|艺海探秘

编辑|艺海探秘

前言

使用计算流体动力学（CFD）引导的方法，针对一台重型柴油发动机用研究辛烷值（RON）为80的汽油燃料进行燃烧系统优化，目标是在保持排放的氮氧化物（NOx）范围内的前提下，优化汽油压缩点火（GCI）燃烧配方（活塞凹形设计、喷油器喷雾模式、缸内涡流运动和热边界条件），以提高燃油效率。

数值模型使用了多维CFD软件CONVERGE进行开发。采用了两阶段的设计实验（DoE）方法，第一阶段集中在活塞凹形设计的优化，第二阶段则涉及燃烧配方的细化。在优化活塞凹形设计时，使用了一个名为CAESES的软件工具，自动改变关键的凹形设计参数，从而生成了256种不同的燃烧室几何形状。

在几个不同的发动机工作条件下评估了多种设计方案，第二阶段的设计实验活动旨在优化喷油器喷雾模式、燃油喷射策略和缸内涡流运动，针对第一阶段中表现最佳的活塞凹形设计进行优化。这项全面的优化研究在超级计算机Mira上进行，以加速开发一个专注于燃油效率的优化设计。

与基线发动机的生产燃烧系统相比，我们得出的新燃烧配方在关键的发动机工作点上显示出显著提高的闭环燃油效率，同时满足发动机排放的氮氧化物（NOx）目标。预测优化后的活塞凹形设计和喷油器喷雾模式将提供更高效地利用缸内空气，并实现更快速混合控制燃烧，从而提高燃油效率。

另外，将发动机热边界条件转向较为贫燃的运行状态也是提高燃油效率的关键。

当前的预测表明，随着全球经济的扩张，柴油和中间馏分油的需求将继续增长，而由于部分乘用车队实现电动化，汽油产品的需求将会下降。这种预期中的需求转变为汽油类燃料在商用车辆领域获得更广泛接受提供了机会，但前提是必须实现高效率和低排放。

从汽油生产中产生的燃料具有高挥发性和低芳香物含量，已经显示出在压燃发动机中降低从生产到废弃的温室气体排放和标准污染物的潜力, 。其中一些汽油类燃料的十六烷值（CN）较柴油较低，导致点火延迟较长，并在燃烧开始前实现更好的燃油-空气混合。

这些特性以及较低的芳香物含量将导致较低的颗粒物排放。汽油压缩点火（GCI）燃烧策略利用了这种特性，有潜力在实现低标准污染物排放的同时实现高燃油效率。

我们在先前的研究中，重点关注了重型混合控制汽油压缩点火（GCI）概念的燃烧系统设计和优化，使用了一个研究辛烷值（RON）为60的高反应性汽油。

这些研究结果表明，通过优化的活塞凹形设计、喷油器配置和缸盖，相较于基准情况，可实现多达4.1%的指示特定燃油消耗（ISFC）改善，同时目标是满足现有的2010年美国环保局（EPA）的发动机排放氮氧化物（NOx）水平。

为应对未来提议的较低NOx排放标准（0.027 g/kWh），进行了大量发动机实验，压缩比（CR）为15.7，使用了辛烷值从RON58到RON93不等的燃料，发动机排放氮氧化物（NOx）从0.5到4 g/kWh不等。该实验的结果促使了一种燃烧系统设计策略的发展，该策略利用了汽油类燃料的化学和物理特性。

基于这一成熟的策略，我们的目标是对辛烷值为80的汽油进行燃烧系统设计和优化，这种燃料的行为更接近市场上的汽油。研究的目标是实现发动机排放氮氧化物（NOx）在1-1.5 g/kWh范围内，并假设在暖发动机运行期间选择性催化还原（SCR）的转化效率达到97-98%，以满足未来较低的排气管NOx排放标准。

在汽车行业中，有两种流行且高效的燃烧系统优化技术，分别是遗传算法（GA）和设计实验（DoE）。遗传算法方法在探索最优设计策略时被认为是高效和有效的，但通常需要许多代才能收敛，这可能导致设计周期延长。相反，设计实验方法能够同时运行更多的模拟，因此在足够的计算资源可用时，可能实现更短的设计时间。

先前的研究已经证明了自动化活塞凹形设计的有用性，使用集成了遗传算法（GA）的计算流体动力学（CFD）代码，对小和大缸径的柴油发动机燃烧室几何形状进行了优化。

我们对三个与燃烧室几何形状相关的变量（活塞凹形半径、活塞凹形深度和活塞顶部）以及六个发动机运行变量进行了优化，并发现两台发动机都倾向于采用相对较大直径和较浅的活塞凹形，结合较长的喷油持续时间、较小的喷孔直径和适度的涡流比。

