横风下高速列车流线型头型多目标气动优化设计

为改善高速列车的横风气动性能,建立高速列车流线型头型的多目标优化设计方法,以横风下高速列车的侧力和升力为优化目标,对高速列车流线型头型进行多目标自动优化设计。建立高速列车流线型头型的参数化模型,提取出5个优化设计变量,利用计算流体动力学方法进行高速列车流场计算,并结合多目标遗传算法,实现横风下高速列车流线型头型的自动寻优设计。通过相关性分析,得到影响侧力和升力的关键优化设计变量,并进一步研究关键优化设计变量和优化目标之间的非线性关系。经过多目标优化设计,获得一系列的Pareto最优头型,这些头型的横风气动性能均得到明显改善。同时为保证无风环境下高速列车的基本气动性能不发生恶化,最终筛选出8个Pareto最优头型。对于这8个Pareto最优头型,相对于原始头型来说,横风下的侧力最多可降低3.06%,横风下的升力最多可降低19.60%,无风时的气动阻力最多可降低4.51%,无风时的气动升力最多可降低9.68%。     

高速列车动力学参数的多目标抗风优化设计

为改善高速列车的抗风性能,基于车辆系统动力学和多目标优化理论,建立高速列车动力学参数的多目标优化设计方法,以轮重减载率和轮轴横向力为优化目标,采用多目标遗传算法NSGA-Ⅱ对高速列车的动力学参数进行自动寻优设计,分析优化设计变量与优化目标的相关性,并给出优化后的Pareto最优解。计算结果表明,通过优化高速列车的动力学参数,轮重减载率和轮轴横向力的数值最大可分别降低17.95%和10.26%,多目标优化可以显著改善高速列车的抗风性能。同时,对优化前后高速列车的其他动力学性能进行分析,以保证优化后的动力学参数在改善列车抗风性能的同时不会引起列车运行品质的严重恶化。     

高速列车头型气动外形关键结构参数优化设计*

降低列车运行阻力和气动噪声是提升高速列车速度能力和环境适应性的有效手段。针对气动阻力、气动噪声这两项优化目标,利用Isight软件建立了集参数化驱动建模、计算网格划分、气动计算、优化分析等步骤的高速列车新头型气动性能自动优化设计流程,运用基于多目标遗传算法NSGA-II的优化设计方法,对鼻尖高度、排障器前端伸缩量、转向架区域挡板倾角等关键设计变量进行了优化设计以及与气动阻力和气动噪声的相关性分析,在此基础上提出了综合性能较佳的新头型气动外形。通过计算结果可知,① 鼻尖高度对整车阻力和头车表面最大声功率均为正相关关系;② 转向架区域隔墙倾角对整车阻力和头车表面最大声功率影响的相关性最大;③ 通过优化转向架区域隔墙倾角可有效降低该处气动噪声的表面声功率。     

基于Kriging模型的在役高速列车悬挂参数近似贝叶斯估计

高速列车在长期服役情况下,车辆悬挂部件参数与其初始设计值之间会产生较大差异。车辆物理参数识别方法操作复杂、费用较高,参数估计只需要利用少量的传感器获取车辆振动状态信息,就能估算出车辆关键部件实际参数值。结合实测轨检数据和多体动力学仿真模型,提出一种基于Kriging模型的近似贝叶斯计算(ABC)方法对在役高速列车的悬挂参数进行估计。首先,利用Kriging模型代替多体动力学模型作为近似贝叶斯计算中的数值模型;然后,以单目标优化代替多目标处理以简化ABC中参数估计,得到不同加权因子组合下悬挂参数的后验分布,后验分布中最大相对概率所对应的参数值即为悬挂参数的估计值;最后,将得到的悬挂参数的估计值输入多体动力学模型中进行车体加速度的预测,并与实测车体加速度进行对比。结果表明,相比于依据车辆初始参数进行仿真计算的结果,以车体垂向加速度作为优化目标时,预测垂向加速度值与实际值功率谱密度曲线的皮尔逊相关系数增加了0.919;以车体横向加速度作为优化目标时,预测横向加速度与实际值的相关系数增加了0.427;同时以车体垂向、横向加速度作为优化目标时,预测垂向、横向加速度与实际值的相关系数分别增加了0....     

