本文關(guān)鍵詞：基于遺傳算法的汽車外形優(yōu)化

  更多相關(guān)文章： 汽車外流場 數(shù)值模擬 車身外形優(yōu)化 拉丁超立方取樣 數(shù)據(jù)挖掘

【摘要】：本文以快背式汽車車身外形為研究對象,通過對汽車外形五個重要角度參數(shù)的優(yōu)化設(shè)計,搜尋滿足三個目標(biāo)(氣動阻力最小、氣動升力為0、天窗后緣壓強(qiáng)最小)要求的車身外形。再采用數(shù)據(jù)挖掘的方法揭示設(shè)計變量與目標(biāo)函數(shù)以及各目標(biāo)函數(shù)之間潛在的關(guān)系。本研究的主要內(nèi)容分為兩大部分:一、建立某快背式汽車數(shù)字模型,并對該模型汽車外流場的數(shù)值模擬結(jié)果進(jìn)行分析;二、采用遺傳算法對該模型的車身外形進(jìn)行多目標(biāo)優(yōu)化,并對優(yōu)化結(jié)果進(jìn)行數(shù)值模擬以及風(fēng)洞試驗(yàn)驗(yàn)證。論文首先采用計算流體力學(xué)的方法對該汽車模型外流場進(jìn)行數(shù)值模擬,通過分析汽車外流場氣流流動狀態(tài)與車身表面壓力分布等細(xì)節(jié),加強(qiáng)了對汽車外流場特的認(rèn)識與理解,為分析汽車車身外形對汽車氣動力學(xué)性能的影響奠定了理論基礎(chǔ),也為優(yōu)化汽車車身外形和改善汽車空氣動力性能提供了依據(jù)。其次采用多目標(biāo)優(yōu)化的方法對該模型的車身外形進(jìn)行優(yōu)化。在多目標(biāo)設(shè)置時,考慮到以整車阻力、升力來衡量汽車空氣動力學(xué)性能,同時用天窗后緣壓強(qiáng)來衡量汽車通過天窗換氣性能的好壞,因此,本文以整車阻力最小、升力為0以及天窗后緣壓強(qiáng)最小為優(yōu)化目標(biāo),采用拉丁超立方取樣的方法(即在規(guī)定設(shè)計范圍內(nèi)取出能代表整個設(shè)計空間的樣本)進(jìn)行初始樣本的選取,對選取的樣本進(jìn)行數(shù)值模擬計算,再利用克里金(Kriging)代理模型的遺傳算法對設(shè)計空間內(nèi)的目標(biāo)結(jié)果進(jìn)行預(yù)測,以此來獲得整個設(shè)計空間內(nèi)的最優(yōu)解方案。數(shù)據(jù)挖掘的重要意義就是使設(shè)計變量與目標(biāo)函數(shù)之間復(fù)雜的關(guān)系更直觀化、扁平化,這有利于讓設(shè)計人員抓住影響目標(biāo)函數(shù)的主要設(shè)計變量。本研究通過遺傳算法得到帕雷托(Pareto)最優(yōu)解集為設(shè)計方案提供參照和選擇空間,再應(yīng)用數(shù)據(jù)挖掘的方法評價五個設(shè)計變量與三個目標(biāo)函數(shù)的影響關(guān)系,包括目標(biāo)函數(shù)之間影響關(guān)系,單個或者多個設(shè)計變量與目標(biāo)函數(shù)之間的影響關(guān)系。這就揭示了設(shè)計變量對于目標(biāo)函數(shù)的部分影響規(guī)律,同時也揭示了目標(biāo)函數(shù)之間是相互獨(dú)立還是正負(fù)相關(guān)的影響關(guān)系,為后續(xù)開發(fā)或者研究提供便利。最后通過汽車模型風(fēng)洞試驗(yàn)驗(yàn)證優(yōu)化后的車身外形空氣動力學(xué)性能,同時對比優(yōu)化模型數(shù)值模擬結(jié)果,驗(yàn)證本研究所采用的多目標(biāo)優(yōu)化方法的準(zhǔn)確性。結(jié)果表明,該多目標(biāo)優(yōu)化方法具有較高的預(yù)測精度和適應(yīng)度。本文的研究成功地將多目標(biāo)優(yōu)化方法運(yùn)用于汽車空氣動力學(xué)設(shè)計,為今后的汽車車身外形設(shè)計及優(yōu)化提供重要的理論指導(dǎo)。
【關(guān)鍵詞】：汽車外流場 數(shù)值模擬 車身外形優(yōu)化 拉丁超立方取樣 數(shù)據(jù)挖掘
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U462
【目錄】：