在后续的研究中，开发了一种自动化的扇区网格生成技术，将更灵活的六个参数活塞凹形设计纳入多维CFD进行高速直喷柴油发动机的优化。以最大化化学当量比柴油燃烧的燃油经济性。我们采用的自动网格生成器能够基于五个参数（如凹形深度），使用贝塞尔曲线生成开孔式和再入式活塞凹形设计。

类似的方法也被用于考虑高速直喷柴油发动机活塞凹形设计对燃油消耗、排放和发动机噪声的影响。

我们采用了参数化设计工具CAESES，相比先前的研究，这允许更大的灵活性，可调整活塞凹形设计的自由度。此外，我们使用阿贡国家实验室的世界领先超级计算机Mira，以并行计算的方式运行CFD模拟，大大加快了整体设计优化时间。

发动机规格和燃料

在实验中，使用一台生产于2013年的康明斯ISX 15柴油发动机作为平台，来评估在混合控制和低温燃烧条件下汽油类燃料的性能。发动机的一般规格列在表1中。

为了研究低NOx排放的潜力，将发动机的压缩比从生产版本的18.9降低到15.7，通过均匀地从活塞顶部的凹形区域外部去除材料实现。测试了几种不同辛烷值的汽油燃料，以及市场代表性的超低硫柴油（ULSD）。这些汽油燃料具有相似的物理性质，表2列出了RON80汽油的规格，以及ULSD的规格，以突显它们之间的差异。

与ULSD相比，RON80汽油具有更高的挥发性、较低的粘度、较低的芳香物含量、较高的低位发热值（LHV）和较低的十六烷值（CN）。

发动机测试结果

在之前的研究中，我们进行了一系列系统的发动机测试实验，采用超低硫柴油（ULSD）和不同辛烷值的汽油燃料，在压缩比为15.7的条件下开发低NOx燃烧策略。图1显示了在三个Supplemental Emissions Test (SET)稳态测试条件下，不同燃料在不同NOx水平下的制动比燃料消耗（BSFC）。

SET测试模式的整体转速和负荷范围大致在1135-1600 rpm和5-20巴的制动平均有效压力（BMEP）之间。图中的三个测试条件对应着发动机转速为1375 rpm，负荷分别为5、10和15巴BMEP。除了B25点外，燃料喷射策略使用单次喷射来供给燃料。

由于在B25条件下点火延迟太长，无法将最大压力升高率（MPRR）控制在设定阈值以下，因此在该发动机转速和负荷下，RON80和RON93的喷射策略被切换为分裂喷射。测试结果显示，与ULSD相比，汽油燃料的BSFC普遍较低，主要是由于其更高的能量含量。

图2显示了在图1中相同的三个工况下，ULSD和RON80汽油的缸内压力和表观放热速率（AHRR）。由于汽油的高挥发性，它通常具有更短的液体长度和更长的点火延迟，从而导致更多的预混合燃烧和更短的燃烧时间，这通常有利于燃料消耗。

由于RON80汽油在三个测试条件下显示出最有前景的燃料效率趋势，因此被选择用于低NOx燃烧系统的开发。

燃烧系统开发方法

分析驱动的设计过程是任何发动机开发项目中生成燃烧系统（例如活塞凹形、喷油器喷雾模式等）初始设计的重要工具，它涉及3D计算流体动力学（CFD）缸内燃烧开发与1D发动机循环分析的紧密结合。

该方法是在之前的重型混合控制燃烧系统开发项目中开发的，该项目应用了设计实验（DoE）优化，针对DoE之前的研究中的几种有潜力的设计进行了优化。基于那项研究的经验教训，利用设计软件工具CAESES[16]自动化生成了新一代的活塞凹形设计变体，从而扩展了潜在的搜索空间。

我们对大量几何空间进行了筛选，以找出性能最优的设计，同时CAESES防止了不可行的设计形状。然后，我们通过在阿贡国家实验室的超级计算机Mira上进行多维CFD模拟评估了这些设计候选方案，采用并行计算方式，大大加快了整体设计优化时间。

以下是目前的CFD引导设计过程概述：

1、模型构建与验证

2、设定CFD模型

3、根据实验数据校准喷雾和排放模型

4、DoE前参数研究

5、生成并评估初始活塞凹形设计概念

6、确定关键设计参数及其设计空间

7、定义排放目标和发动机机械限制

8、进行DoE设计优化

9、第一阶段DoE，使用CAESES进行自动化活塞凹形优化

10、第二阶段DoE，进一步优化燃烧配方

活塞凹形设计和燃烧配方的DoE设计优化将在后续章节中描述。CFD模型构建与验证模型构建已在之前的研究中进行了描述，表3列出了所使用的子模型的列表。

我们采用了商业CFD软件CONVERGE来开发这个模型。由于需要大量的模拟，我们采用了基于雷诺平均纳维-斯托克斯（RANS）的再标准化群（RNG）k-e湍流模型，并与详细的化学反应模型SAGE以及多区域方法相结合。对于RON80汽油，我们使用了主参考燃料（PRF）机理作为化学动力学模型。