基于近似模型管理的微小卫星结构多目标优化设计

针对某型号微小卫星结构多目标优化的特性,在基于信赖域近似模型管理的基础上,提出了一种新型的近似模型管理框架。选取正交试验法和Kriging近似法用于构建近似模型,选取基于拥挤距离的粒子群多目标优化算法作为核心算法,并通过最大最小距离策略来保证信赖度计算的准确性与合理性,从而确保获取与高精度模型一致的非劣解集。所选的五组优化结果显示,卫星结构质量均有不同程度的减小, 最大减幅达到14.1%,同时整星前三阶固有频率较优化前明显提高。该近似模型管理框架在微小卫星结构多目标优化设计中的成功运用验证了其有效性及合理性,对于复杂工程多目标优化问题具有一定的工程应用价值。       

基于RBF神经网络代理模型的车辆/轨道参数多目标优化

为探究车辆与轨道参数多目标优化问题,基于RBF(Radial Basis Function)神经网络代理模型对车辆/轨道参数实现多目标优化以改善车辆的动力学性能.通过构建高速列车车辆-轨道耦合动力学仿真模型,借助UM与Isight联合仿真技术分析车辆与轨道参数对动力学性能的灵敏度影响,以灵敏度占比最大的8个参数为设计变...     

基于Kriging模型的发动机罩多目标优化设计

为提高轿车CNCAP行人保护性能,应用拓扑优化方法对某款轿车的发动机罩内板进行结构改进,以达到降低行人头部损伤值的目的。先以发动机罩内板、外板、加强板及铰链的壁厚为设计变量,采用最优拉丁方法生成样本数据,通过仿真分析,构建了关于发动机罩质量、头部损伤值及模态的Kriging近似模型;然后利用NSGA-Ⅱ（非劣分层遗传算法）多目标进化算法寻优求解。结果表明：改进后的发动机罩不仅安全性和防振性得到改善,而且质量减小,模态值提高,实现了安全、防振及轻量化的设计目标。     

Kriging模型并行加点策略的多目标优化方法

针对复杂机械装备多学科多目标优化设计成本高、周期长等问题,提出一种近似模型与并行加点策略相结合的多目标优化方法。基于Kriging模型,将添加更新样本点定义为同时考虑Pareto最优解和预测误差的动态多目标优化问题,应用改进NSGA-II优化算法和极大极小距离准则,确定最优的并行更新样本点,在提高Kriging模型精度的同时实现多目标优化。测试函数验证和实例结果表明,该方法可有效提高复杂系统多目标优化效率,同时获得收敛性和分散性俱佳的Pareto最优解。     

高速仪表轴承的多目标优化设计

根据高速仪表轴承的工作特点 ,在相应模型的基础上 ,归纳了几项主要性能指标的计算方法 ,提出了多目标优化设计的两种评价方式 ,并以实例分析了在不同预载荷下的主参数变化趋势 ,推荐了两组设计参数。附表 3个 ,参考文献 5篇。     

高速列车车轮型面多目标优化研究

对于动车组车轮磨耗引起的动力学性能降低问题,车轮型面优化是一个很好的解决方案。采用旋转压缩微调法（Rotary-scaling fine-tuning method,RSFT）进行型面生成;建立某型动车组车辆动力学模型,采用该模型计算相应的优化目标和约束条件;利用径向基神经网络-粒子群（Radial-based neural network-particle swarm optimization,RBF-PSO）算法优化出最优廓形。通过对比优化前后车轮型面的动力学性能和磨耗性能,可以发现：优化后车轮型面临界速度为424.6 km/h,增大10.2%;横向平稳性和垂向平稳性指标整体减小,同时提高了曲线通过时的安全性指标,脱轨系数、倾覆系数和轮轴横向力都进一步减小。优化后车轮型面接触点分布相对更加均匀,等效锥度减小。同时优化后车轮型面有效减小车轮磨耗深度,并减小了轮缘根部磨耗,车轮最大磨耗深度减小9.8%。     

