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

在火花点火发动机中的LES预测和爆震燃烧分析

摘 要

对于汽车制造商而言，在效率和二氧化碳排放方面高效的火花点火（SI）发动机越来越有吸引力。然而，这些发动机中遇到的热力学条件促进了异常燃烧的发生，例如爆震或超级爆震，由于发动机损坏的风险，这些异常燃烧在实验上难以分析。主要用于活塞发动机的工业中的雷诺时均N-S方程（RANS）在这里使用不是最合适的，因为爆震不总是影响由RANS捕获的平均周期。使用准确的LES可压缩代码和ECFM-LES（扩展相干火焰模型）和TKI（制表火焰动力学）模型的改进版本，能允许火焰传播和自燃反应速率的完全解耦，这项工作第一次证明了 LES能够描述在现实SI发动机配置中的定量爆震燃烧。与以前的研究相反（Fontanesi et al.，2013 [5]）（Lecocq et al.，2011 [4]），量化的爆震分析是基于数值和实验数据的特定后处理的。LES能够预测几个火花正时的缸内压力变化性，爆震发生频率和平均爆震开始曲柄角。3D分析还表明，爆震发生在随机位置，主要是在排气阀侧。爆燃强度被发现与低爆震强度下通过自燃燃烧的新鲜气体质量成比例，而在最高强度的指数的增加表明了附加因素的影响，例如气缸中的爆震位置或爆震燃烧的复杂行为。

2014燃烧学院。发布者Elsevier Inc。其保留所有权利。

第一章 介绍

在过去十年中，在高负载下运行的减小过尺寸的火花点火（SI）发动机已经对于汽车制造商变得越来越有吸引力，因为它们拥有提高了的热效率和较低的二氧化碳排放。然而，高负荷也会引起气缸内更严重的热力学条件，促进发生异常燃烧现象，如爆震或超级撞击。爆燃与新鲜气体在被火花点火装置启动的预混合火焰消耗之前的突然自动点火（AI）相关。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，使得爆震成为一种反复但非周期的现象。

异常燃烧的详细研究是十分复杂的，因为它们可能具有破坏性。此类限制先前促使CFD的使用以便更好地理解这些特定的燃烧。值得注意的是，RANS模拟用于预测和理解爆震的发生^[1,2]。然而RANS方法被限制为平均周期，由于其散发的性质，这期间内不一定进行爆震或超级爆震。虽然最近提出使用概率函数从RANS模拟中提取爆震的统计数据^[3]，大涡流模拟（LES）似乎是一个有吸引力的选择，因为它允许单个循环的模拟，从而再现异常燃烧的散发。在过去几年中，模拟这些现象的首先尝试 ^[4,5]，表明了LES解决这个问题的潜力。然而，即使观察到爆震并且了解到其回复趋势，LES结果与实验数据相比也未被完全定量。此外，ECFM-LES ^[4,6]预混火焰的描述并不完全与TKI [7]自燃的描述脱钩，因此促进了火焰前缘附近的爆震的发生。

因此，本文使用专用的实验数据库首次解决了SI发动机中的爆震燃烧的定量LES。这种模拟使用新版本的ECFM-LES，TKI和ISSIM模型进行，允许完全解耦火焰传播与自动点火。火花正时变化围绕最佳设置执行，并且将结果与在缸内压力包络，指示的平均有效压力（IMEP）或爆震发生频率和强度方面的实验进行比较。此外还进行了末端气体自燃位置的分析，以更好地表征和理解研究的燃烧室的爆震条件。

第二章 ECFM-LES的适应点火方法

ECFM-LES和ISSIM的完整方程在^[8,9]中详细描述。 这里只给出对模型的修改。

图2.1 模型的示意图。

2.1 物态表示法

ECFM-LES ^[6]是使用任何过滤量的双峰分解导出的，其中。此公式中和表示条件新鲜和燃烧气体状态，表示反应的平均进展，在新鲜气体和燃烧气体中都等于零。当引入自燃时，反应的平均进展需要分解为预混火焰传播的进展和自燃的进展。因此公式可以分解成为：

（1）

该第一分解对应于图2.1中的线“ai/ b状态”。公式（1）新的条件状态对应经历自动点火的新鲜气体。虽然这种状态在组成上是均匀的，但它也分解成新鲜和燃烧的气体状态，以避免状态表示的复杂化：

（2）

该第二分解对应于图2.1中的线“u/b状态”。

2.2 进度变量计算

设置Phi;=c在等式 （1）和（2），获得三个进展变量之间的关系：

（3）

在这里，我们选择通过其传输方程定义和，并使用方程式推导。如参考文献^[8]中给出,其中和是由其输运方程^[10]给出的新鲜气体和示踪剂燃料质量分数，其类型为：

（4）

在上述方程中，、和是过滤的密度，速度和反应速率。v是运动粘度，是燃烧过滤器尺寸处的湍流粘度。虽然，因为是被动标量，通过推导式得到。

（5）

是标准ECFM-LES源术语。是ISSIM火花点火源项^[9]，其中是燃烧气体密度，是的初始目标高斯分布。在^[4]中通过表格动力学点火（TKI）模型给出^[11]：。其中、、、分别表示过滤的压力，新鲜气体温度，燃料/空气当量比和稀释剂质量分数。

在文献^[4]中，用RANS ^[12]使用用于燃料燃烧的传输方程式计算，其中燃料被燃烧自动点火,。虽然这个定义与图2.1的状态表示相一致，但是由于其对的依赖性，在数字上难以处理。

