英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
火花塞点火发动机LES预测和爆震燃烧分析
摘要
高效率的火花点火（SI）发动机对于汽车制造商而言在效率和二氧化碳排放方面越来越具有吸引力。然而，在这些发动机中遇到的热力学条件促进了像爆震或超级爆震这样的异常燃烧的发生，由于存在发动机损坏的风险这在实验上难以分析。在工业上主要用于活塞式发动机的雷诺平均N-S（RANS）方法并不是最合适的，因为爆震并不总是影响RANS捕获的平均周期。使用精确的LES可压缩代码和改进版本的ECFM-LES（Extended Coherent Flame Model扩展相干火焰模型）和TKI（Tabulated Kinetics of Ignition）模型，允许火焰传播和自燃反应速率的完全解耦，这项工作首次证明，LES能够描述一个真实的SI发动机配置中定量爆震燃烧。与之前的研究相比（Fontanesi等，2013 [5]）（Lecocq等，2011 [4]），基于后期特别处理过的数值数据和实验数据来进行量化爆震分析。LES能够预测不同点火正时的缸内压力变化性，爆震发生频率和发生爆震时平均曲轴转角。三维分析还表明，爆震发生在随机位置，主要在排气门侧。在低爆震强度下发现爆震强度与由自燃产生的新鲜气体质量成正比，而在最高强度下呈指数增长，这表明了诸如气缸中的爆震位置或爆震燃烧的复杂反应的额外因素的影响。
2014 The Combustion Institute（燃烧研究所）。由Elsevier Inc.出版。保留所有权利。
关键词 LES，火花塞点火，发动机，燃烧，爆震
1.引言
在过去的十年中，在高负荷下运行的小型火花塞点火（SI）发动机对于汽车制造商而言变得越来越具有吸引力，这是由于其热效率增加和二氧化碳排放量降低。然而，高负荷也会在气缸内引起更为严重的热力学条件，促使爆震或超级爆震等异常燃烧现象的发生。爆震与新鲜气体在被火花点火装置点燃的预混合火焰消耗之前自燃（AI）有关。它高度依赖于当前的燃烧速度以及气缸中的物质组成和温度波动，使得爆震成为经常出现但非周期性的现象。
由于其可能的破坏性特征，异常燃烧的详细研究在实验上是复杂的。之前的这种限制激发了使用CFD来更好地了解这些特定的燃烧。值得注意的是，RANS模拟被用来预测和了解爆震的发生[1,2]。然而，RANS的方法局限于平均周期的描述，由于爆震和超级爆震不定时发生的特性这并不是这两者必要的项目。尽管最近提出使用概率函数来从RANS模拟提取爆震统计数据[3]，大涡流模拟（LES）似乎是一个有吸引力的替代方案，因为它允许模拟单独周期，从而复制异常燃烧的不定时性。在过去的几年中，首先尝试对这些现象进行的建模[4,5]，证实了LES解决这个问题的潜力。然而，即使观察到爆震，并且已知的趋势得到恢复，LES结果也无法与实验数据完全定量地比较。另外，ECFM-LES[4,6]预混合火焰描述并不完全与TKI [7]自燃描述分离，从而促进了火焰前锋面附近的爆震发生。
因此，本论文提出了使用专用实验数据库首次进行SI发动机中的定量的LES爆震燃烧分析。这种仿真是在ECFM-LES，TKI和ISSIM模型的新版本中进行的，可以完全把火焰传播从自燃中分离开。点火正时变量是围绕最佳设置值进行的，并根据缸内压力包络图，指示平均有效压力（IMEP）或爆震发生的频率和强度将结果与实验进行比较。还对末端气体自燃位置进行了分析，以更好地描述和理解所研究的燃烧室的爆震条件。
2. ECFM-LES方法适应自燃
ECFM-LES和ISSIM的完整方程详见[8,9]。这里只给出模型的修改。
2.1.状态代表
ECFM-LES [6]是使用任一过滤数量的双模分解导出的，其中和分别表示有条件的新鲜和已燃烧气体状态，是反应的平均速率，在新鲜气体中等于零，与燃烧的气体一致。在引入自燃时，反应的平均进速率需要分解为预混火焰传播的速率和自燃速率。分解变成：
（1）
