基于B样条和萤火虫算法的测压孔布置优化研究
发布时间：2021-11-16 06:21
风洞实验昂贵,实验前有必要进行数值仿真以预测减少盲目性.采用B样条拟合方法对CFD实验的翼型表面压力分布的大量数据进行拟合,并在测压孔数一定的情况下使用萤火虫算法寻找最小二乘意义上的测压点位置.结果表明,优化后的测压点拟合的曲线与原来大量数据拟合的曲线比较接近,同时一种在高维非标准单纯形内使用萤火虫算法的新方法被发现.
【文章来源】：数学的实践与认识. 2019,49(07)北大核心
【文章页数】：8 页
【部分图文】：
举二(1.i>a,xl}ei/a)
８２??数学的实践与认识??４９卷??０?２?４?６?８?１０?１２?１４?１６?１８?２０?－０．０５?０?０．０５?０．１?０．１５?０２?０．２５?０．３?＝０，０５?０?０．０５?０．１?０Ｊ５?０．２?０．２５?０．３??试验次数?弦长（ｍ）?弦长＜ｍ＞??图４?ｎ不同时的收敛情况?图５?ｎ＝ａ时的拟合结果?图６?ｎ＝７时的拟合结果??图７？０表示在控制顶点数《?＝?７?针对萤火虫数ｗ为Ｓ、１０、２０的情况各做一组实验，??并对每个萤火虫初始值跟终值的比较．一方面，从图中可以清楚看出随着萤火虫数増多，初始??值接近最优结果的点数在近似均匀增加，说明前文提到的种群均匀初始化方法是成功的；另??一方面萤火虫种群数的增加对实验最终结果影响不大，萤火虫数目过多＆?＝?２０），不同萤火??虫之间的最终值波动幅度及而变大．??３?４?５??萤火虫??１?２?３?４?５?６?７?８?９?１０??萤火虫??０?２?４?６?Ｓ?１０?１２?１４?１６?１８??萤火虫??＝７，ｗ?＝?ｈ??图?８?ｎ?＝?７，?ｗ?＝?１０??图?９?ｎ?＝?７，?ｗ?＝?２０??图１０？１２表示在控制顶点数ｎ?＝?４?针对萤火虫数ｗ为５、１０、２０的情况做三组实验．??与图７？９相比初始值与终值之间距离变大，ｎ?＝?７时初始最大值在１６．５以下，而ｎ?＝?４时最??大值均接近１９，而两者终值集中在１２．５附近，说明萤火虫算法在控制顶点数较少的情况下的??效果更明显．??步骤６输出最优位置和最优解．??５实验及分析??ＣＦＤ翼型实验采用的是ＭＡＣＡ２４１８翼型，弦长２８０ｍｍ，迎角０度，风速１００ｍ／ｓ，软件采??用的是Ａ
８２??数学的实践与认识??４９卷??０?２?４?６?８?１０?１２?１４?１６?１８?２０?－０．０５?０?０．０５?０．１?０．１５?０２?０．２５?０．３?＝０，０５?０?０．０５?０．１?０Ｊ５?０．２?０．２５?０．３??试验次数?弦长（ｍ）?弦长＜ｍ＞??图４?ｎ不同时的收敛情况?图５?ｎ＝ａ时的拟合结果?图６?ｎ＝７时的拟合结果??图７？０表示在控制顶点数《?＝?７?针对萤火虫数ｗ为Ｓ、１０、２０的情况各做一组实验，??并对每个萤火虫初始值跟终值的比较．一方面，从图中可以清楚看出随着萤火虫数増多，初始??值接近最优结果的点数在近似均匀增加，说明前文提到的种群均匀初始化方法是成功的；另??一方面萤火虫种群数的增加对实验最终结果影响不大，萤火虫数目过多＆?＝?２０），不同萤火??虫之间的最终值波动幅度及而变大．??３?４?５??萤火虫??１?２?３?４?５?６?７?８?９?１０??萤火虫??０?２?４?６?Ｓ?１０?１２?１４?１６?１８??萤火虫??＝７，ｗ?＝?ｈ??图?８?ｎ?＝?７，?ｗ?＝?１０??图?９?ｎ?＝?７，?ｗ?＝?２０??图１０？１２表示在控制顶点数ｎ?＝?４?针对萤火虫数ｗ为５、１０、２０的情况做三组实验．??与图７？９相比初始值与终值之间距离变大，ｎ?＝?７时初始最大值在１６．５以下，而ｎ?＝?４时最??大值均接近１９，而两者终值集中在１２．５附近，说明萤火虫算法在控制顶点数较少的情况下的??效果更明显．??步骤６输出最优位置和最优解．??５实验及分析??ＣＦＤ翼型实验采用的是ＭＡＣＡ２４１８翼型，弦长２８０ｍｍ，迎角０度，风速１００ｍ／ｓ，软件采??用的是Ａ
