|藝海探秘

編輯|藝海探秘

前言

使用計算流體動力學（CFD）引導的方法，針對一臺重型柴油發動機用研究辛烷值（RON）為80的汽油燃料進行燃燒系統優化，目標是在保持排放的氮氧化物（NOx）范圍內的前提下，優化汽油壓縮點火（GCI）燃燒配方（活塞凹形設計、噴油器噴霧模式、缸內渦流運動和熱邊界條件），以提高燃油效率。

數值模型使用了多維CFD軟件CONVERGE進行開發。采用了兩階段的設計實驗（DoE）方法，第一階段集中在活塞凹形設計的優化，第二階段則涉及燃燒配方的細化。在優化活塞凹形設計時，使用了一個名為CAESES的軟件工具，自動改變關鍵的凹形設計參數，從而生成了256種不同的燃燒室幾何形狀。

在幾個不同的發動機工作條件下評估了多種設計方案，第二階段的設計實驗活動旨在優化噴油器噴霧模式、燃油噴射策略和缸內渦流運動，針對第一階段中表現最佳的活塞凹形設計進行優化。這項全面的優化研究在超級計算機Mira上進行，以加速開發一個專注于燃油效率的優化設計。

與基線發動機的生產燃燒系統相比，我們得出的新燃燒配方在關鍵的發動機工作點上顯示出顯著提高的閉環燃油效率，同時滿足發動機排放的氮氧化物（NOx）目標。預測優化后的活塞凹形設計和噴油器噴霧模式將提供更高效地利用缸內空氣，并實現更快速混合控制燃燒，從而提高燃油效率。

另外，將發動機熱邊界條件轉向較為貧燃的運行狀態也是提高燃油效率的關鍵。

當前的預測表明，隨著全球經濟的擴張，柴油和中間餾分油的需求將繼續增長，而由于部分乘用車隊實現電動化，汽油產品的需求將會下降。這種預期中的需求轉變為汽油類燃料在商用車輛領域獲得更廣泛接受提供了機會，但前提是必須實現高效率和低排放。

從汽油生產中產生的燃料具有高揮發性和低芳香物含量，已經顯示出在壓燃發動機中降低從生產到廢棄的溫室氣體排放和標準污染物的潛力, 。其中一些汽油類燃料的十六烷值（CN）較柴油較低，導致點火延遲較長，并在燃燒開始前實現更好的燃油-空氣混合。

這些特性以及較低的芳香物含量將導致較低的顆粒物排放。汽油壓縮點火（GCI）燃燒策略利用了這種特性，有潛力在實現低標準污染物排放的同時實現高燃油效率。

我們在先前的研究中，重點關注了重型混合控制汽油壓縮點火（GCI）概念的燃燒系統設計和優化，使用了一個研究辛烷值（RON）為60的高反應性汽油。

這些研究結果表明，通過優化的活塞凹形設計、噴油器配置和缸蓋，相較于基準情況，可實現多達4.1%的指示特定燃油消耗（ISFC）改善，同時目標是滿足現有的2010年美國環保局（EPA）的發動機排放氮氧化物（NOx）水平。

為應對未來提議的較低NOx排放標準（0.027 g/kWh），進行了大量發動機實驗，壓縮比（CR）為15.7，使用了辛烷值從RON58到RON93不等的燃料，發動機排放氮氧化物（NOx）從0.5到4 g/kWh不等。該實驗的結果促使了一種燃燒系統設計策略的發展，該策略利用了汽油類燃料的化學和物理特性。

基于這一成熟的策略，我們的目標是對辛烷值為80的汽油進行燃燒系統設計和優化，這種燃料的行為更接近市場上的汽油。研究的目標是實現發動機排放氮氧化物（NOx）在1-1.5 g/kWh范圍內，并假設在暖發動機運行期間選擇性催化還原（SCR）的轉化效率達到97-98%，以滿足未來較低的排氣管NOx排放標準。

在汽車行業中，有兩種流行且高效的燃燒系統優化技術，分別是遺傳算法（GA）和設計實驗（DoE）。遺傳算法方法在探索最優設計策略時被認為是高效和有效的，但通常需要許多代才能收斂，這可能導致設計周期延長。相反，設計實驗方法能夠同時運行更多的模擬，因此在足夠的計算資源可用時，可能實現更短的設計時間。

先前的研究已經證明了自動化活塞凹形設計的有用性，使用集成了遺傳算法（GA）的計算流體動力學（CFD）代碼，對小和大缸徑的柴油發動機燃燒室幾何形狀進行了優化。

我們對三個與燃燒室幾何形狀相關的變量（活塞凹形半徑、活塞凹形深度和活塞頂部）以及六個發動機運行變量進行了優化，并發現兩臺發動機都傾向于采用相對較大直徑和較淺的活塞凹形，結合較長的噴油持續時間、較小的噴孔直徑和適度的渦流比。

在后續的研究中，開發了一種自動化的扇區網格生成技術，將更靈活的六個參數活塞凹形設計納入多維CFD進行高速直噴柴油發動機的優化。以最大化化學當量比柴油燃燒的燃油經濟性。我們采用的自動網格生成器能夠基于五個參數（如凹形深度），使用貝塞爾曲線生成開孔式和再入式活塞凹形設計。

類似的方法也被用于考慮高速直噴柴油發動機活塞凹形設計對燃油消耗、排放和發動機噪聲的影響。

我們采用了參數化設計工具CAESES，相比先前的研究，這允許更大的靈活性，可調整活塞凹形設計的自由度。此外，我們使用阿貢國家實驗室的世界領先超級計算機Mira，以并行計算的方式運行CFD模擬，大大加快了整體設計優化時間。

發動機規格和燃料

在實驗中，使用一臺生產于2013年的康明斯ISX 15柴油發動機作為平臺，來評估在混合控制和低溫燃燒條件下汽油類燃料的性能。發動機的一般規格列在表1中。

為了研究低NOx排放的潛力，將發動機的壓縮比從生產版本的18.9降低到15.7，通過均勻地從活塞頂部的凹形區域外部去除材料實現。測試了幾種不同辛烷值的汽油燃料，以及市場代表性的超低硫柴油（ULSD）。這些汽油燃料具有相似的物理性質，表2列出了RON80汽油的規格，以及ULSD的規格，以突顯它們之間的差異。

