计算机辅助工程
計算機輔助工程
계산궤보조공정
COMPUTER AIDED ENGINEERING
2014年
1期
1-6
,共6页
车身%参数化建模%气动优化%优化拉丁超立方%径向基神经网络模型%多岛遗传算法
車身%參數化建模%氣動優化%優化拉丁超立方%徑嚮基神經網絡模型%多島遺傳算法
차신%삼수화건모%기동우화%우화랍정초립방%경향기신경망락모형%다도유전산법
以英国汽车工业研究协会(Motor Industry Research Association,MIRA)阶背模型为基本模型,用参数化建模方法建立其纵向对称面的二维模型,运用优化拉丁超立方方法对每组参数化方案生成600组样本点；将MATLAB与Gambit结合,自动快速生成其网格模型；用FLUENT计算每个样本点的气动阻力.建立径向基神经网络(Radial Basis Function Neural Network,RBFNN)近似模型,以阻力最小为优化目标,采用多岛遗传算法优化外形参数；对优化后的结果进行数值模拟,结果表明阻力减少31.9％.三维验证结果表明:二维优化结果不能完全代表三维结果,直接进行三维优化设计的效果更好.
以英國汽車工業研究協會(Motor Industry Research Association,MIRA)階揹模型為基本模型,用參數化建模方法建立其縱嚮對稱麵的二維模型,運用優化拉丁超立方方法對每組參數化方案生成600組樣本點；將MATLAB與Gambit結閤,自動快速生成其網格模型；用FLUENT計算每箇樣本點的氣動阻力.建立徑嚮基神經網絡(Radial Basis Function Neural Network,RBFNN)近似模型,以阻力最小為優化目標,採用多島遺傳算法優化外形參數；對優化後的結果進行數值模擬,結果錶明阻力減少31.9％.三維驗證結果錶明:二維優化結果不能完全代錶三維結果,直接進行三維優化設計的效果更好.
이영국기차공업연구협회(Motor Industry Research Association,MIRA)계배모형위기본모형,용삼수화건모방법건립기종향대칭면적이유모형,운용우화랍정초립방방법대매조삼수화방안생성600조양본점；장MATLAB여Gambit결합,자동쾌속생성기망격모형；용FLUENT계산매개양본점적기동조력.건립경향기신경망락(Radial Basis Function Neural Network,RBFNN)근사모형,이조력최소위우화목표,채용다도유전산법우화외형삼수；대우화후적결과진행수치모의,결과표명조력감소31.9％.삼유험증결과표명:이유우화결과불능완전대표삼유결과,직접진행삼유우화설계적효과경호.