【参考文献】：
期刊论文
[1]基于萤火虫算法的Markov模型及收敛性分析[J]. 胡婷婷,贺兴时,杨新社. 纺织高校基础科学学报. 2014(04)
[2]单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用[J]. 莫愿斌,马彦追,郑巧燕,袁伟军. 智能系统学报. 2014(06)
[3]学习因子和时间因子随权重调整的粒子群算法[J]. 马国庆,李瑞峰,刘丽. 计算机应用研究. 2014(11)
[4]利用舍选抽样法生成随机数[J]. 王丙参,魏艳华,孙永辉. 重庆师范大学学报(自然科学版). 2013(06)
[5]基于粒子群三次样条优化的图像边缘描述算法[J]. 公亚利,林意. 计算机工程与应用. 2014(12)
[6]改进遗传算法用于自由曲线重建研究[J]. 温秀兰,王东霞,盛党红,朱晓春. 中国机械工程. 2012(17)
[7]一种新颖的仿生群智能优化算法:萤火虫算法[J]. 刘长平,叶春明. 计算机应用研究. 2011(09)
[8]高维欧氏空间中向量的外积[J]. 夏盼秋. 大学数学. 2011(04)
[9]基于自适应遗传算法的B样条曲线拟合的参数优化[J]. 孙越泓,魏建香,夏德深. 计算机应用. 2010(07)
[10]基于粒子群算法的B样条曲线拟合[J]. 朱庆生,曾令秋,屈洪春,刘骥. 计算机科学. 2009(10)
本文编号：3498318
【文章来源】：数学的实践与认识. 2019,49(07)北大核心
【文章页数】：8 页
【部分图文】：
举二(1.i>a,xl}ei/a)
８２??数学的实践与认识??４９卷??０?２?４?６?８?１０?１２?１４?１６?１８?２０?－０．０５?０?０．０５?０．１?０．１５?０２?０．２５?０．３?＝０，０５?０?０．０５?０．１?０Ｊ５?０．２?０．２５?０．３??试验次数?弦长（ｍ）?弦长＜ｍ＞??图４?ｎ不同时的收敛情况?图５?ｎ＝ａ时的拟合结果?图６?ｎ＝７时的拟合结果??图７？０表示在控制顶点数《?＝?７?针对萤火虫数ｗ为Ｓ、１０、２０的情况各做一组实验，??并对每个萤火虫初始值跟终值的比较．一方面，从图中可以清楚看出随着萤火虫数増多，初始??值接近最优结果的点数在近似均匀增加，说明前文提到的种群均匀初始化方法是成功的；另??一方面萤火虫种群数的增加对实验最终结果影响不大，萤火虫数目过多＆?＝?２０），不同萤火??虫之间的最终值波动幅度及而变大．??３?４?５??萤火虫??１?２?３?４?５?６?７?８?９?１０??萤火虫??０?２?４?６?Ｓ?１０?１２?１４?１６?１８??萤火虫??＝７，ｗ?＝?ｈ??图?８?ｎ?＝?７，?ｗ?＝?１０??图?９?ｎ?＝?７，?ｗ?＝?２０??图１０？１２表示在控制顶点数ｎ?＝?４?针对萤火虫数ｗ为５、１０、２０的情况做三组实验．??与图７？９相比初始值与终值之间距离变大，ｎ?＝?７时初始最大值在１６．５以下，而ｎ?＝?４时最??大值均接近１９，而两者终值集中在１２．５附近，说明萤火虫算法在控制顶点数较少的情况下的??效果更明显．??步骤６输出最优位置和最优解．??５实验及分析??ＣＦＤ翼型实验采用的是ＭＡＣＡ２４１８翼型，弦长２８０ｍｍ，迎角０度，风速１００ｍ／ｓ，软件采??用的是Ａ
