTC。
表1：耦合仿真关键结果
| 指标 | 数值 |
|---|---|
| 粒子CFD中HTC稳定时间 | ~4.5 s |
| 绕组平均HTC | 160 W/m²K |
| 定子平均HTC | 200 W/m²K |
| 预测绕组峰值温度 | 235 °C |
将上述数据输入三维/一维混合热模型后，耦合仿真预测系统温度范围为80°C（初始润滑油温度）至绕组峰值温度235°C。热传导路径清晰可见：能量从绕组流向定子并向环境散发。235°C的峰值温度是驱动绝缘等级选型的关键数值，而这一数值只有在热模型接收到空间分辨HTC分布（而非整体平均值）时才能获得。
表2：热边界条件方法对比。粒子CFD与热网络耦合兼具热点分辨精度与驱动循环仿真效率，弥合了经验热网络与全三维CFD之间的差距。
| 方法 | HTC输入 | 热点精度 | 驱动循环速度 |
|---|---|---|---|
| 采用经验关联式的LPTN | 每表面单一平均值 | 遗漏不对称热点 | 快速 |
| 全三维CFD+热分析 | 完全解析 | 高 | 不适用于驱动循环 |
| 粒子CFD → 热网络 | 每区域空间分辨值 | 高（捕获热点位置） | 适用于设计迭代 |
结论
EDU热仿真中的时间尺度差距是真实存在的工程约束，而非软件局限。粒子CFD与三维/一维混合热模型并非竞争关系，而是互补关系，各自适用于问题的特定部分。粒子仿真提供热模型自身无法生成的润滑油分布和表面HTC；三维/一维混合热模型提供随时间演变的温度，并通过三维FEM解析每个零部件内部的热量发展过程，而这是粒子仿真在经济上无法持续承担的。若以空间分辨HTC作为交接点进行正确连接，两者组合的工作流程所提供的热点预测精度足以支撑绝缘等级决策和冷却回路设计，且速度适合设计迭代阶段，而不仅仅是最终验证。
如果您正从事EDU冷却研究，希望将此工作流程应用于您自己的设计，欢迎申请试用 shonDy和shonTA。