这个第一分解对应于图1中的“状态”行。方程（1）中的新的条件状态对应于正在经历自燃的新鲜气体。虽然这种状态在组成上是均匀的，但它也被分解为新鲜和已燃烧的气体状态，以避免状态表征的复杂化：
（2）
这个第二分解对应于图1中的“状态”行。
图1. 模型的示意图
2.2.过程变量计算
在方程式（1）和方程式（2）中设定，这三个过程变量的关系可以归纳为：
（3）
在这里，我们选择通过它们的转换方程来定义和并且使用方程式（3）来推导。由[8]给出，表达式为，其中和是新鲜气体和示踪剂燃料质量分数，由它们的转换方程给出[10]，其类型为：
（4）
在上面的等式中， 和是滤波密度，速度和反应速率。是运动粘度，是湍流粘度，燃烧过滤器尺寸。由于是一个从动标量，因此，是通过推导公式（3）得出：
（5）
是标准的ECFM-LES源项。是ISSIM火花点火源项[9]，其中是已燃烧的气体密度，并且是的初始目标高斯曲线。是通过列表动力学点火模型（Tabulated Kinetics Ignition）给出[11]：，其中分别表示过滤后压力，新鲜气体温度，燃料/空气当量比和稀释剂质量分数。
由文献[4]，的计算与RANS 中一样[12]，使用燃料通过自燃点火燃烧的变换方程：来计算。虽然这个定义与图1的状态表示是一致的，但由于它对的依赖性，在数值上难以处理。
在这里使用在自燃状态下的有条件的燃料质量分数来定义：
（6）
由方程[4]给出，而它的源项是由方程 （6）：导出。与以前的TKI应用不同，前驱变量是不需要的，因为正确地代表了包括初始期在内的完整的自燃事件。
2.3. 火焰表面密度（FSD）相关量的修正
ECFM-LES与火花点火模型ISSIM相结合的FSD方程详见文献[9]。通过引入自燃，现在代表自燃和火焰传播的，在与FSD相关的所有表达式中，必须用和通过代替。FSD公式如下：
（7）
其中，，和，分别是转换，应变，曲率和由于分解的流动引起的传播项。在这些方面，是由层流火焰速度推导出的FSD位移速度。，和分别是未分解的转换，应变和曲率项。在中，是尺度处的速度波动，Г是效率函数[13]。
在等式（7），点火时系数，之后为零[9]。它被定义为，其中是点燃的已燃烧的气体半径。本身由公式（4）通过转换方程给出，源项为：
（8）
在文献[9]中公式 （7）和（8）中点火延时被建模为。在这个表达式中，SGS起皱因子明确地表明并且需要被建模。假设初始内核适度起皱，在文献[9]中假设。由于这个假设往往低估了湍流对初始内核增长的影响，现在被减轻了。假设一个球形核函数，可以近似为。这个表达式允许从中推导出，并且可以插入到，得出：
（9）
可以注意到，正比于，而的正贡献（当）正比于。同时，和描述相同的SGS曲率项，一个在点火期间，另一个在点火之后。为了使它们一致，按照RANS中使用的相应表达式进行修改[10]：
（10）
3.结果和结论
3.1. 实验配置和数值设置
实验配置由表1中规定的400cc四气阀小型化单缸发动机组成。发动机以异辛烷作为燃料，在均质条件下工作。
LES计算采用AVBP代码[14]，根据曲轴转角（CA）使用范围从3.0到12.4百万个单元非结构化四面体网格来进行。在燃烧过程中，网格的尺寸在火花塞周围为0.2mm，在气缸的其余部分为0.5mm。其余的时刻，接近0.8mm。SGS应力张量使用Smagorinsky模型[15]建模而ESO2混合数值策略用于空间和时间的离散化[16]。在ST，在火花塞周围观察到湍流对分子粘度的平均比率为10，在室的其余部分接近25。这些比例表示一个正确解析的LES [17]。TKI表采用Jerzembeck的异辛烷机理[18]，而层流火焰速度由Metghalki和Keck [19]的相互关系给出。
|
缸径 |
冲程 |
转速 |
指示平均有效压力 |
燃料 |
|
77mm |
85.5mm |
1800RPM |
C8H18 |
表1.主要发动机参数
从零速初始场开始，运行17个连续的循环。 前两个循环被丢弃，因为它们仍然取决于初始条件。15个有用周期约为英特尔Sandy Bridge 2.7 GHz处理器上的300 000个CPU小时。尽管比500个实验周期要小得多，但是这个数字还是可以对爆震进行定量评估，如下面的部分所示。