在该研究中，我们使用了拉格朗日型喷雾模型来模拟喷雾过程，假设采用“Blob”喷射方法。液滴被分组成小包以统计地表示喷雾场在燃烧室内的分布，使用特定的喷射速率（ROl）来描述喷雾。在二次细碎过程中采用了Kelvin-Helmholtz（KH）和Rayleigh-Taylor（RT）算法，碰撞过程采用了无时间计数器（NTC）模型。

液滴蒸发采用Frossling相关性模型进行建模，燃料液体属性由Aspen HYSYS生成。采用经验的Hiroyasu NSC模型来模拟煤烟形成和氧化过程，CH4作为煤烟前体。NO预测采用了一个4个物种和13个反应的简化机制。虽然有更详细和准确的模型可用，但在这项研究中，子模型的选择是在精确性和计算效率之间进行权衡，因为这是一个大规模的优化研究。

例如，大涡模拟（LES）能够处理长度尺度的巨大差异，并更好地解析湍流场；一些先进的燃烧模型能够考虑更多的物理过程，例如湍流-化学-相互作用（TCI）的影响；单向耦合方法能够更好地捕捉喷雾瞬态和混合过程；更详细的煤烟模型能够更准确地预测煤烟排放。这些模型已经证明了它们的准确性，但在进行广泛的优化研究中是不可行的。

考虑到计算效率，采用了基于梯度的自适应网格细化（AMR）和固定嵌入近喷嘴出口的策略，以精细化适当的区域，同时将较不重要的区域的单元保持相对粗糙。边界条件是根据经过验证的一维GT-Power模型生成的。

CFD模型的验证结果显示在图3中，预测结果与B25和B50处的实测缸内压力和表观放热速率（AHRR）进行了比较。可以看到，预测结果与实验数据相当一致，并且对于全面的设计优化结果的可靠性提供了信心。

图3：实验结果与数值预测在CR15.7下B25和B50工况的缸内压力和AHRR对比 。

DoE前参数研究

进行了广泛的DoE前参数研究，旨在评估初始概念、确定关键设计变量及其范围，并设定性能目标。为了保持完整性，部分重要信息从之前的研究中重复列出。

考虑了四个工况，包括B25、B50、A100和C100，涵盖了长途卡车的广泛条件。性能目标如表4所示，低到中负荷工况的目标是1 g/kWh的发动机排放NO，高负荷工况的目标是1.5 g/kWh。发动机煤烟的排放目标是保持在与15.7压缩比时测量的水平相当或更低。发动机机械限制设定为最大压力升率（MPRR）为12 bar/CA（曲轴角度），最大缸内压力（PCP）为220 bar。

基于实验结果，为了改善低负荷GCI运行和冷启动性能，发动机压缩比设计目标从15.7提高到16.5。喷油器喷嘴尖端的喷孔数增加到9个，以实现更好的燃油与空气的混合，同时保持总流量恒定。建议的发动机热边界条件提高了Prvc，降低了Trvc，并假设了更高的EGR率，这将需要单独优化空气处理系统。

DOE设计优化

由于在一个大的DoE优化过程中同时考虑活塞碗几何形状变化（约12个设计变量）和燃烧配方变化（约4或5个设计变量）将会非常具有挑战性，因此决定采取两阶段的DoE方法。第一阶段的DoE过程专注于活塞碗形状的优化，而第二阶段则专注于进一步优化燃烧配方，使用最有潜力的设计候选方案。

首次DoE优化：活塞碗形状

CAESES是一种高度专业化的计算机辅助设计（CAD）系统，用于流体暴露几何形状的参数化设计和优化，比如内燃机的各种部件（例如进气道、歧管、燃烧室、冷却通道等）。它的CAD建模方法专注于在自动化过程中对几何形状进行稳健高效的参数化变化。

模型是在预定义的设计空间内建立的，从纯粹的几何再生角度或考虑设置的设计约束来防止不可行的变体的生成。除了建模环境，CAESES还包含了流程自动化工具，例如连接到外部仿真代码，以及DoE和优化算法来推动整个设计过程。

我们本次的设计对象是一个轴对称的活塞碗。因此，几何形状可以简单地作为旋转体从参数化的轮廓生成（见图4所示为所采用的轮廓形状和设计参数）。活塞碗轮廓的最重要的几何特征是所谓的唇部（它决定了喷油器喷雾是如何分解成个别涡旋，从而影响混合和燃烧的过程)。

唇部的垂直和径向位置分别由参数lipDepth和lipRadius控制，而其锐利程度由参数lipCircleRadius控制。从唇部开始，碗的其余轮廓向两个方向展开。在唇部周围生成一个“轨道”，其半径由lipCircleRadius、bowlRadius和两者之间的距离deltaRadius之和确定。碗的半径中心位于此轨道上，位置由参数lipAngle决定。