• 摘要4-5
• Abstract5-10
• 1.緒論10-16
• 1.1 研究背景和研究意義10-11
• 1.2 汽車外流場及車身外形優(yōu)化的研究現(xiàn)狀11
• 1.3 多目標(biāo)優(yōu)化與數(shù)據(jù)挖掘方法11-14
• 1.3.1 多目標(biāo)優(yōu)化11-12
• 1.3.2 數(shù)據(jù)挖掘12-14
• 1.4 本文研究內(nèi)容14-15
• 1.5 本章小結(jié)15-16
• 2.理論基礎(chǔ)與車身流場特性16-22
• 2.1 基本控制方程16-17
• 2.2 數(shù)值計算的主要方法介紹17-18
• 2.3 網(wǎng)格方案18-19
• 2.4 湍流模型19-20
• 2.5 車身流場特性的主要研究內(nèi)容20-21
• 2.5.1 氣動力和氣動力矩20
• 2.5.2 汽車表面壓力20-21
• 2.6 本章小結(jié)21-22
• 3.汽車外流場的數(shù)值模擬22-28
• 3.1 汽車幾何模型的建立22-23
• 3.2 計算域的確定與網(wǎng)格劃分23-24
• 3.2.1 網(wǎng)格劃分23-24
• 3.3 邊界條件的設(shè)置24-25
• 3.3.1 計算流體力學(xué)軟件Fluent簡介24
• 3.3.2 邊界條件的設(shè)置24-25
• 3.4 數(shù)值模擬結(jié)果分析25-27
• 3.4.1 汽車外流場分析25-26
• 3.4.2 車身表面壓力分析26-27
• 3.5 本章小結(jié)27-28
• 4.優(yōu)化算法與數(shù)據(jù)挖掘28-36
• 4.1 遺傳算法簡介28-30
• 4.1.1 遺傳算法的運(yùn)算流程28-30
• 4.1.2 多目標(biāo)優(yōu)化問題的解30
• 4.2 拉丁超立方取樣與克里金模型30-35
• 4.2.1 拉丁超立方取樣30-31
• 4.2.2 建立克里金（Kriging）代理模型31-35
• 4.3 數(shù)據(jù)挖掘35
• 4.4 本章小結(jié)35-36
• 5.汽車外形的優(yōu)化36-48
• 5.1 建立優(yōu)化模型36-38
• 5.2 優(yōu)化具體步驟38-41
• 5.2.1 優(yōu)化設(shè)計流程38-40
• 5.2.2 基于 NSGA-Ⅱ法收尋最優(yōu)解集40-41
• 5.3 數(shù)據(jù)可視化處理分析41-46
• 5.3.1 敏感度分析41-42
• 5.3.2 SOM神經(jīng)元網(wǎng)格圖分析42-45
• 5.3.3 數(shù)據(jù)挖掘總結(jié)45-46
• 5.4 本章總結(jié)46-48
• 6.優(yōu)化結(jié)果與試驗(yàn)驗(yàn)證48-58
• 6.1 汽車風(fēng)洞試驗(yàn)驗(yàn)證48-49
• 6.1.1 吉林大學(xué)風(fēng)洞48-49
• 6.2 優(yōu)化汽車模型風(fēng)洞試驗(yàn)49-51
• 6.2.1 試驗(yàn)?zāi)Ｐ头桨高x取49-50
• 6.2.2 試驗(yàn)數(shù)據(jù)比對分析50-51
• 6.3 試驗(yàn)結(jié)果與優(yōu)化模型數(shù)值模擬結(jié)果對比51-55
• 6.3.1 測壓試驗(yàn)51-52
• 6.3.2 油膜法與優(yōu)化模型數(shù)值模擬結(jié)果對比52-54
• 6.3.3 煙流試驗(yàn)54-55
• 6.4 本章小結(jié)55-58
• 7.總結(jié)與展望58-60
• 7.1 全文總結(jié)58-60
• 致謝60-62
• 參考文獻(xiàn)62-66
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運(yùn)行優(yōu)化中的應(yīng)用[J];流體機(jī)械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風(fēng);一種改進(jìn)的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂;杜海璐;;基于改進(jìn)遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

4 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

6 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

7 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

8 吳欣欣;改進(jìn)GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)入侵檢測研究[D];湖南工業(yè)大學(xué);2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學(xué);2015年

10 龔高;基于遺傳算法的橋梁結(jié)構(gòu)傳感器優(yōu)化布置研究[D];長安大學(xué);2015年

，

本文編號：903463