学习背景
公路自行车轮组的气动性是重要的性能指标。如何在平衡刚性和强度的同时，去优化多场景的空气阻力并保证稳定性，这其中要有很多的技术支持和经验积累。这阵子读到了几篇车轮的气动性测试和仿真分析方面的文献论文，于是尝试做了一下车轮的CFD仿真。由于自己对流体力学和CFD的技术不深入，既非流体专业科班出身，也非专门从事流体仿真领域，目标就是期望能结合实际轮组的一些体感和测试结果，用仿真工具做一个简单的练习和验证，强化一下理解，梳理一下这种场景的CFD分析方法和流程，力图能贴近真实表现，从而具备工程应用上的可行性。
仿真的过程存在诸多难度和挑战，一是流体力学和空气动力学的理论基础，二是CFD软件使用的熟练程度，三是个人计算机的软硬件限制，因为采用低版本的软件和低性能的计算机，没有用足够细化的网格和缺乏累积较多的迭代次数，因此无法对模型结果的准确度做太高的要求，只能期望复现出几个显著性的气动特征，保留仿真方法和流程后续的扩展性。
主要的分析目标
查看单个独立的自行车前轮以特定速度贴地面向前滚动时的空气流动情况。给出对应的压力、速度和涡量等分布结果。进一步依据相同的车轮前进速度，施加侧风，使车轮迎风产生偏航角，分析此偏航角下车轮所承受到的drag阻力和其他力矩的影响（侧重点是drag阻力方面，风帆效应）。
仿真的过程简单罗列如下：
1-建模
使用Proe做出车轮仿真用的3D模型和外围区域。出于计算量的原因，简化了一些部位的细节（例如轮胎和轮圈接触部位、辐条截面和花鼓的边缘部位等）。
划分车轮内覆盖辐条和轮圈内侧的MRF区域，确定车轮外围局部网格细度控制的区域，以及确定整体的外框架。
车轮与地面的接触场景处理（参考论文并结合测试的简化要求，使用距离地面5毫米的悬空作近似）
ps：为便于计算和验证，也制作了省略掉辐条的简化模型，后来事实也证明简化模型的分析更具参考性，也更容易实现。
2-导入Workbench项目
在Workbench中建立分析项目，导入第1步的3D模型（x.t文件），网格化前对模型的碎面进行处理（合并修剪）。对部分实体插入角度旋转的操作步骤，以便后续同一模型可以快速灵活的修改偏航角度。
去除固体和流体的重叠区域，对实体进行组合以共享拓扑（确保网格对应），注意对MRF（多运动参考系）区域做好区分，定义好inlet outlet wall等壁面和边界。
3-网格处理
由于软件版本的原因，在Ansys Mesh模块里做了四面体网格，没有做更合适和高效的六面体。除了软件原因外，这块还需要自己技术经验的积累。软件迫切需要更新为较新的版本，从而后续可以使用Fluent Meshing来更高效的进行CFD的流程。
用局部尺寸对网格大小和分布进行控制，尤其注意边界层的网格质量（y+和层数）。检查网格总数和质量。
网格划分是前处理的关键一环。它既决定仿真分析结果的准确性，又影响模型的处理和运算时间及效率。自行车轮组虽然零件的复杂度不高，但部件的细节却很多（例如轮胎圆弧表面、轮框的曲面、边缘和结合处等等），这些关键的特征在CFD仿真中并不能做过分的忽略和简化。结果就是实际需要的网格cell数量大大超出了预料。
不够精细的网格会让分析结果产生严重的偏离（从实际产品的气动表现就能看出，车轮细节和造型上看似微小的差别就能产生气动性差异，网格的影响也是如此）。因此这种情况下网格精细度要求的确非常高，特别是比较细的辐条区域，看上去在轮圈处足够密的网格尺寸，到辐条那里就严重不足（严格要求的话，辐条的面上至少要有10个网格的宽度），辐条很容易被网格化成了多边形。因此实际应用中，要对辐条处网格做进一步的细化，但这样网格总数轻轻松松就超过了了千万，从而严重考验设备和影响运算的速度。
最后受限于计算机的性能和时间，本次并没有采用特别精细化的网格处理，因此辐条轮组的阻力结果会有较大的偏差，辐条处不够密集的多边形几何和网格，失去了验证的参考性。最后只能做适当的退步，为了看到明显是基于外廓的轮胎和轮圈而产生的阻力现象，例如风帆效应，做了折衷，更多在去掉辐条后的简化车轮模型中分析查看。
4-Fluent模块处理设置和计算
将Mesh的四边形网格转化成六边形，减少计算量（不过此步骤也会产生对阻力准确性的影响）。拆分辐条部分的MRF区域，创建Interface边界（由于软件版本较低，方法是进行动静域的分别删除然后叠加，从而去掉动静域之间的Interior界面改为Interface界面）。
选定稳态的湍流分析模型和方法（关心的是宏观状态），设置区域 MRF运动条件、壁面属性和移动条件、地面条件、inlet的空气速度入口和outlet的压力出口设置。
进行初始化，设置计算每次步数间隔、迭代次数和残差目标设定，开始计算。对计算结果数据，在Report部分检查Flux通量偏差、Force受力情况（计算阻力、升力、力矩等）
*和网格化的步骤一样，该步骤依旧受计算机性能和硬件的限制，考虑到处理所需要的时间，迭代次数只进行了200次左右，基于系统默认的残差运算实现了收敛，但文献中对残差和迭代次数要求会高很多，迭代需要进行4-6千次，本次也未达到要求（太耗时，仅200次迭代就用了6个多小时）。