與ULSD相比，RON80汽油具有更高的揮發性、較低的粘度、較低的芳香物含量、較高的低位發熱值（LHV）和較低的十六烷值（CN）。

發動機測試結果

在之前的研究中，我們進行了一系列系統的發動機測試實驗，采用超低硫柴油（ULSD）和不同辛烷值的汽油燃料，在壓縮比為15.7的條件下開發低NOx燃燒策略。圖1顯示了在三個Supplemental Emissions Test (SET)穩態測試條件下，不同燃料在不同NOx水平下的制動比燃料消耗（BSFC）。

SET測試模式的整體轉速和負荷范圍大致在1135-1600 rpm和5-20巴的制動平均有效壓力（BMEP）之間。圖中的三個測試條件對應著發動機轉速為1375 rpm，負荷分別為5、10和15巴BMEP。除了B25點外，燃料噴射策略使用單次噴射來供給燃料。

由于在B25條件下點火延遲太長，無法將最大壓力升高率（MPRR）控制在設定閾值以下，因此在該發動機轉速和負荷下，RON80和RON93的噴射策略被切換為分裂噴射。測試結果顯示，與ULSD相比，汽油燃料的BSFC普遍較低，主要是由于其更高的能量含量。

圖2顯示了在圖1中相同的三個工況下，ULSD和RON80汽油的缸內壓力和表觀放熱速率（AHRR）。由于汽油的高揮發性，它通常具有更短的液體長度和更長的點火延遲，從而導致更多的預混合燃燒和更短的燃燒時間，這通常有利于燃料消耗。

由于RON80汽油在三個測試條件下顯示出最有前景的燃料效率趨勢，因此被選擇用于低NOx燃燒系統的開發。

燃燒系統開發方法

分析驅動的設計過程是任何發動機開發項目中生成燃燒系統（例如活塞凹形、噴油器噴霧模式等）初始設計的重要工具，它涉及3D計算流體動力學（CFD）缸內燃燒開發與1D發動機循環分析的緊密結合。

該方法是在之前的重型混合控制燃燒系統開發項目中開發的，該項目應用了設計實驗（DoE）優化，針對DoE之前的研究中的幾種有潛力的設計進行了優化?；谀琼椦芯康慕涷灲逃枺迷O計軟件工具CAESES[16]自動化生成了新一代的活塞凹形設計變體，從而擴展了潛在的搜索空間。

我們對大量幾何空間進行了篩選，以找出性能最優的設計，同時CAESES防止了不可行的設計形狀。然后，我們通過在阿貢國家實驗室的超級計算機Mira上進行多維CFD模擬評估了這些設計候選方案，采用并行計算方式，大大加快了整體設計優化時間。

以下是目前的CFD引導設計過程概述：

1、模型構建與驗證

2、設定CFD模型

3、根據實驗數據校準噴霧和排放模型

4、DoE前參數研究

5、生成并評估初始活塞凹形設計概念

6、確定關鍵設計參數及其設計空間

7、定義排放目標和發動機機械限制

8、進行DoE設計優化

9、第一階段DoE，使用CAESES進行自動化活塞凹形優化

10、第二階段DoE，進一步優化燃燒配方

活塞凹形設計和燃燒配方的DoE設計優化將在后續章節中描述。CFD模型構建與驗證模型構建已在之前的研究中進行了描述，表3列出了所使用的子模型的列表。

我們采用了商業CFD軟件CONVERGE來開發這個模型。由于需要大量的模擬，我們采用了基于雷諾平均納維-斯托克斯（RANS）的再標準化群（RNG）k-e湍流模型，并與詳細的化學反應模型SAGE以及多區域方法相結合。對于RON80汽油，我們使用了主參考燃料（PRF）機理作為化學動力學模型。

在該研究中，我們使用了拉格朗日型噴霧模型來模擬噴霧過程，假設采用“Blob”噴射方法。液滴被分組成小包以統計地表示噴霧場在燃燒室內的分布，使用特定的噴射速率（ROl）來描述噴霧。在二次細碎過程中采用了Kelvin-Helmholtz（KH）和Rayleigh-Taylor（RT）算法，碰撞過程采用了無時間計數器（NTC）模型。

液滴蒸發采用Frossling相關性模型進行建模，燃料液體屬性由Aspen HYSYS生成。采用經驗的Hiroyasu NSC模型來模擬煤煙形成和氧化過程，CH4作為煤煙前體。NO預測采用了一個4個物種和13個反應的簡化機制。雖然有更詳細和準確的模型可用，但在這項研究中，子模型的選擇是在精確性和計算效率之間進行權衡，因為這是一個大規模的優化研究。

例如，大渦模擬（LES）能夠處理長度尺度的巨大差異，并更好地解析湍流場；一些先進的燃燒模型能夠考慮更多的物理過程，例如湍流-化學-相互作用（TCI）的影響；單向耦合方法能夠更好地捕捉噴霧瞬態和混合過程；更詳細的煤煙模型能夠更準確地預測煤煙排放。這些模型已經證明了它們的準確性，但在進行廣泛的優化研究中是不可行的。

考慮到計算效率，采用了基于梯度的自適應網格細化（AMR）和固定嵌入近噴嘴出口的策略，以精細化適當的區域，同時將較不重要的區域的單元保持相對粗糙。邊界條件是根據經過驗證的一維GT-Power模型生成的。

CFD模型的驗證結果顯示在圖3中，預測結果與B25和B50處的實測缸內壓力和表觀放熱速率（AHRR）進行了比較?？梢钥吹剑A測結果與實驗數據相當一致，并且對于全面的設計優化結果的可靠性提供了信心。

圖3：實驗結果與數值預測在CR15.7下B25和B50工況的缸內壓力和AHRR對比 。

DoE前參數研究

進行了廣泛的DoE前參數研究，旨在評估初始概念、確定關鍵設計變量及其范圍，并設定性能目標。為了保持完整性，部分重要信息從之前的研究中重復列出。

考慮了四個工況，包括B25、B50、A100和C100，涵蓋了長途卡車的廣泛條件。性能目標如表4所示，低到中負荷工況的目標是1 g/kWh的發動機排放NO，高負荷工況的目標是1.5 g/kWh。發動機煤煙的排放目標是保持在與15.7壓縮比時測量的水平相當或更低。發動機機械限制設定為最大壓力升率（MPRR）為12 bar/CA（曲軸角度），最大缸內壓力（PCP）為220 bar。