在初始阶段，pip（高度由参数centerDepth控制）和碗半径之间创建一个直线的切线连接，然后可以用参数slopeAngle使其向上倾斜。从唇部看，沿着碗向上延伸的过程中，有几个参数（stepRatio、stepLength l）决定了引导到活塞顶部的台阶的形状。台阶平台还可以通过参数stepCurvature从直线形状改变为曲线形状。

最后，我们保持了活塞与缸套之间的缝隙形状不变。这种参数化方法允许对碗进行灵活的变化，涵盖了广泛的范围。改变活塞碗的单个设计参数显然会对压缩比产生影响，而我们在本研究中，压缩比应该保持固定在预定义的值16.5。

因此，为了调整压缩比并确保其达到预定值16.5，模型中添加了一个自动化过程。虽然其他参数都是独立的并由DoE过程直接设置，但bowlRadius参数被设置为依赖参数，用于实现正确和准确的压缩比。其值是由内部优化循环确定的，一旦所有其他参数值设置完成，该循环就会触发。图5说明了改变一个单独参数对bowl半径的影响。

由于喷雾的定位显著影响发动机性能，在第一阶段的DoE中，喷雾始终定位在bowl半径和唇圈之间连接的中心点（见图6）。随着bowl形状的变化，绝对位置会发生变化，因此喷雾定位必须进行调整。这些值由CAESES从几何模型中确定，并插入到相应的CFD输入文件中。

DoE研究在CAESES中使用Sobol序列运行，由于仿真是在超级计算机上运行的，因此CAESES不直接触发计算，而是生成了一个包含256个设计变体及其相应CFD输入文件的库，然后将它们移动到超级计算机上执行。

在所有结果可用后，它们被编译成一个表格，由CAESES读取以生成一个代理模型。该代理模型随后建议潜在的最优设计，并估算其性能。

第二阶段的DoE优化着重于对燃烧配方的进一步优化

为了找到性能最佳的设计方案，我们进行了第二阶段的DoE优化，对每个设计方案在每个工况下进行了优化。我们考虑了喷射开始时间（SOI）、喷嘴总面积（TNA）、喷嘴包括角度和涡旋比等设计参数。对于B50工况，我们还对主喷射和副喷射的SOI进行了变化。我们采用了分层拉丁超立方采样方法来采样设计空间，如图7所示是在B50工况下的一个示例。

这种采样方法可以更好地控制设计空间的分布，同时避免计算成本过高。对于B50工况，生成了64个样本，对于其他工况，生成了46个样本。这些样本数据被输入到定制的CONVERGE CONGO模块中，用于生成CFD输入文件。CONGO脚本负责根据喷射压力、喷嘴孔数和TNA生成喷射率（ROI）曲线。

在这个研究中，喷射器的包括面积（INA）是ROI曲线生成的控制因素。总共进行了3000多次CFD模拟，使用Mira超级计算机，每个案例使用32个处理器。

在对Mira上的计算完成后，从仿真数据中提取了与优化相关的参数，包括ISFC、烟尘、NOx、MPRR、PCP和其他与燃烧相关的参数。结合采样数据，这些参数被输入到MATLAB基于模型的校准（MBC）工具箱中，创建了响应曲面模型（RSM），如图8所示是一个示例。

将RSM模型输入到校准优化工具箱进行最终优化。在优化过程中得出推荐设计方案后，我们进行了进一步的验证和不同工况之间的权衡，以获得最终的设计候选方案。

MIRA超级计算机是一台强大的超级计算机，位于Argonne领先计算设施

位于美国Argonne国家实验室的Mira超级计算机是世界上速度最快的超级计算机之一，它被用于进行这个计算密集型的设计优化。此前，曾经利用这台超级计算机进行汽油压缩点火系统的全局敏感性分析，以了解各种设计参数对发动机效率和排放的影响。

Mira是一台IBM Blue Gene/Q超级计算机，位于Argonne领先计算设施(ALCF)，拥有786,432个计算核心。它包含48个机架，每个机架有1024个计算节点，每个节点含有16个处理器。每个模拟运行在32个处理器上，并且256个模拟被分组为一个集合。每个集合通常需要四天时间完成，包括队列等待时间。

与传统计算集群上的单个任务需要约8小时相比，这个时间要慢得多。这是因为超级计算机是为大规模并行任务设计的，它们的优势在于处理器数量，而不是处理器的速度。使用Mira进行256个案例的集合的计算，整体效率要远远优于传统计算集群。

结果与讨论

设计变量和它们的可接受范围经过精心平衡，以提供足够的设计搜索空间，同时确保可以合理地制造硬件原型。第一阶段DoE优化的设计变量及其范围列在表格5中。

在CAESES中使用了Sobol序列生成了256个设计，如图9所示。粉色虚线代表每个独立的设计，加粗的实线显示了三个示例设计。可以看出，这样生成了一个广泛的设计空间，而不会产生不可行或难以制造的变体。

在Mira超级计算机上，对256个设计候选项在四个工况下进行了同时运行的CFD模拟。图10展示了在提取性能结果后，关于stepCurvature和lipRadius的ISFC响应曲面的一个示例.

