在汽车工业中,涉水是指汽车以较低的速度穿过相对较深的水域,例如穿越河流或被洪水淹没的道路。 汽车安全涉水的深度至关重要,以轮胎接触点和发动机进气系统之间的距离来衡量。 这项测量对于防止进水和保护发动机至关重要。
案例描述
用一个案例,来模拟上述涉水场景。 在模拟过程中,汽车将穿越深度为30厘米的水道。 水道的尺寸如下图所示。 模拟选择了两种不同的速度:2 米/秒,相当于约 7 公里/小时,以及 3.33 米/秒,相当于 12 公里/小时。
几何形状
通道的几何形状是使用 shonMesh 根据上述草图生成的,而汽车的几何结构是所谓的DrivAer模型,该模型由慕尼黑工业大学流体力学与空气动力学研究所 开发。 该模型旨在弥合过度简单的模型(如 Ahmed 车身)与复杂的量产车之间的差距。 在本模拟中,DrivAer模型有以下配置:
- 斜背式车顶 (notchback)
- 详细的底盘结构
- 包括后视镜
- 车轮
下图中可以看到 STL 文件以及水道的网格。
案例设置
在第一次模拟中,汽车在 1 秒后开始运动,在 2.5 秒内从 0 加速到 2 m/s,在接下来的 15 秒内保持该速度,并在 18 秒后停止。 因此,总计算时间为 18 秒,表示通过整个水道所需的持续时间。 在第二次仿真中,车速较高,为3.33 m/s,车通过水道仅需12.5秒,总仿真时间较短。 精确的速度曲线可以在下图中观察到。
两次仿真的液体区域设置相同:水道中总计15.943 m3的液体,相当于30 cm的高度。 在本次模拟中,使用了 1.26 cm 的流体粒子半径,总共产生了 100 万个粒子。
采用了多种采样方法,包括:
- 汽车中心线上的采样点
- 在车轮周围的采样窗口
- Sampling lines within the channel
These samplings are depicted in the figures below.
仿真结果
以下视频概述了模拟情况。 上一行显示慢车,下一行显示快车。 两个俯视图 (右侧的视频) 很好地展示了前波扩散的差异:浅水中表面波的速度可使用以下公式进行近似计算
$v_{wave} =\sqrt{g h}$
其中g是重力加速度,而h是水的深度。
在慢车的视频中,很明显,在水较浅的坡道上,波的传播速度小于汽车速度;波前始终保持在汽车前方。 在水道的底部,波浪的速度略快于汽车,因此它超过了汽车。 在第二个模拟中,汽车的速度始终快于波的传播速度,因此波前始终保持在汽车的前部。
下面的图像显示了汽车的覆盖率。 这里使用了 shonDy 的内置时间平均滤波器,允许用户不仅直观地看到当前值(在本例中为覆盖率),而且还可以看到特定时间内的平均值。 在所呈现的数据中,覆盖率是 0.25 秒内的平均数,以便更清楚地了解水在何处弄湿了汽车。
跟之前一样,上行表示慢车,下行表示快车。 比较两种速度,可以清楚地看出覆盖率的分布模式存在差异。 随着速度的提高,汽车必须应对更高的波浪,这导致几乎整个汽车前部被水覆盖。 这可能会导致发动机舱进水,从而堵塞进气口并导致发动机故障。 另一方面,对于速度较慢的汽车,水只覆盖前部的下半部分,这意味着发动机熄火的风险要低得多。 侧视图还揭示了一个差异:对于速度较快的汽车,靠近汽车前门的水位也较高。
如下图所示,采样点位于汽车前部的中心线上,记录了压力随时间的变化。 为了提高可比性,这些图表不显示随时间变化的压力,而是显示汽车质心位置 (在 x 方向上) 的压力。 为了便于定位,沿 x 轴描绘了水道轮廓。
总体而言,可以观察到最低点的压力最高,而较高点的压力则降低。 速度越高,汽车承受的压力就越大。 The pressure graph for the slower car shows that point 7 is not in contact with the water for most of the time after the car is fully in the waterway.
另一方面,速度较高的图表表明,第一次撞击导致压力最高,从那里开始,压力几乎连续下降。 相比之下,在较低速度下,压力峰值要低得多。 然而,由于汽车的速度,水流不会流向汽车后方;相反,水流前沿保持在汽车前方,导致车沿水道行驶时,压力相对稳定。
下面的图表说明了如何利用体积样品。 在右图中,我们观察左侧轮胎的体积样本的位置。 在图中,描绘了样品中汽车位置上的流体体积。 一般来说,与后轮胎相比,前轮胎需要应对的水量要大得多。 这与上图一致,我们可以看到覆盖率。 从这张图片中可以明显看出,水积聚在汽车前部,而在积水之后,汽车的其余部分经历了类似的低水位。
在比较高速和低速模拟时,我们观察到与上述类似的情况:在更高的速度下,前后轮胎都必须应对更多的水。
计算统计概要
组件 | 描述 |
---|---|
操作系统 | 窗口 |
CPU | 12th Gen Intel(R) Core i9-12900K |
RAM | 64 GB |
GPU | NVIDIA GeForce RTX 3090 |
参数 | 案例2m/s | 案例3.33 m/s: |
---|---|---|
仿真时间 | 18 秒 | 12.5 秒 |
颗粒数 | 约100万 | 约100万 |
粒子半径 | 1.26 cm | 1.26 cm |
计算时间 | 19.4小时 | 6.8小时 |