基于實驗結果，為了改善低負荷GCI運行和冷啟動性能，發動機壓縮比設計目標從15.7提高到16.5。噴油器噴嘴尖端的噴孔數增加到9個，以實現更好的燃油與空氣的混合，同時保持總流量恒定。建議的發動機熱邊界條件提高了Prvc，降低了Trvc，并假設了更高的EGR率，這將需要單獨優化空氣處理系統。

DOE設計優化

由于在一個大的DoE優化過程中同時考慮活塞碗幾何形狀變化（約12個設計變量）和燃燒配方變化（約4或5個設計變量）將會非常具有挑戰性，因此決定采取兩階段的DoE方法。第一階段的DoE過程專注于活塞碗形狀的優化，而第二階段則專注于進一步優化燃燒配方，使用最有潛力的設計候選方案。

首次DoE優化：活塞碗形狀

CAESES是一種高度專業化的計算機輔助設計（CAD）系統，用于流體暴露幾何形狀的參數化設計和優化，比如內燃機的各種部件（例如進氣道、歧管、燃燒室、冷卻通道等）。它的CAD建模方法專注于在自動化過程中對幾何形狀進行穩健高效的參數化變化。

模型是在預定義的設計空間內建立的，從純粹的幾何再生角度或考慮設置的設計約束來防止不可行的變體的生成。除了建模環境，CAESES還包含了流程自動化工具，例如連接到外部仿真代碼，以及DoE和優化算法來推動整個設計過程。

我們本次的設計對象是一個軸對稱的活塞碗。因此，幾何形狀可以簡單地作為旋轉體從參數化的輪廓生成（見圖4所示為所采用的輪廓形狀和設計參數）?；钊胼喞淖钪匾膸缀翁卣魇撬^的唇部（它決定了噴油器噴霧是如何分解成個別渦旋，從而影響混合和燃燒的過程)。

唇部的垂直和徑向位置分別由參數lipDepth和lipRadius控制，而其銳利程度由參數lipCircleRadius控制。從唇部開始，碗的其余輪廓向兩個方向展開。在唇部周圍生成一個“軌道”，其半徑由lipCircleRadius、bowlRadius和兩者之間的距離deltaRadius之和確定。碗的半徑中心位于此軌道上，位置由參數lipAngle決定。

在初始階段，pip（高度由參數centerDepth控制）和碗半徑之間創建一個直線的切線連接，然后可以用參數slopeAngle使其向上傾斜。從唇部看，沿著碗向上延伸的過程中，有幾個參數（stepRatio、stepLength l）決定了引導到活塞頂部的臺階的形狀。臺階平臺還可以通過參數stepCurvature從直線形狀改變為曲線形狀。

最后，我們保持了活塞與缸套之間的縫隙形狀不變。這種參數化方法允許對碗進行靈活的變化，涵蓋了廣泛的范圍。改變活塞碗的單個設計參數顯然會對壓縮比產生影響，而我們在本研究中，壓縮比應該保持固定在預定義的值16.5。

因此，為了調整壓縮比并確保其達到預定值16.5，模型中添加了一個自動化過程。雖然其他參數都是獨立的并由DoE過程直接設置，但bowlRadius參數被設置為依賴參數，用于實現正確和準確的壓縮比。其值是由內部優化循環確定的，一旦所有其他參數值設置完成，該循環就會觸發。圖5說明了改變一個單獨參數對bowl半徑的影響。

由于噴霧的定位顯著影響發動機性能，在第一階段的DoE中，噴霧始終定位在bowl半徑和唇圈之間連接的中心點（見圖6）。隨著bowl形狀的變化，絕對位置會發生變化，因此噴霧定位必須進行調整。這些值由CAESES從幾何模型中確定，并插入到相應的CFD輸入文件中。

DoE研究在CAESES中使用Sobol序列運行，由于仿真是在超級計算機上運行的，因此CAESES不直接觸發計算，而是生成了一個包含256個設計變體及其相應CFD輸入文件的庫，然后將它們移動到超級計算機上執行。

在所有結果可用后，它們被編譯成一個表格，由CAESES讀取以生成一個代理模型。該代理模型隨后建議潛在的最優設計，并估算其性能。

第二階段的DoE優化著重于對燃燒配方的進一步優化

為了找到性能最佳的設計方案，我們進行了第二階段的DoE優化，對每個設計方案在每個工況下進行了優化。我們考慮了噴射開始時間（SOI）、噴嘴總面積（TNA）、噴嘴包括角度和渦旋比等設計參數。對于B50工況，我們還對主噴射和副噴射的SOI進行了變化。我們采用了分層拉丁超立方采樣方法來采樣設計空間，如圖7所示是在B50工況下的一個示例。

這種采樣方法可以更好地控制設計空間的分布，同時避免計算成本過高。對于B50工況，生成了64個樣本，對于其他工況，生成了46個樣本。這些樣本數據被輸入到定制的CONVERGE CONGO模塊中，用于生成CFD輸入文件。CONGO腳本負責根據噴射壓力、噴嘴孔數和TNA生成噴射率（ROI）曲線。

在這個研究中，噴射器的包括面積（INA）是ROI曲線生成的控制因素。總共進行了3000多次CFD模擬，使用Mira超級計算機，每個案例使用32個處理器。

在對Mira上的計算完成后，從仿真數據中提取了與優化相關的參數，包括ISFC、煙塵、NOx、MPRR、PCP和其他與燃燒相關的參數。結合采樣數據，這些參數被輸入到MATLAB基于模型的校準（MBC）工具箱中，創建了響應曲面模型（RSM），如圖8所示是一個示例。

將RSM模型輸入到校準優化工具箱進行最終優化。在優化過程中得出推薦設計方案后，我們進行了進一步的驗證和不同工況之間的權衡，以獲得最終的設計候選方案。

MIRA超級計算機是一臺強大的超級計算機，位于Argonne領先計算設施

位于美國Argonne國家實驗室的Mira超級計算機是世界上速度最快的超級計算機之一，它被用于進行這個計算密集型的設計優化。此前，曾經利用這臺超級計算機進行汽油壓縮點火系統的全局敏感性分析，以了解各種設計參數對發動機效率和排放的影響。