研究发现，在活塞碗几何设计变量中，lipRadius对ISFC的影响最为显著。这可以通过两个竞争因素来解释：碗唇的热传导和中央区域空气利用率。当lipRadius较大时，喷雾与碗唇之间的相互作用较少，导致较低的热传导损失，但同时也导致了在燃烧室中央部分较差的空气利用率。

而当lipRadius较小时，喷雾对碗唇的冲击导致较高的热传导损失，但碗中央区域的空气利用率较好。这两个竞争因素导致了不同工况下的不同设计结果。在图11中，展示了在不同工况下，从256个评估中挑选出的5个最佳设计。

可以看出，低转速（A100）和低负荷（B25）工况通常推动了更窄更深的设计，而中高转速和负荷工况（B50和C100）更倾向于更宽更浅的设计。研究发现，进一步使用RSM进行优化并没有改进256个候选项中的最佳设计的性能。一个假设是采样池已经覆盖了足够的搜索空间，消除了局部未检测到的极值点。

价值函数和权重函数

为了协调不同工况下的最佳设计，我们制定了一个综合评价函数，考虑了ISFC（燃油消耗率）、PCP（最大缸内压力）、MPRR（最大压力上升率）、Soot（碳黑排放）和NOx（氮氧化物排放）相对于基准CR15.7值的重要性。

在评价函数中，ISFC_op和SOOT_op分别表示在相应工况下基准设计（表格7中的数值）的ISFC、Soot和NO值。对于A100和C100工况，我们使用了设计256中的数值。我们采用了来自EPA SET权重的一组权重因子，并线性缩放计算每个设计的综合评价值（见表格6）。

最后，在图12中展示了三个具有最高综合评价值的设计。基准设计（未在图中显示）的综合评价值为100，而设计候选者256、176和34的综合评价值都超过了100。这三个设计在减少通过活塞碗口的热传递损失和提高活塞碗中心部分的空气利用之间找到了最佳平衡。

与基准设计相比，三个最佳设计的性能如表7所示，可以看出设计候选者256、176和34在B25和B50条件下的燃油消耗显著改善。值得注意的是，A100和C100条件下的基准设计没有进行测试，因此表中未显示改进值。在B50条件下，设计256的ISFC改善了6.3%，而其他两个设计仅改善了5%。粉尘、氮氧化物、最大压力上升率和最大气缸压力都在设计约束范围内。

图13展示了三个最佳设计在B25和B50条件下与基准设计相比的模拟缸内压力和AHRR（表征放热率）。可以看出，三个新的活塞碗设计在这两个条件下的缸内压力都相似且高于基准设计。然而，AHRR被很好地控制，以防止压力升速过快。

图13,。在(a)图中是B25条件下的比较，在(b)图中是B50条件下的比较。

图14展示了B25和B50条件下的空气利用率预测，清楚地显示三个最佳设计的空气利用率比基准设计更好，混合气较为均匀，空气利用更充分。空气利用率是衡量燃烧效率的指标，反映了喷射燃料与空气的混合程度和完全燃烧的程度。虽然并不完美，但较好的空气利用率与整体发动机效率的提高相关。

图14在(a)图中是B25条件下的比较，在(b)图中是B50条件下的比较。

第二阶段的设计优化

根据前面描述的设计方法，针对图12中展示的三个最佳设计候选方案，进行了第二阶段的优化，重点是进一步改进燃烧配方。在这个优化过程中，考虑了SOl（喷油开始时刻）、涡流比、喷孔包含角度和TNA（总喷孔面积）。设计变量及其设计空间如表8所示。其中，TNA是相对于基准值进行了归一化处理，因此基准值为1。

使用CONVERGE CONGO模块生成了模拟案例，并在Mira上运行。然后，构建了相应的响应曲面，并将其输入MBC工具箱进行优化。在优化燃烧配方后，对比表7中的结果，发现一些轻微的改进，某些情况下ISFC改善了约1%。

通常情况下，优化燃烧配方对于实现更好的性能非常有用，但在这种情况下，这一小改进可能是由于之前的广泛和详尽的预优化研究。通常，进一步优化燃烧配方的第二阶段DoE优化是燃烧系统设计优化过程中非常重要且标准的步骤。

