基于遗传算法的汽车外形优化

发布时间：2017-09-23 05:27

  本文关键词：基于遗传算法的汽车外形优化

  更多相关文章： 汽车外流场 数值模拟 车身外形优化 拉丁超立方取样 数据挖掘

【摘要】：本文以快背式汽车车身外形为研究对象,通过对汽车外形五个重要角度参数的优化设计,搜寻满足三个目标(气动阻力最小、气动升力为0、天窗后缘压强最小)要求的车身外形。再采用数据挖掘的方法揭示设计变量与目标函数以及各目标函数之间潜在的关系。本研究的主要内容分为两大部分:一、建立某快背式汽车数字模型,并对该模型汽车外流场的数值模拟结果进行分析;二、采用遗传算法对该模型的车身外形进行多目标优化,并对优化结果进行数值模拟以及风洞试验验证。论文首先采用计算流体力学的方法对该汽车模型外流场进行数值模拟,通过分析汽车外流场气流流动状态与车身表面压力分布等细节,加强了对汽车外流场特的认识与理解,为分析汽车车身外形对汽车气动力学性能的影响奠定了理论基础,也为优化汽车车身外形和改善汽车空气动力性能提供了依据。其次采用多目标优化的方法对该模型的车身外形进行优化。在多目标设置时,考虑到以整车阻力、升力来衡量汽车空气动力学性能,同时用天窗后缘压强来衡量汽车通过天窗换气性能的好坏,因此,本文以整车阻力最小、升力为0以及天窗后缘压强最小为优化目标,采用拉丁超立方取样的方法(即在规定设计范围内取出能代表整个设计空间的样本)进行初始样本的选取,对选取的样本进行数值模拟计算,再利用克里金(Kriging)代理模型的遗传算法对设计空间内的目标结果进行预测,以此来获得整个设计空间内的最优解方案。数据挖掘的重要意义就是使设计变量与目标函数之间复杂的关系更直观化、扁平化,这有利于让设计人员抓住影响目标函数的主要设计变量。本研究通过遗传算法得到帕雷托(Pareto)最优解集为设计方案提供参照和选择空间,再应用数据挖掘的方法评价五个设计变量与三个目标函数的影响关系,包括目标函数之间影响关系,单个或者多个设计变量与目标函数之间的影响关系。这就揭示了设计变量对于目标函数的部分影响规律,同时也揭示了目标函数之间是相互独立还是正负相关的影响关系,为后续开发或者研究提供便利。最后通过汽车模型风洞试验验证优化后的车身外形空气动力学性能,同时对比优化模型数值模拟结果,验证本研究所采用的多目标优化方法的准确性。结果表明,该多目标优化方法具有较高的预测精度和适应度。本文的研究成功地将多目标优化方法运用于汽车空气动力学设计,为今后的汽车车身外形设计及优化提供重要的理论指导。
【关键词】：汽车外流场 数值模拟 车身外形优化 拉丁超立方取样 数据挖掘
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U462
【目录】：

• 摘要4-5
• Abstract5-10
• 1.绪论10-16
• 1.1 研究背景和研究意义10-11
• 1.2 汽车外流场及车身外形优化的研究现状11
• 1.3 多目标优化与数据挖掘方法11-14
• 1.3.1 多目标优化11-12
• 1.3.2 数据挖掘12-14
• 1.4 本文研究内容14-15
• 1.5 本章小结15-16
• 2.理论基础与车身流场特性16-22
• 2.1 基本控制方程16-17
• 2.2 数值计算的主要方法介绍17-18
• 2.3 网格方案18-19
• 2.4 湍流模型19-20
• 2.5 车身流场特性的主要研究内容20-21
• 2.5.1 气动力和气动力矩20
• 2.5.2 汽车表面压力20-21
• 2.6 本章小结21-22
• 3.汽车外流场的数值模拟22-28
• 3.1 汽车几何模型的建立22-23
• 3.2 计算域的确定与网格划分23-24
• 3.2.1 网格划分23-24
• 3.3 边界条件的设置24-25
• 3.3.1 计算流体力学软件Fluent简介24
• 3.3.2 边界条件的设置24-25
• 3.4 数值模拟结果分析25-27
• 3.4.1 汽车外流场分析25-26
• 3.4.2 车身表面压力分析26-27
• 3.5 本章小结27-28
• 4.优化算法与数据挖掘28-36
• 4.1 遗传算法简介28-30
• 4.1.1 遗传算法的运算流程28-30
• 4.1.2 多目标优化问题的解30
• 4.2 拉丁超立方取样与克里金模型30-35
• 4.2.1 拉丁超立方取样30-31
• 4.2.2 建立克里金（Kriging）代理模型31-35
• 4.3 数据挖掘35
• 4.4 本章小结35-36
• 5.汽车外形的优化36-48
• 5.1 建立优化模型36-38
• 5.2 优化具体步骤38-41
• 5.2.1 优化设计流程38-40
• 5.2.2 基于 NSGA-Ⅱ法收寻最优解集40-41
• 5.3 数据可视化处理分析41-46
• 5.3.1 敏感度分析41-42
• 5.3.2 SOM神经元网格图分析42-45
• 5.3.3 数据挖掘总结45-46
• 5.4 本章总结46-48
• 6.优化结果与试验验证48-58
• 6.1 汽车风洞试验验证48-49
• 6.1.1 吉林大学风洞48-49
• 6.2 优化汽车模型风洞试验49-51
• 6.2.1 试验模型方案选取49-50
• 6.2.2 试验数据比对分析50-51
• 6.3 试验结果与优化模型数值模拟结果对比51-55
• 6.3.1 测压试验51-52
• 6.3.2 油膜法与优化模型数值模拟结果对比52-54
• 6.3.3 烟流试验54-55
• 6.4 本章小结55-58
• 7.总结与展望58-60
• 7.1 全文总结58-60
• 致谢60-62
• 参考文献62-66
• 个人简历、在学期间发表的学术论文及取得的研究成果66

【相似文献】

中国期刊全文数据库 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：903463