Mira是一臺IBM Blue Gene/Q超級計算機，位于Argonne領先計算設施(ALCF)，擁有786,432個計算核心。它包含48個機架，每個機架有1024個計算節點，每個節點含有16個處理器。每個模擬運行在32個處理器上，并且256個模擬被分組為一個集合。每個集合通常需要四天時間完成，包括隊列等待時間。

與傳統計算集群上的單個任務需要約8小時相比，這個時間要慢得多。這是因為超級計算機是為大規模并行任務設計的，它們的優勢在于處理器數量，而不是處理器的速度。使用Mira進行256個案例的集合的計算，整體效率要遠遠優于傳統計算集群。

結果與討論

設計變量和它們的可接受范圍經過精心平衡，以提供足夠的設計搜索空間，同時確?？梢院侠淼刂圃煊布?。第一階段DoE優化的設計變量及其范圍列在表格5中。

在CAESES中使用了Sobol序列生成了256個設計，如圖9所示。粉色虛線代表每個獨立的設計，加粗的實線顯示了三個示例設計。可以看出，這樣生成了一個廣泛的設計空間，而不會產生不可行或難以制造的變體。

在Mira超級計算機上，對256個設計候選項在四個工況下進行了同時運行的CFD模擬。圖10展示了在提取性能結果后，關于stepCurvature和lipRadius的ISFC響應曲面的一個示例.

研究發現，在活塞碗幾何設計變量中，lipRadius對ISFC的影響最為顯著。這可以通過兩個競爭因素來解釋：碗唇的熱傳導和中央區域空氣利用率。當lipRadius較大時，噴霧與碗唇之間的相互作用較少，導致較低的熱傳導損失，但同時也導致了在燃燒室中央部分較差的空氣利用率。

而當lipRadius較小時，噴霧對碗唇的沖擊導致較高的熱傳導損失，但碗中央區域的空氣利用率較好。這兩個競爭因素導致了不同工況下的不同設計結果。在圖11中，展示了在不同工況下，從256個評估中挑選出的5個最佳設計。

可以看出，低轉速（A100）和低負荷（B25）工況通常推動了更窄更深的設計，而中高轉速和負荷工況（B50和C100）更傾向于更寬更淺的設計。研究發現，進一步使用RSM進行優化并沒有改進256個候選項中的最佳設計的性能。一個假設是采樣池已經覆蓋了足夠的搜索空間，消除了局部未檢測到的極值點。

價值函數和權重函數

為了協調不同工況下的最佳設計，我們制定了一個綜合評價函數，考慮了ISFC（燃油消耗率）、PCP（最大缸內壓力）、MPRR（最大壓力上升率）、Soot（碳黑排放）和NOx（氮氧化物排放）相對于基準CR15.7值的重要性。

在評價函數中，ISFC_op和SOOT_op分別表示在相應工況下基準設計（表格7中的數值）的ISFC、Soot和NO值。對于A100和C100工況，我們使用了設計256中的數值。我們采用了來自EPA SET權重的一組權重因子，并線性縮放計算每個設計的綜合評價值（見表格6）。

最后，在圖12中展示了三個具有最高綜合評價值的設計。基準設計（未在圖中顯示）的綜合評價值為100，而設計候選者256、176和34的綜合評價值都超過了100。這三個設計在減少通過活塞碗口的熱傳遞損失和提高活塞碗中心部分的空氣利用之間找到了最佳平衡。

與基準設計相比，三個最佳設計的性能如表7所示，可以看出設計候選者256、176和34在B25和B50條件下的燃油消耗顯著改善。值得注意的是，A100和C100條件下的基準設計沒有進行測試，因此表中未顯示改進值。在B50條件下，設計256的ISFC改善了6.3%，而其他兩個設計僅改善了5%。粉塵、氮氧化物、最大壓力上升率和最大氣缸壓力都在設計約束范圍內。

圖13展示了三個最佳設計在B25和B50條件下與基準設計相比的模擬缸內壓力和AHRR（表征放熱率）。可以看出，三個新的活塞碗設計在這兩個條件下的缸內壓力都相似且高于基準設計。然而，AHRR被很好地控制，以防止壓力升速過快。

圖13,。在(a)圖中是B25條件下的比較，在(b)圖中是B50條件下的比較。

圖14展示了B25和B50條件下的空氣利用率預測，清楚地顯示三個最佳設計的空氣利用率比基準設計更好，混合氣較為均勻，空氣利用更充分?？諝饫寐适呛饬咳紵实闹笜?，反映了噴射燃料與空氣的混合程度和完全燃燒的程度。雖然并不完美，但較好的空氣利用率與整體發動機效率的提高相關。

圖14在(a)圖中是B25條件下的比較，在(b)圖中是B50條件下的比較。

第二階段的設計優化

根據前面描述的設計方法，針對圖12中展示的三個最佳設計候選方案，進行了第二階段的優化，重點是進一步改進燃燒配方。在這個優化過程中，考慮了SOl（噴油開始時刻）、渦流比、噴孔包含角度和TNA（總噴孔面積）。設計變量及其設計空間如表8所示。其中，TNA是相對于基準值進行了歸一化處理，因此基準值為1。

使用CONVERGE CONGO模塊生成了模擬案例，并在Mira上運行。然后，構建了相應的響應曲面，并將其輸入MBC工具箱進行優化。在優化燃燒配方后，對比表7中的結果，發現一些輕微的改進，某些情況下ISFC改善了約1%。

通常情況下，優化燃燒配方對于實現更好的性能非常有用，但在這種情況下，這一小改進可能是由于之前的廣泛和詳盡的預優化研究。通常，進一步優化燃燒配方的第二階段DoE優化是燃燒系統設計優化過程中非常重要且標準的步驟。

ISFC 改進分析

圖15展示了對設計候選方案256在B50工況下，關鍵設計要素對ISFC改進的貢獻分析。設計空間可分為三個主要元素：活塞碗（壓縮比從15.7到16.5），噴油器配置（包括噴孔夾角的修改）以及氣流處理系統（包括進氣閥關閉時的溫度、壓力和氣體組成）。在B50工況下，ISFC改進為6.3%，與基線結果相比。

圖15顯示，在這個中速和中負荷條件下，碗設計貢獻了12%的ISFC改進，而噴油器配置貢獻了33%的改進。這并不奇怪，這表明新設計的活塞碗必須與相應的噴油器配合，以發揮其潛力，即實現正確的噴射目標和燃油質量流量，以獲得最佳的燃燒室內空氣利用率。