3.2. 与参考点火正时比较
选择上止点（aTDC）后 8 CA的点火正时（ST）作为参考。 它对应于实验的爆震极限，即：能避免发动机损坏的可接受的爆震水平所处的最大的点火提前角。
指示平均有效压力（IMEP）及其变异系数（COV）由LES准确预测，如表2所示。
|
指示平均有效压力平均值 |
指示平均有效压力变动系数 |
|
|
实验 LES |
19.01bars 19.12bars |
2.6% 2.7% |
表2. 指示平均有效压力平均值和指示平均有效压力变动系数的比较
图2所示的所有模拟循环中的局部LES缸内压力由设置在与实验中相同位置处（在气缸盖中）的数值探头进行监测。LES循环被认为是从实验包络的底部到顶部正确分布，证实了LES自然重现周期到周期波动的能力。如在实验中那样，对应于最高峰值压力的最快周期导致爆震，在这里由强烈的压力波动来识别。这定性地证实了LES可以很好地预测爆震极限。详细的爆震分析在3.3节中进行。
图2. 8 CA aTDC的LES周期（黑色）和实验包络（棕色）的局部缸内压力变化
3.3. 对相同工作点点火正时扫描的爆震分析
在本节中，比较扩展到对于LES执行从上止点-4到 15 CA的ST（点火正时）扫描，并且对于实验仅用于从上止点 6到 17 CA 进行比较（以防止真实引擎的损坏）。
对每个ST执行多周期模拟将代表105个周期（每ST 15个周期），从工业使用LES的角度来看，这是非常昂贵的。考虑到由于进气和排气阶段的解耦，给定循环的流量和燃烧对SI四冲程发动机的后续循环的影响较小[8]，所以我们提出了一个限制CPU时间的具体策略。由于不同的ST模拟具有相同的运行条件（根据发动机转速和负载），我们认为对于其他ST 15个LES连续循环与参考ST提供独立的初始条件（对应于ST CAD中的速度，能量和质量分数的区域）。这样，只需要改变ST，就可以模拟每个循环的燃烧阶段。CPU时间然后减少两倍以上，这使得ST变化便宜得多。
除了图2之外，对于 6 CA和 12 CA的ST的局部压力的比较如图3所示。就形状和最大压力（随ST增加而降低）而言，无论ST为何值LES压力结果与实验数据非常一致。对于 10 CA和 15 CA（未给出）的ST也得出相同的结论。为了完全验证LES结果，这两个ST的IMEP（指示平均有效压力）和COV（变换系数）如表3所示。LES能够再现当ST延迟时IMEP的减少和COV的增加，定量预测较好。
图3. 在ST = 6CA（a）和 12CA（b）时，与实验包络线（棕色）相比，几个LES周期（黑色）的局部缸内压力变化
与参考ST一样，LES和实验都表明仅在呈现最快的预混火焰燃烧速度的循环中观察到爆震。这表明，爆震在这里基本上是由燃烧冲程中新鲜气体温度和压力的历史引起的：燃烧速度最快的循环越早到更高的压力和新鲜气体温度，这又导致自燃延迟的减少。
表3. ST为 6 CA（左）和 12 CA（右）的IMEP的平均值和COV的比较
在下文中，对每个ST获得的15个LES燃烧循环进行平均，以便与实验进行额外的比较。尽管这个数字太小而不能达到收敛的平均值，但它足以证明实验趋势能被LES重现。
敲击次数首先在图4中进行比较。在最大的ST处，没有由LES和实验确定的爆震循环，而LES预测在最低的ST时所有的循环都爆震（工作点在真实的发动机工作台上不可行）。在这些极值之间，LES很好地捕捉到ST减小时爆震循环百分比的实验性增加，这一结果在RANS中从未达到过。为了评估由LES结果收敛不足引起的误差，图4还给出了所考虑的大量随机选择的15个连续实验循环所获得的包络（爆震循环的最小和最大百分比）。由于这个范围很窄，首先确认15个周期已经完全代表了这个工作点的500个周期。可以
全文共9386字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[9534]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