在这里被定义为使用处于自动点火状态的条件燃料质量分数：

（6）

遵循公式（4），其源项由公式（6）的导出给出：。与以前的TKI应用不同，前驱变量是不需要的，因为正确地表示完整的自燃事件，包括开始期。

2.3 修改火焰表面密度（FSD）相关量

ECFM-LES的FSD方程与火花点火模型ISSIM相结合详见文献^[9]。通过引入自动点火，现在表示自燃和火焰传播的在与FSD相关的所有表达式中必须由和替换为。 FSD方程式如下：

（7）

其中、、和分别是由于分辨的流动运动引起的传输，应变，曲率和传播项。在这些术语中，是从层流火焰速度推导的FSD位移速度，。

未分辨的传输，应变和曲率项如下。在中，是尺度和Gamma;的速度波动效率函数[13]。

在等式（7）中，系数alpha;在点火期间为1，后为零[9]。它被定义为：。其中是点火燃烧气体半径。本身由传输方程给出，其遵循方程（4），其中源项：

（8）

在[9]中，等式（7）和（8）中的点火延展被建模为。在这个表达式中，SGS起皱因子显式出现，需要建模。假设初始核有适度皱纹，在[9]中假设=1。由于这个假设倾向于低估湍流对初始内核生长的影响，所以现在放松。假设球形核，该表达式允许从中推导出，并且可以插入到中，导致：

（其中）（9）

可以注意到与成比例，而的正贡献（当时）与成比例。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，根据RANS [10]中使用的相应表达式修改：

（10）

第三章 结果与讨论

3.1 实验配置和数值设置

实验配置由表3.1中规定的400cc的四阀小型单缸发动机组成。发动机由异辛烷供给燃料并在均匀条件下工作。

LES计算使用AVBP代码^[14]，根据曲柄角（CA），使用范围从3百万到1240万个单元的非结构化四面体网格。在燃烧期间，电池尺寸在火花塞周围约为0.2mm，在室的其余部分为0.5mm。其余时间，它接近0.8毫米。SGS应力张量使用Smagorinsky模型^[15]，而ESO2混合数值策略用于空间和时间离散^[16]。在ST中，在火花塞周围观察到大约为10的湍流与分子粘度的平均比，并且在室的其余部分中观察到接近25。这些比率表示正确解析的LES ^[17]。TKI表使用Jerzembeck的异辛烷机制^[18]构建，而层流火焰速度由Metghalki和Keck的相关性给出^[19]。

表3.1 发动机参数

从零速度初始场开始，运行17个连续循环。前两个周期被丢弃，因为它们仍然取决于初始条件。 15个有用的周期代表Intel Sandy Bridge 2.7 GHz处理器上的大约三十万个CPU小时。 虽然远远小于500个实验周期，这个数字允许爆震的定量评估，如下面的部分所示。

3.2 在参考点火正时的比较

选择上死点（ATDC）后的 8°CA的火花正时（ST）作为参考。其对应于实验爆震极限，即具有可接受的爆震水平的最大火花提前，以避免发动机损坏。

如表3.2所示，指示平均有效压力（IMEP）及其变异系数（COV）由LES准确预测。

表3.2 IMEP的平均值和COV的比较

对于所有模拟循环，如图3.1所示的局部LES气缸内压力由设置在与实验中相同的位置（气缸盖中）的数值探测器监测。 看到LES循环从实验包络的底部到顶部正确分布，证实了LES自然地再现循环与循环波动的能力。 如在实验中，对应于最高峰值压力的最快循环导致爆震，这里由强压力波动识别。 这在质量上证实了爆震极限由LES良好地预测。 详细的爆震分析在3.3节中进行。

3.3 对同一工作点的火花正时扫描进行爆震分析

在本节中，比较扩展到ST扫描，其对于LES从-4到 15°CA ATDC执行，并且对于实验而言仅从 6到 17 °CA ATDC执行（以防止真实发动机的损坏）。对每个ST执行多周期模拟将表示105个周期（每个ST 15个周期），这在LES的工业使用的观点上是相当昂贵的。 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于在四冲程发动机^[8]中的随后循环具有低影响，我们提出了限制CPU时间的具体策略。 由于不同的ST模拟具有相同的操作条件（在发动机速度和负载方面），我们认为具有参考ST的15个LES连续循环提供独立的初始条件（对应于在ST CAD的速度，能量和质量分数的场 ）。 这样，仅通过改变ST来模拟每个循环的燃烧阶段。 CPU时间然后减少了两倍，这使得ST变化更便宜。

图3.1 LES周期（黑色）和实验包络（棕色）在 8 °CA ATDC时的局部缸内压力演变

除了图3.1，在图3.2中示出了 6°CA和 12°CA的ST的局部压力的比较。无论在形状和最大压力（当ST增加时减小）方面， LES压力结果与实验数据非常吻合。对于 10 °CA和 15 °CA的ST，给出相同的结论（未示出）。 为了完全验证LES结果，这两个ST的IMEP和COV描述于表3.3中。当ST延迟时，LES能够再现IMEP的减少和COV的增加，具有良好的定量预测。

表3.3比较 6 °CA（左）和 12 °CA（右）的ST的IMEP的平均值和COV

参考LES和实验的ST，这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，爆震在此基本上由燃烧冲程期间的新鲜气体温度和压力的历史所触发：燃烧最快的循环导致更高的压力和新鲜气体温度，这又导致自燃延迟的减少。

在下文中，对在每个ST获取的15个LES燃烧循环进行平均，以便与实验进行额外的比较。虽然这个数字太小，不能获得收敛平均值，但它提供了足以证明实验趋势由LES再现的指示。

图3.2 本地的缸内压力变

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[137400]，资料为PDF文档或Word文档，PDF文档可免费转换为Word