值得注意的是，氣流處理系統的改進幾乎占到了總ISFC改進的55%，這表明該系統在降低NOx方面的重要性。相關的氣流處理系統設計和評估研究正在進行中，并將在未來的出版物中展示。

結論

針對重型壓燃發動機，我們采用RON80汽油進行了CFD引導的燃燒系統優化，目標是實現1g/kWh的發動機出口NO水平。以下是主要發現的總結：

1、我們開發了一種高效且穩健的兩階段DoE方法，用于發動機燃燒系統的設計和優化。

2、使用高度專業化的CAD系統CAESES，自動化地變化活塞碗形狀和相關的噴霧定位，同時篩選出不可行的形狀。證明在廣泛的設計空間中對概念進行篩選是高效且可靠的。

3、在世界領先的超級計算機Mira上進行了3000多次仿真，實現了加速的設計和優化過程。

4、發現不同的工況偏好不同的碗形狀，低速低負荷工況傾向于更窄的設計，以實現燃燒室中心部分的更好空氣利用，而中高速和負荷工況則傾向于更寬的設計，以降低碗唇的熱傳遞。

5、三種活塞設計顯示出很有前景的效率改進，其中設計候選256在B50工況下預計提升了6.3%，其他設計也有5%的改進。

6、ISFC改進分析表明，優化的碗設計必須與相應的噴油器配合，以實現其潛力，即正確的噴霧定位和燃油質量流量，以實現燃燒室內最佳空氣利用。同時，氣體處理系統是實現低NO目標的關鍵。

7、未來的工作包括：有前景的碗設計正在進行硬件制造，并預計在2019年進行引擎驗證。正在進行使用RON91汽油的設計優化工作。正在進行各種氣體處理系統配置的評估，并預計在2019年上半年進入測試階段。同時，還在探索基于機器學習的新型發動機設計優化技術。

參考文獻

[1]OPEC, “2014 World Oil Outlook,” Organization of the Petroleum Exporting Countries (OPEC), Vienna, Austria, 2014.

[2]Kalghatgi, G., Risberg, P., and ?ngstr?m, H., “Advantages of Fuels with High Resistance to Auto-ignition in Lateinjection, Low-temperature, Compression Ignition Combustion,” SAE Technical Paper 2006-01-3385, 2006, doi:10.4271/2006-01-3385.

[3]Kalghatgi, G., Risberg, P., and ?ngstr?m, H., “PartiallyPre-Mixed Auto-Ignition of Gasoline to Attain Low Smoke and Low NOx at High Load in a Compression Ignition Engine and Comparison with a Diesel Fuel,” SAE Technical Paper 2007-01-0006, 2007, doi:10.4271/2007-01-0006.

[4]Kalghatgi, G., Hildingsson, L., and Johansson, B., “Low NOx and Low Smoke Operation of a Diesel Engine Using Gasoline-Like Fuels,” J. Eng. Gas Turbines Power 132(9), 2009, doi:092803, 10.1115/1.4000602.

[5]Zhang, Y., Voice, A., Tzanetakis, T., Traver, M. et al., “An Evaluation of Combustion and Emissions Performance with Low Cetane Naphtha Fuels in a Multi-cylinder Heavy-Duty Diesel Engine,” J. Eng. Gas Turbines Power 138(10):102805, 2016, doi:10.1115/1.4032879.

[6]Zhang, Y., Kumar, P., Traver, M., and Cleary, D., “Conventional and Low Temperature Combustion Using Naphtha Fuels in a Multi-Cylinder Heavy-Duty Diesel Engine,” SAE Int. J. Engines 9(2):1021-1035, 2016, doi:10.4271/2016-01-0764.

[7]Pei, Y., Zhang, Y., Kumar, P., Traver, M. et al., “CFD-GuidedHeavy Duty Mixing-Controlled Combustion System Optimization with a Gasoline-Like Fuel,” SAE Int. J. Commer. Veh. 10(2):532-546, 2017, doi:10.4271/2017-01-0550.

[8]Zhang, Y., Kumar, P., Pei, Y., Traver, M., and Cleary, D., “An Experimental and Computational Investigation of Gasoline Compression Ignition Using Conventional and Higher Reactivity Gasolines in a Multi-Cylinder Heavy-Duty Diesel Engine,” SAE Technical Paper 2018-01-0226, 2018, doi:10.4271/2018-01-0226.

[9]Senecal, P.K. and Reitz, R.D., “Simultaneous Reduction of Engine Emissions and Fuel Consumption Using Genetic Algorithms and Multi-Dimensional Spray and Combustion Modeling,” SAE Technical Paper 2000-01-1890, 2000, doi:10.4271/2000-01-1890.

[10]Probst, D.M., Senecal, P.K., Qian, P.Z., Xu, M.X. et al., “Optimization and Uncertainty Analysis of a Diesel Engine Operating Point Using CFD,” in Proceedings of the ASME 2016 Internal Combustion Engine Division Fall Technical Conference, ICEF2016-9345, Greenville, SC, Oct. 2016.

[11]Wickman, D., Senecal, P., and Reitz, R., “Diesel Engine Combustion Chamber Geometry Optimization Using Genetic Algorithms and Multi-Dimensional Spray and Combustion Modeling,” SAE Technical Paper 2001-01-0547, 2001, doi:10.4271/2001-01-0547.

[12]Wickman, D., Yun, H., and Reitz, R., “Split-Spray Piston Geometry Optimized for HSDI Diesel Engine Combustion,” SAE Technical Paper 2003-01-0348, 2003, doi:10.4271/2003-01-0348.

[13]Park, S.W., “Optimization of Combustion Chamber Geometry for Stoichiometric Diesel Combustion Using a Micro Genetic Algorithm,” Fuel Processing Technol. 91:1742-1752, 2010, doi:10.1016/j.fuproc.2010.07.015.

[14]Broatch, A., Novella, R., Soriano, J., Pal, P. et al., "Numerical Methodology of Optimization of Compression-Ignited Engines Considering Combustion Noise Control", SAE Technical Paper 2018-01-0193, 2018, doi: 10.4271/2018-01-0193.

[15]Lee, S. and Park, S.W., “Optimization of the Piston Bowl Geometry and the Operating Conditions of a GasolineDiesel Dual-Fuel Engine Based on a Compression Ignition Engine,” Energy 121:433-448, 2017, doi:10.1016/j.energy.2017.01.026.