ISFC 改进分析

图15展示了对设计候选方案256在B50工况下，关键设计要素对ISFC改进的贡献分析。设计空间可分为三个主要元素：活塞碗（压缩比从15.7到16.5），喷油器配置（包括喷孔夹角的修改）以及气流处理系统（包括进气阀关闭时的温度、压力和气体组成）。在B50工况下，ISFC改进为6.3%，与基线结果相比。

图15显示，在这个中速和中负荷条件下，碗设计贡献了12%的ISFC改进，而喷油器配置贡献了33%的改进。这并不奇怪，这表明新设计的活塞碗必须与相应的喷油器配合，以发挥其潜力，即实现正确的喷射目标和燃油质量流量，以获得最佳的燃烧室内空气利用率。

值得注意的是，气流处理系统的改进几乎占到了总ISFC改进的55%，这表明该系统在降低NOx方面的重要性。相关的气流处理系统设计和评估研究正在进行中，并将在未来的出版物中展示。

结论

针对重型压燃发动机，我们采用RON80汽油进行了CFD引导的燃烧系统优化，目标是实现1g/kWh的发动机出口NO水平。以下是主要发现的总结：

1、我们开发了一种高效且稳健的两阶段DoE方法，用于发动机燃烧系统的设计和优化。

2、使用高度专业化的CAD系统CAESES，自动化地变化活塞碗形状和相关的喷雾定位，同时筛选出不可行的形状。证明在广泛的设计空间中对概念进行筛选是高效且可靠的。

3、在世界领先的超级计算机Mira上进行了3000多次仿真，实现了加速的设计和优化过程。

4、发现不同的工况偏好不同的碗形状，低速低负荷工况倾向于更窄的设计，以实现燃烧室中心部分的更好空气利用，而中高速和负荷工况则倾向于更宽的设计，以降低碗唇的热传递。

5、三种活塞设计显示出很有前景的效率改进，其中设计候选256在B50工况下预计提升了6.3%，其他设计也有5%的改进。

6、ISFC改进分析表明，优化的碗设计必须与相应的喷油器配合，以实现其潜力，即正确的喷雾定位和燃油质量流量，以实现燃烧室内最佳空气利用。同时，气体处理系统是实现低NO目标的关键。

7、未来的工作包括：有前景的碗设计正在进行硬件制造，并预计在2019年进行引擎验证。正在进行使用RON91汽油的设计优化工作。正在进行各种气体处理系统配置的评估，并预计在2019年上半年进入测试阶段。同时，还在探索基于机器学习的新型发动机设计优化技术。

参考文献

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

[2]Kalghatgi, G., Risberg, P., and Ångström, 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 Ångström, 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.

张好的学习桌是助推孩子养成好习惯的奇妙起点，给未来不断学习的人生一个好的开始

家里的娃准备上小学，需要写写画画看书写作业，学习桌的重要性就体现了，计划着早点安排上。准备好学习桌给未来的学习来一个仪式感 。让孩子早点养成好的学习习惯。

市面上学习桌品类多,价格跨度大，材质选择多且杂。下单前我必须做点功课，研究对比下。

从需求入手，我进行了了解与分析。

学习桌分为普通学习桌和儿童学习桌，儿童学习桌椅在材质方面更为考究，选材更环保更健康，做工更加精细，产品的稳定性及承重能力都更好，孩子使用时安全系数更高。儿童学习桌椅从设计上更人性化，儿童学习桌拥有可调节高度和可调节桌面角度的功能，适用于不同年龄段的孩子，满足不同年龄段孩子的需求。桌面和座椅的高度都能随着孩子的身高进行科学调节。实用性非常高 ，同时儿童学习桌椅套装的设计感更强，更美观。兼具美貌和实用性。所以儿童学习桌肯定是我们的首选。

不同价位的学习桌如何选购？

但是儿童学习桌的价位跨度大，动辄几千上万的。也算是家庭的一个重要支出，要如何选择？

目前市面上学习桌的价位大概分为以下几档。

第一档1000以下 售价决定质量 ，在材质和舒适感上都谈不上良好，容易变成一场将就。

第二档1000-3000 品质略有上升，但几乎都是一些小厂 ，鲜有大牌出现。质量设计和周边配套都不购完善。也需慎重选择。

第三档3000-9000 选择范围最广 顾客群体最多，实木材质、精良做工、 整体设计 、服务售后都达到了优良水准。

第四档 10000以上 土豪价位 功能全面，设计精美，售后完善。但是高昂的税费、广告费用及品牌溢价都让价格升了好几倍。

我们花那么多钱到底是为了什么而买单呢？

第一是材质，市面上的材质分为实木和复合板 实木材质从健康和耐用性上都远远地优于复合板。复合板内里全靠胶水粘合，存在很大的甲醛隐患，作为宝妈最关心的就是孩子的健康问题，所以实木是我的首选。买学习桌是为了孩子，可不能害了孩子。