８２??数学的实践与认识??４９卷??０?２?４?６?８?１０?１２?１４?１６?１８?２０?－０．０５?０?０．０５?０．１?０．１５?０２?０．２５?０．３?＝０，０５?０?０．０５?０．１?０Ｊ５?０．２?０．２５?０．３??试验次数?弦长（ｍ）?弦长＜ｍ＞??图４?ｎ不同时的收敛情况?图５?ｎ＝ａ时的拟合结果?图６?ｎ＝７时的拟合结果??图７？０表示在控制顶点数《?＝?７?针对萤火虫数ｗ为Ｓ、１０、２０的情况各做一组实验，??并对每个萤火虫初始值跟终值的比较．一方面，从图中可以清楚看出随着萤火虫数増多，初始??值接近最优结果的点数在近似均匀增加，说明前文提到的种群均匀初始化方法是成功的；另??一方面萤火虫种群数的增加对实验最终结果影响不大，萤火虫数目过多＆?＝?２０），不同萤火??虫之间的最终值波动幅度及而变大．??３?４?５??萤火虫??１?２?３?４?５?６?７?８?９?１０??萤火虫??０?２?４?６?Ｓ?１０?１２?１４?１６?１８??萤火虫??＝７，ｗ?＝?ｈ??图?８?ｎ?＝?７，?ｗ?＝?１０??图?９?ｎ?＝?７，?ｗ?＝?２０??图１０？１２表示在控制顶点数ｎ?＝?４?针对萤火虫数ｗ为５、１０、２０的情况做三组实验．??与图７？９相比初始值与终值之间距离变大，ｎ?＝?７时初始最大值在１６．５以下，而ｎ?＝?４时最??大值均接近１９，而两者终值集中在１２．５附近，说明萤火虫算法在控制顶点数较少的情况下的??效果更明显．??步骤６输出最优位置和最优解．??５实验及分析??ＣＦＤ翼型实验采用的是ＭＡＣＡ２４１８翼型，弦长２８０ｍｍ，迎角０度，风速１００ｍ／ｓ，软件采??用的是Ａ
【参考文献】：
期刊论文
[1]基于萤火虫算法的Markov模型及收敛性分析[J]. 胡婷婷,贺兴时,杨新社. 纺织高校基础科学学报. 2014(04)
[2]单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用[J]. 莫愿斌,马彦追,郑巧燕,袁伟军. 智能系统学报. 2014(06)
[3]学习因子和时间因子随权重调整的粒子群算法[J]. 马国庆,李瑞峰,刘丽. 计算机应用研究. 2014(11)
[4]利用舍选抽样法生成随机数[J]. 王丙参,魏艳华,孙永辉. 重庆师范大学学报(自然科学版). 2013(06)
[5]基于粒子群三次样条优化的图像边缘描述算法[J]. 公亚利,林意. 计算机工程与应用. 2014(12)
[6]改进遗传算法用于自由曲线重建研究[J]. 温秀兰,王东霞,盛党红,朱晓春. 中国机械工程. 2012(17)
[7]一种新颖的仿生群智能优化算法:萤火虫算法[J]. 刘长平,叶春明. 计算机应用研究. 2011(09)
[8]高维欧氏空间中向量的外积[J]. 夏盼秋. 大学数学. 2011(04)
[9]基于自适应遗传算法的B样条曲线拟合的参数优化[J]. 孙越泓,魏建香,夏德深. 计算机应用. 2010(07)
[10]基于粒子群算法的B样条曲线拟合[J]. 朱庆生,曾令秋,屈洪春,刘骥. 计算机科学. 2009(10)
本文编号：3498318
本文链接：https://www.wllwen.com/kejilunwen/lxlw/3498318.html