[16]CAESES, https://www.caeses.com/, 2018.

[17]Pei, Y., Torelli, R., Tzanetakis, T., Zhang, Y. et al., “Modeling the Fuel Spray of a High Reactivity Gasoline Under HeavyDuty Diesel Engine Conditions,” in ASME 2017 Internal Combustion Engine Division Fall Technical Conference, ASME-ICEF2017-3530, 2017, V002T06A002.

[18]Tang, M., Pei, Y., Zhang, Y., Traver, M. et al., “Numerical Investigation of Fuel Effects on Soot Emissions at HeavyDuty Diesel Engine Conditions,” in ASME 2018 Internal Combustion Engine Division Fall Technical Conference, ASME-ICEF2018-9696, San Diego, 2018.

[19]“CONVERGE Theory Manual v2.3.28,” Convergent Science, Inc., Middleton, WI, 2018.

[20]Senecal, P.K., Pomraning, E., Richards, K.J., Briggs, T. et al., “Multi-Dimensional Modeling of Direct-Injection Diesel Spray Liquid Length and Flame Lift-off Length using CFD and Parallel Detailed Chemistry,” SAE Technical Paper 2003-01-1043, 2003, doi:10.4271/2003-01-1043.

[21]Babajimopoulos, A., Assanis, D.N., Flowers, D.L., Aceves, S.M. et al., “A Fully Coupled Computational Fluid Dynamics and Multi-Zone Model with Detailed Chemical Kinetics for the Simulation of Premixed Charge Compression Ignition Engines,” Int. J. Engine Res. 6(5):497-512, 2005, doi:10.1243/146808705X30503.

[22] Liu, Y.-D., Jia, M., Xie, M.-Z., and Pang, B., “Enhancement on a Skeletal Kinetic Model for Primary Reference Fuel Oxidation by Using a Semi-Decoupling Methodology,” Energy and Fuels 26(12):7069-7083, 2012, doi:10.1021/ef301242b.

[23]Reitz, R.D., “Modeling Atomization Processes in High Pressure Vaporizing Sprays,” Atomization Spray Technol.3:309-337, 1987.

[24]Patterson, M.A. and Reitz, R.D., “Modeling the Effects of Fuel Spray Characteristics on Diesel Engine Combustion and Emissions,” SAE Technical Paper 980131, 1998, doi:10.4271/980131.

[25]Schmidt, D.P. and Rutland, C.J., “A New Droplet Collision Algorithm,” J. Comput. Phys. 164(1):62-80, 2000, doi:10.1006/jcph.2000.6568.

[26]Frossling, N., “Evaporation, Heat Transfer, and Velocity Distribution in Two-Dimensional and Rotationally Symmetrical Laminar Boundary-Layer Flow,” N.A.C.A. 168:AD-B189, 1956.

[27]Aspen HYSYS, http://www.aspentech.com/products/aspenhysys/, 2016.

[28]Hiroyasu, H. and Kadota, T., “Models for Combustion and Formation of Nitric Oxide and Soot in Direct Injection Diesel Engines,” SAE Technical Paper 760129, 1976, doi:10.4271/760129.

[29]Golovitchev, V., http://www.tfd.chalmers.se/~valeri/MECH.html.

[30]Pei, Y., Som, S., Pomraning, E., Senecal, P.K. et al., “Large Eddy Simulation of a Reacting Spray Flame with Multiple Realizations under Compression Ignition Engine Conditions,” Combust. Flame 162(12):4442-4455, 2015, doi:10.1016/j.combustflame.2015.08.010.

[31]Pei, Y., Hawkes, E.R., Kook, S., Goldin, G.M. et al., “Modelling n-Dodecane Spray and Combustion with the Transported Probability Density Function Method,” Combust. Flame162(5):2006-2019, 2015, doi:10.1016/j.combustflame.2014.12.019.

[32]Pei, Y., Hawkes, E.R., and Kook, S., “Transported Probability Density Function Modelling of the Vapour Phase of an n-Heptane Jet at Diesel Engine Conditions,” Proc. Combust. Inst. 34(2):3039-3047, 2013, doi:10.1016/j.proci.2012.07.033.

[33]Kundu, P., Pei, Y., Wang, M., Mandhapati, R. et al., “Evaluation of Turbulence-Chemistry Interaction under Diesel Engine Conditions with Multi-Flamelet RIF Model,” Atomizat. Sprays 24(9):779-800, 2014, doi:10.1615/AtomizSpr.2014010506.

[34]Pal, P., Keum, S., and Im, H.G., “Assessment of Flamelet versus Multi-Zone Combustion Modeling Approaches for Stratified-Charge Compression Ignition Engines,” Int. J. Engine Res. 17(3):280-290, 2016, doi:10.1177/1468087415571006.

[35]Pal, P., “Computational Modeling and Analysis of LowTemperature Combustion Regimes for Advanced Engine Applications,” Ph.D. dissertation, University of MichiganAnn Arbor, 2016, http://hdl.handle.net/2027.42/120735.

[36]Quan, S., Senecal, P.K., Pomraning, E., Xue, Q. et al., “A One-Way Coupled Volume of Fluid and EulerianLagrangian Method for Simulating Sprays,” in Proceedings of the ASME 2016 Internal Combustion Engine Division Fall Technical Conference, ICEF2016-9390, Greenville, SC, Oct. 2016.

[37]Kazakov, A. and Frenklach, M., “Dynamic Modeling of Soot Particle Coagulation and Aggregation: Implementation with the Method of Moments and Application to High-Pressure Laminar Premixed Flames,” Combust. Flame 114:484-501, 1998, doi:10.1016/S0010-2180(97)00322-2.

[38]Kodavasal, J., Pei, Y., Harms, K., Ciatti, S. et al., “Global Sensitivity Analysis of a Gasoline Compression Ignition Engine Simulation with Multiple Targets on an IBM Blue Gene/Q Supercomputer,” SAE Technical Paper 2016-01-0602, 2016, doi:10.4271/2016-01-0602.

[39]Pal, P., Probst, D., Pei, Y., Zhang, Y. et al., “Numerical Investigation of a Gasoline-Like Fuel in a Heavy-Duty Compression Ignition Engine Using Global Sensitivity Analysis,” SAE Int. J. Fuels Lubr. 10(1):56-68, 2017, doi:10.4271/2017-01-0578.