5-在Result模块中显示结果
在车轮表面和参考的几个基准面上显示压力、速度等Contour分布和流线、在空间上显示涡量云图等。这个步骤没有太多复杂的设置，基本就是显示和看到图形化的结果，但也是在这个步骤里能发现模型和参数设置中存在的错误和问题，基本上很难直接得出最终的结果，更多的是不得不推倒重来再反复查看的情况。
6-改变初始条件，再次计算，进行前后对比
当上述步骤和分析的结果没有明显的问题和错误后，就可以改变初始条件，进行前后对比。复制上述实体模型和流程，在复制后的Geometry里更改风向（旋转inlet、outlet 和wall面所在的实体），实现目标偏航角，更新Mesh网格和fluent里的网格，沿用原来的设定和参数，但需根据偏航角变化重新计算和更新inlet的风速（简单的三角函数计算），迭代计算结果。
仿真结果总结
由于缺少精准的车轮截型图和对应的风洞测试数据，不能通过数据对比阻力值的精确性，但综合轮组的阻力和网上的一些数据来看，没有辐条的简化轮组反而比较贴近真实情况。猜想原因，一是辐条的网格化不够精细，二是考虑辐条后需要使用旋转坐标系的MRF方法，但与一些使用MRF方法的管道轴流风扇不同，车轮接受的风向和MRF区域的旋转不是正交的，MRF区域的尺寸和边缘对计算结果存在一定的影响（以及边界处的周向平均）。适可而止，这次要求不能太高，跑通流程加上模拟出风帆效应就行。然而即使是简化的模型，对风帆效应的仿真也非常的不顺利，最后反反复复调整了很多遍网格和参数才稳定的复现出来。从流线和速度云图上看，车轮风帆效应的关键在于边界层分离的节点上。且一些文献也强调了模型的边界层要求，以及实测情况下轮胎的宽度、表面粗糙度和胎纹对边界层分离所产生的影响。
回到这次的简化模型，相比正面迎风条件，同样的车速，当偏航角为12度，车速为45km/h时，车轮在前进方向所受到的合力（阻力）从0.9N降低到0.25N，节省的功率接近10W。单看外围轮圈部分，局部的合力符号变化已经说明这部分已经反过来提供了推力（0.11N推力）。当然在偏航角条件下，也产生了明显的转向和侧倾力矩（0.06Nm和2.42Nm），进而对整车操控产生影响。
遗憾的是，由于网格质量不足和分析方法的原因，带辐条的轮组模型的仿真结果没有充分复现风帆效应，与真实情况有偏离（偏航角从0度变为12度时，阻力没有明显的变化，当然也没有明显的增加，低网格质量的辐条出现了明显的失真。加上MRF的局限性，动静流域的坐标变换和周向平均对速度分布也有明显的影响。车轮外层（0度偏航角下，轮胎和轮圈的阻力为0.52N，辐条的阻力0.23N，花鼓的阻力为0.14N；12度偏航角下，轮胎和轮圈的阻力为0.36N，辐条的阻力为0.37N，花鼓的阻力为0.16N）。
不过整体的压力分布尚可以作为参考，基于一些文献的结论，轮胎&轮圈、辐条&花鼓的阻力分别贡献约为七三分的比例。说明除了显著影响气动性的轮胎和轮框形状外，辐条和花鼓的选型和设计对整体的气动性也有不能忽略的影响。
小结
公路自行车高框碳刀的风帆效应是一个有趣的现象。基于文献资料和仿真结果，个人对此有这样的类比理解：
帆船（车轮）在有偏航角的逆风中前行，气流绕过帆面（图中轮胎和轮圈的左侧）的一侧从而加速，成为低压区，从而对帆体（车轮）产生压差力。帆面虽然是一个相对船体倾斜的曲面（轮胎和轮圈左侧所组成的曲面），压差力正交于低压区的曲面，但在船舵（车轮转向角维持）的约束下，该推力产生了沿船舵方向（车轮前进方向）的向前的分力，最终无动力的帆船因此在侧逆风条件下前进甚至加速的能力，当然船手要努力掌舵和倾斜身体以保持平衡。
回到车轮，适当的轮胎和高框车圈的组合，让边界层分离的位置向后移，从而有更多前方的低压区形成，于是风帆效应产生，以至于可以在达到一定偏航角时车轮的阻力为负值，当然代价也是要骑手增加转向和侧倾的操控。偏航角的角度也有一定限制，当偏航角达到一定角度时，风帆效应最大，角度再增加时边界层的分离就会出现不稳定的现象，类似飞机机翼攻角过大超过产生失速，从而失去升力，风帆效应下降。公路自行车骑行中侧风的情况非常多，加上车速的叠加，风向偏航角会经常落入高框车轮可以产生风帆效应的范围，在45km/h前进时，能节省十几二十几瓦的骑行功率输出，因此而明显获益。当然，轮胎、辐条和花鼓的重要性不能忽略，使风帆效应在实际中有更好的发挥。实际上，高框轮组的风帆效应增益，组正面迎风时因高框流线翼型所产生的阻力优化相比，要明显的许多。
这次在空闲时间所做的CFD练习也自此就告一段落了。后续还要及时更新软件工具，提升一下网格处理的技术，以及动网格方法，尽量掌握可靠可信的仿真方法论和流程。虽然仿真结果并不是预想的完美，但至少对期望的现象和结果进行了复现。
之前在学习了两轮车动态稳定性分析的方法后自己对车辆的一些动态现象和经验判断增加了理论层面的专业量化理解，这次也类似的收获，通过流体力学的学习加上CFD的仿真也进一步清晰地了解了轮组的一些明显的气动性现象，对产品的性能表现有了进一步的认知，算一个小小的提升。
2023-8