第二是做工设计 做工细致，品质高。需要有良好的人体工学设计，符合人体发育，对儿童的正常发育有益。

第三是 价位 寻找一个适合自己的儿童学习桌，要把钱花在点上。

第四是周边配套，好的服务和售后让购物有更好的体验。

经过几天的对比和研究我最终选择了斯芬达的小鹿桌——一款集美貌与才华为一身的多功能学习桌。

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

为什么选择斯芬达小鹿桌呢？

在充分了解了斯芬达这个品牌，了解到斯芬达源于西昊人体工学，组建于2021年。是西昊家具旗下的一家全资子公司。而西昊是一家国内知名的人体工学设备厂商，打造健康品质生活是西昊团队积极投身人体工学家具研发的初衷。同时西昊也开发了多款儿童学习桌椅，如今品牌为了让儿童学习桌椅能够独立发展，于是设立了这个斯芬达新的品牌。作为一家以环保为理念的家居企业，斯芬达承诺绝不使用自然林木材，拒绝以任何形式使用盗伐、滥伐渠道来源的木材。作为环保主义者表示支持并点赞，果断下单。

收货与拆箱

当快递小哥三个箱子扛上来的时候，我搭了把手，帮忙提了箱子，我就知道这个桌子用料有多厚实了。

安装与调试

师傅主动提前预约好上门时间并准时过来安装。服务态度极好，技术也不错。安装好即可使用。安装简单不复杂，师傅一个多小时搞定了。

整套产品因为是实木的，所以还是有点分量，而且配件很多。

不得不说斯芬达真的是个做产品很用心的品牌，从金属件和螺丝的细节就能看出来。配备的每个小小螺丝都经过精心的打磨，做工精细，完全不用担心孩子在使用过程中被划伤。

倾斜面板气动控制，相较于之前都是铰链搭配阻尼的桌板倾斜控制器，使用气压棒操作无疑会更容易操作。这套学习桌使用的气压棒经过了德国SGS认证，耐用性和安全性相对更好。安装调节的时候谨防夹手哦。

金属结构的抽屉，出厂就是一体的安装起来很方便。而且非常结实耐用，还带了开合的卡位，按进去之后不会自己弹出来，防止误撞到小朋友。

来一张定妆照，不愧是斯芬达与RED DOT获奖团队的联名款！严格控制设计、材料、工艺、安全、物流安装及服务品质，创造出的美好产品和理想的居家生活。原木的色泽让人赏心悦目，让我觉得生活美好，岁月静好。

椅子比较简单，就让娃一起参与组装了，让体验一把DIY的乐趣，享受劳动的快乐很有意义。细节做工也挺好，木头无毛刺，打磨地很光滑，配件也很扎实。整个椅子组装好是非常牢固，而且可以根据年龄调整高度，和椅背深浅。

娃最爱的椅子——小U椅来一个特写 。坐着比较舒服，所以现在变成她私人专属。

产品细节及特殊功能介绍

市面上各个厂家对实木概念貌似过于随意，斯芬达区别于其他一些商家标榜的“生态实木”、“多层实木"，采用木龄都在15年以上的泰国进口的AA级天然橡胶实木，经过特殊工艺进行驱虫、 防腐、 防潮处理 、保留了实木天然质感。木纹清晰、整体简约大气 、极具质感。适合于每一种装修风格 。纯粹的实木质感我真的是太爱了。 最重要的是天然实木安全无甲醛。给孩子用的家具产品，最担心的就是安全问题。之前有不少关于家具甲醛问题的新闻被曝出，所以在选择家具时我就特别注意这个问题。斯芬达的学习桌所采用的都是进口天然实木，使用的涂料也是环保的水性漆。材料的甲醛释放量符合日本F4星检测标准。安全环保用的更放心。 桌角都是毫无棱角的圆润边缘，不用当心毛毛躁躁的小屁孩磕磕碰碰造成不必要的伤害。

源于小鹿奔跑的灵感，鹿型工学立腿设计脱颖而出，四脚落地，稳定性更强，桌腿实木材质稳固扎实，承重能力非常好！让写字画画更稳。富有童趣的设计，娃非常喜欢，说像有一只可爱的小鹿在陪伴他学习。颜值也提升了不少。

可调节桌面采用前置气动升降调节，一扣即可调节。桌板也能通过小机关调节角度。

前置气动升降调节桌面，升降无声方便，单手就能操作 。一键快速升降只需一秒，跟上孩子成长进度。（此功能建议在大人看护下使用）满足从4岁到18岁的所有需求。相当于受益于整个学习时期。操作安全还大大的节省了空间，实用性耐用性都很强大。调节幅度为52-75cm ，可坐可站交替画画写字。 在人体工学加持下， 让孩子的学习舒适度提高 ，不容易造成额外的损伤 。如驼背、体态不佳、 影响视力等。 舒适度提高的同时专注力和学习效率也得到提高。