[40]Moiz, A.A., Pal, P., Probst, D., Pei, Y. et al., “A Machine Learning-Genetic Algorithm (ML-GA) Approach for Rapid Optimization Using High-Performance Computing,” SAE Technical Paper 2018-01-0190, 2018, doi:10.4271/2017-01-0578.

張好的學習桌是助推孩子養成好習慣的奇妙起點，給未來不斷學習的人生一個好的開始

家里的娃準備上小學，需要寫寫畫畫看書寫作業，學習桌的重要性就體現了，計劃著早點安排上。準備好學習桌給未來的學習來一個儀式感 。讓孩子早點養成好的學習習慣。

市面上學習桌品類多,價格跨度大，材質選擇多且雜。下單前我必須做點功課，研究對比下。

從需求入手，我進行了了解與分析。

學習桌分為普通學習桌和兒童學習桌，兒童學習桌椅在材質方面更為考究，選材更環保更健康，做工更加精細，產品的穩定性及承重能力都更好，孩子使用時安全系數更高。兒童學習桌椅從設計上更人性化，兒童學習桌擁有可調節高度和可調節桌面角度的功能，適用于不同年齡段的孩子，滿足不同年齡段孩子的需求。桌面和座椅的高度都能隨著孩子的身高進行科學調節。實用性非常高 ，同時兒童學習桌椅套裝的設計感更強，更美觀。兼具美貌和實用性。所以兒童學習桌肯定是我們的首選。

不同價位的學習桌如何選購？

但是兒童學習桌的價位跨度大，動輒幾千上萬的。也算是家庭的一個重要支出，要如何選擇？

目前市面上學習桌的價位大概分為以下幾檔。

第一檔1000以下 售價決定質量 ，在材質和舒適感上都談不上良好，容易變成一場將就。

第二檔1000-3000 品質略有上升，但幾乎都是一些小廠 ，鮮有大牌出現。質量設計和周邊配套都不購完善。也需慎重選擇。

第三檔3000-9000 選擇范圍最廣 顧客群體最多，實木材質、精良做工、 整體設計 、服務售后都達到了優良水準。

第四檔 10000以上 土豪價位 功能全面，設計精美，售后完善。但是高昂的稅費、廣告費用及品牌溢價都讓價格升了好幾倍。

我們花那么多錢到底是為了什么而買單呢？

第一是材質，市面上的材質分為實木和復合板 實木材質從健康和耐用性上都遠遠地優于復合板。復合板內里全靠膠水粘合，存在很大的甲醛隱患，作為寶媽最關心的就是孩子的健康問題，所以實木是我的首選。買學習桌是為了孩子，可不能害了孩子。

第二是做工設計 做工細致，品質高。需要有良好的人體工學設計，符合人體發育，對兒童的正常發育有益。

第三是 價位 尋找一個適合自己的兒童學習桌，要把錢花在點上。

第四是周邊配套，好的服務和售后讓購物有更好的體驗。

經過幾天的對比和研究我最終選擇了斯芬達的小鹿桌——一款集美貌與才華為一身的多功能學習桌。

https://item.jd.com/100039227420.html

為什么選擇斯芬達小鹿桌呢？

在充分了解了斯芬達這個品牌，了解到斯芬達源于西昊人體工學，組建于2021年。是西昊家具旗下的一家全資子公司。而西昊是一家國內知名的人體工學設備廠商，打造健康品質生活是西昊團隊積極投身人體工學家具研發的初衷。同時西昊也開發了多款兒童學習桌椅，如今品牌為了讓兒童學習桌椅能夠獨立發展，于是設立了這個斯芬達新的品牌。作為一家以環保為理念的家居企業，斯芬達承諾絕不使用自然林木材，拒絕以任何形式使用盜伐、濫伐渠道來源的木材。作為環保主義者表示支持并點贊，果斷下單。

收貨與拆箱

當快遞小哥三個箱子扛上來的時候，我搭了把手，幫忙提了箱子，我就知道這個桌子用料有多厚實了。

安裝與調試

師傅主動提前預約好上門時間并準時過來安裝。服務態度極好，技術也不錯。安裝好即可使用。安裝簡單不復雜，師傅一個多小時搞定了。

整套產品因為是實木的，所以還是有點分量，而且配件很多。

不得不說斯芬達真的是個做產品很用心的品牌，從金屬件和螺絲的細節就能看出來。配備的每個小小螺絲都經過精心的打磨，做工精細，完全不用擔心孩子在使用過程中被劃傷。

傾斜面板氣動控制，相較于之前都是鉸鏈搭配阻尼的桌板傾斜控制器，使用氣壓棒操作無疑會更容易操作。這套學習桌使用的氣壓棒經過了德國SGS認證，耐用性和安全性相對更好。安裝調節的時候謹防夾手哦。

金屬結構的抽屜，出廠就是一體的安裝起來很方便。而且非常結實耐用，還帶了開合的卡位，按進去之后不會自己彈出來，防止誤撞到小朋友。

來一張定妝照，不愧是斯芬達與RED DOT獲獎團隊的聯名款！嚴格控制設計、材料、工藝、安全、物流安裝及服務品質，創造出的美好產品和理想的居家生活。原木的色澤讓人賞心悅目，讓我覺得生活美好，歲月靜好。

椅子比較簡單，就讓娃一起參與組裝了，讓體驗一把DIY的樂趣，享受勞動的快樂很有意義。細節做工也挺好，木頭無毛刺，打磨地很光滑，配件也很扎實。整個椅子組裝好是非常牢固，而且可以根據年齡調整高度，和椅背深淺。

娃最愛的椅子——小U椅來一個特寫 。坐著比較舒服，所以現在變成她私人專屬。

產品細節及特殊功能介紹

市面上各個廠家對實木概念貌似過于隨意，斯芬達區別于其他一些商家標榜的“生態實木”、“多層實木"，采用木齡都在15年以上的泰國進口的AA級天然橡膠實木，經過特殊工藝進行驅蟲、 防腐、 防潮處理 、保留了實木天然質感。木紋清晰、整體簡約大氣 、極具質感。適合于每一種裝修風格 。純粹的實木質感我真的是太愛了。 最重要的是天然實木安全無甲醛。給孩子用的家具產品，最擔心的就是安全問題。之前有不少關于家具甲醛問題的新聞被曝出，所以在選擇家具時我就特別注意這個問題。斯芬達的學習桌所采用的都是進口天然實木，使用的涂料也是環保的水性漆。材料的甲醛釋放量符合日本F4星檢測標準。安全環保用的更放心。 桌角都是毫無棱角的圓潤邊緣，不用當心毛毛躁躁的小屁孩磕磕碰碰造成不必要的傷害。