基于伴随方法的高速列车头型气动优化

为改善高速列车明线运行时的气动性能,基于伴随方法和径向基函数网格变形技术,开展高速列车头型气动优化设计。采用径向基函数网格变形技术,避免列车头型优化过程中的网格重复生成,提高头型优化的效率。通过伴随方法求解目标函数对列车头型的敏感度,无须定义任何的头型设计变量,避免人为指定设计变量对优化结果的影响。将网格变形技术、伴随方法及计算流体动力学（Computational fluid dynamic,CFD）方法相结合,构建高速列车头型优化设计流程,选取整车气动阻力和尾车气动升力为优化目标,对高速列车头型进行多目标气动优化设计。结果表明：伴随方法可以有效地应用于高速列车的头型优化;优化后,在满足约束条件的情况下,列车的整车气动阻力减小2.83%,尾车气动升力减小25.86%;气动阻力减小主要位于头尾车流线型部位,中间车和头尾车车体气动阻力基本保持不变;尾车气动升力减小主要位于流线型部位,尾车车体向下的升力绝对值也有所减小。     

基于Kriging近似模型的轨道主冷叶轮多目标遗传优化

为最大限度地减小叶轮质量,通过反求模型和网格密度精度的分析,对叶轮结构进行数值计算,并构造了拉丁超立方试验设计模型和Kriging近似模型,得到叶轮结构的采样空间和高精度的近似模型用来代替数值分析,提出了轨道轴流风机叶轮结构多目标遗传优化方法。采用该方法分析了主要技术参数对叶轮结构受力的灵敏性,并找出了对叶轮结构应力影响最大的参数。叶轮结构通过优化后,质量减小了31.7%,大大节省了材料的成本,最大应力值也由初始方案的21.5MPa变为16.5MPa,有效地提高了叶轮的力学性能。优化后通过滑环引电器和动静态应变测试系统对风机叶轮进行动静态试验,并设计了叶轮旋转机械的工艺工装和试验方案,试验结果与计算结果十分吻合,且动应力相对很小,因此,叶轮具有良好的力学和振动性能,在工程应用中具有较高的价值。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

变流量工况下小型离心压气机多目标优化设计

为提高离心压气机变流量工况下的性能,基于三维流场分析研究了离心压气机叶片几何参数对其变工况气动性能的影响规律;基于相关性分析建立了降阶的优化设 计变量空间,采用拉丁超立方试验设计、Kriging模型和NSGA-Ⅱ算法进行了离心压气机叶轮变流量工况多目标优化。优化后,叶轮设计流量的压比提高6.43%,效率提高3.99%;小流量时压比提高5.62%,效率提高3.52%;内部流动损失减少,喘振流量减小2.7%,阻塞流量增加6.85%,稳定工作范围得到扩宽。     

三点支撑T形床身机床垫铁位置多目标优化设计

For the optimal position problems of the three-point supporting machine tools, a optimal method was proposed to optimize the locations of the three-point supporting. The detailed design processes were introduced with a T-shaped bed of a CNC cylindrical grinder which was taken as the research object. Firstly, the initial supporting positions were determined by the method of dividing bottom plane of the bed and finding the centroid of each region, and the pad-iron positions were parameterized, then the parameter ranges were specified according to the position limit conditions. Secondly, the multi-objective optimization mathematical model of pad-iron positions was established, and the optimal solution was obtained to achieve the optimal static and dynamic performances of the bed. Finally, by analyzing the relationship between the three pad-iron positions obtained from Pareto frontier and the bed geometric sizes, the arrangement rule of three-point support for this model was obtained. The results show that the static and dynamic performances of the bed are improved by this suggested method.     

离散多目标优化问题的研究

现有优化方法大多针对连续变量,用于离散变量优化的方法较少,尤其离散多目标问题的优化的方法更少。总结了离散多目标问题的优化方法,并指出了其发展趋势。     

强风雨环境下高速列车运行安全特性

为确保高速列车在强风雨环境下安全运行,结合EULER-LAGRANGE方法和计算多体动力学方法,系统地研究风雨环境下高速列车的气动特性及运行安全特性.基于非球形雨滴,建立高速列车空气动力学计算模型,并验证计算模型的准确性,进而计算强风雨环境下作用于高速列车的气动载荷.建立高速列车车辆系统动力学模型,计算强风雨载荷作用下...     

基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。