面板角度可调节0-45° 。 0-15°写作业， 15-30°阅读 ，30-45° 绘画。每个角度的调整都能给孩子带来更舒适的学习体验， 缓解颈椎压力 ，避免了体态不佳的可能还保持了正确用眼的习惯。

可以根据日常学习需求，调整合适的角度，还附赠了一块可以黏贴在桌子上的挡板，这样画画看书的时候就不容易滑下来。

斯芬达的科学收纳分区、能调整高度的书架都是相当人性化的设计。

如今孩子学习工具具有多样性的特点。书本不是唯一的学习工具了，结合使用学生平板或者学习机、电脑的情况太普遍，所以现在的书架不只是用来放书了。能够灵活调整高度的书架，既方便平时放书，也避免了需要放置电脑显示器时只能望桌兴叹的遗憾。成长式书架在中间加隔板就马上变身小书柜。各类书本绘本都可以摆放。中间不加隔板，放上电脑正正好，也满足了各个阶段孩子的学习需求。

科学有序的收纳分区、极简的风格保留了学习的刚需，能给孩子更好的学习空间。整洁有序的摆放让孩子迅速进入学习状态不分心，有效提高专注力。

还有各种收纳小细节，如书架凹形设计刚好放入儿童台灯，动态磁贴方便备忘录课表随时更新，隐藏式阅读架让上网课的小可爱保持科学视距等等，都是成就学霸的小细节哦。

人体工学是斯芬达品牌设计亮点。椅子的设计是采用背、肘、足三点支撑让背有所依、手可支撑、脚不悬空，坐下来就是标准坐姿。靠背深浅可跟随坐姿进行调整，精确到毫米级别地贴合脊椎， 长时间的学习依旧觉得很舒服。不管是前仰、后仰或是左右侧靠都能紧贴您的背部，提供最舒适的支撑。

进口乳胶坐垫 又多拉了一丝好感。乳胶透气舒爽不闷汗侵入式地包裹臀部，舒适感无敌了。而且可直接拆卸清洗。娃的用品都要保持干净，方便拆卸简直太棒了！

仿生工学立腿，四角落地设计脱颖而出。U型防倾倒设计加实木大粗腿更稳固解决熊孩子好动，椅子侧翻的问题。实践证明四脚落地真的更稳固。写字稳稳当当，给足了安全感从而保持良好学习状态。椅子可以根据孩子的生长逐步调整高度，7档可调，每档间距3CM,低至115CM都能驾驭。妥妥的小中高全时期都适配。每个档位都稳稳的，很放心！

四、使用初体验

安装好，拍完照片，娃就迫不及待的坐上学习桌。我偷偷在背后拍了张照片，满满的高级感，我家小可爱变身文艺气质小姐姐啦。

孩子坐上椅子不用纠正，就能get正确坐姿。平时乱动不安分的家伙，坐上U型椅显得特别自在舒适。一把好椅子，对正确的坐姿起到了很好的引导和强化作用。不需要重复提醒坐姿，背也不驼，腰也不弯，做作业也积极了许多。专业的企业做专业的事，很靠谱。

小鹿桌不仅拥有强大的收纳功能，简约的桌面和鹿型工学桌腿设计，更是让小鹿桌具备为孩子提供沉浸式学习体验的特色。为孩子构建了一个沉浸式学习环境，无论是从外观还是功能都能让孩子进行更好的学习体验；提升孩子的学习专注力，让其更快更好进入学习状态。

整体的极简设计真的很耐看，适用于多家居风格。极简即大气，原木极简风让人不由自主的静下心来，感觉置身在阳光下的森林，呼吸纯净空气，静谧且舒适。

五、总结

根据相关资料不难发现，学习比较优秀的孩子，他们的书桌一般都是家里比较重要的存在，学习桌椅整齐摆放，桌面上的书籍资料也归纳整齐。书桌摆放越简单，孩子学习越专注。学习桌高度合适，学习椅舒适。学习舒适感的提高也大大提高了学习效率。孩子觉得书桌是他最舒服的小窝，让他们整颗心都能沉淀下来，静静享受这独属于他们的悠闲时光。看书学习就是他们最喜欢做的事，那么成绩只是自然生长的果实。学习是一件很长久的事 舒适才能越持久。让孩子沉浸学习，自成世界。

斯芬达在助力孩子健康成长，高效学习的路上不遗余力，为孩子创造一个属于自己的学习空间 让孩子从小培养爱学习的习惯，给孩子提供一个精致，健康，舒适的居家环境和一起成长的好伙伴。毕竟是给孩子用的产品，只有交给这样的品牌才放心。

最后附上链接 有需要的亲赶紧下手。

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

希望这篇斯芬达儿童桌椅的评测，能够对大家选购学习桌带来帮助，谢谢观看！ 喜欢本次评测记得点赞收藏。还想看到更多楼主的评测，那就多多关注吧，感谢！