源于小鹿奔跑的靈感，鹿型工學立腿設計脫穎而出，四腳落地，穩定性更強，桌腿實木材質穩固扎實，承重能力非常好！讓寫字畫畫更穩。富有童趣的設計，娃非常喜歡，說像有一只可愛的小鹿在陪伴他學習。顏值也提升了不少。

可調節桌面采用前置氣動升降調節，一扣即可調節。桌板也能通過小機關調節角度。

前置氣動升降調節桌面，升降無聲方便，單手就能操作 。一鍵快速升降只需一秒，跟上孩子成長進度。（此功能建議在大人看護下使用）滿足從4歲到18歲的所有需求。相當于受益于整個學習時期。操作安全還大大的節省了空間，實用性耐用性都很強大。調節幅度為52-75cm ，可坐可站交替畫畫寫字。 在人體工學加持下， 讓孩子的學習舒適度提高 ，不容易造成額外的損傷 。如駝背、體態不佳、 影響視力等。 舒適度提高的同時專注力和學習效率也得到提高。

面板角度可調節0-45° 。 0-15°寫作業， 15-30°閱讀 ，30-45° 繪畫。每個角度的調整都能給孩子帶來更舒適的學習體驗， 緩解頸椎壓力 ，避免了體態不佳的可能還保持了正確用眼的習慣。

可以根據日常學習需求，調整合適的角度，還附贈了一塊可以黏貼在桌子上的擋板，這樣畫畫看書的時候就不容易滑下來。

斯芬達的科學收納分區、能調整高度的書架都是相當人性化的設計。

如今孩子學習工具具有多樣性的特點。書本不是唯一的學習工具了，結合使用學生平板或者學習機、電腦的情況太普遍，所以現在的書架不只是用來放書了。能夠靈活調整高度的書架，既方便平時放書，也避免了需要放置電腦顯示器時只能望桌興嘆的遺憾。成長式書架在中間加隔板就馬上變身小書柜。各類書本繪本都可以擺放。中間不加隔板，放上電腦正正好，也滿足了各個階段孩子的學習需求。

科學有序的收納分區、極簡的風格保留了學習的剛需，能給孩子更好的學習空間。整潔有序的擺放讓孩子迅速進入學習狀態不分心，有效提高專注力。

還有各種收納小細節，如書架凹形設計剛好放入兒童臺燈，動態磁貼方便備忘錄課表隨時更新，隱藏式閱讀架讓上網課的小可愛保持科學視距等等，都是成就學霸的小細節哦。

人體工學是斯芬達品牌設計亮點。椅子的設計是采用背、肘、足三點支撐讓背有所依、手可支撐、腳不懸空，坐下來就是標準坐姿?？勘成顪\可跟隨坐姿進行調整，精確到毫米級別地貼合脊椎， 長時間的學習依舊覺得很舒服。不管是前仰、后仰或是左右側靠都能緊貼您的背部，提供最舒適的支撐。

進口乳膠坐墊 又多拉了一絲好感。乳膠透氣舒爽不悶汗侵入式地包裹臀部，舒適感無敵了。而且可直接拆卸清洗。娃的用品都要保持干凈，方便拆卸簡直太棒了！

仿生工學立腿，四角落地設計脫穎而出。U型防傾倒設計加實木大粗腿更穩固解決熊孩子好動，椅子側翻的問題。實踐證明四腳落地真的更穩固。寫字穩穩當當，給足了安全感從而保持良好學習狀態。椅子可以根據孩子的生長逐步調整高度，7檔可調，每檔間距3CM,低至115CM都能駕馭。妥妥的小中高全時期都適配。每個檔位都穩穩的，很放心！

四、使用初體驗

安裝好，拍完照片，娃就迫不及待的坐上學習桌。我偷偷在背后拍了張照片，滿滿的高級感，我家小可愛變身文藝氣質小姐姐啦。

孩子坐上椅子不用糾正，就能get正確坐姿。平時亂動不安分的家伙，坐上U型椅顯得特別自在舒適。一把好椅子，對正確的坐姿起到了很好的引導和強化作用。不需要重復提醒坐姿，背也不駝，腰也不彎，做作業也積極了許多。專業的企業做專業的事，很靠譜。

小鹿桌不僅擁有強大的收納功能，簡約的桌面和鹿型工學桌腿設計，更是讓小鹿桌具備為孩子提供沉浸式學習體驗的特色。為孩子構建了一個沉浸式學習環境，無論是從外觀還是功能都能讓孩子進行更好的學習體驗；提升孩子的學習專注力，讓其更快更好進入學習狀態。

整體的極簡設計真的很耐看，適用于多家居風格。極簡即大氣，原木極簡風讓人不由自主的靜下心來，感覺置身在陽光下的森林，呼吸純凈空氣，靜謐且舒適。

五、總結

根據相關資料不難發現，學習比較優秀的孩子，他們的書桌一般都是家里比較重要的存在，學習桌椅整齊擺放，桌面上的書籍資料也歸納整齊。書桌擺放越簡單，孩子學習越專注。學習桌高度合適，學習椅舒適。學習舒適感的提高也大大提高了學習效率。孩子覺得書桌是他最舒服的小窩，讓他們整顆心都能沉淀下來，靜靜享受這獨屬于他們的悠閑時光?？磿鴮W習就是他們最喜歡做的事，那么成績只是自然生長的果實。學習是一件很長久的事 舒適才能越持久。讓孩子沉浸學習，自成世界。

斯芬達在助力孩子健康成長，高效學習的路上不遺余力，為孩子創造一個屬于自己的學習空間 讓孩子從小培養愛學習的習慣，給孩子提供一個精致，健康，舒適的居家環境和一起成長的好伙伴。畢竟是給孩子用的產品，只有交給這樣的品牌才放心。

最后附上鏈接 有需要的親趕緊下手。

https://item.jd.com/100039227420.html

希望這篇斯芬達兒童桌椅的評測，能夠對大家選購學習桌帶來幫助，謝謝觀看！ 喜歡本次評測記得點贊收藏。還想看到更多樓主的評測，那就多多關注吧，感謝！