| 高速列车气动优化设计研究 |
英文题名 | Aerodynamical Optimization and Design of High-speed Trains
|
| 姚拴宝
|
导师 | 王发民
; 杨国伟
|
| 2014
|
学位授予单位 | 中国科学院研究生院
|
学位授予地点 | 北京
|
学位类别 | 博士
|
学位专业 | 流体力学
|
摘要 | 高速列车的气动性能对其运行的安全性、稳定性和乘坐舒适性影响很大。通过对车体外形尤其是列车头型进行优化设计可以显著减弱空气对列车的负面影响,提升列车运行时的气动性能。因此,头型的选取和优化是高速列车研发过程中的关键问题之一。本文以高速列车头型的气动优化设计方法及工程应用为出发点,主要完成了如下研究工作: 针对CRH3八辆编组真实外形,生成约1.6亿计算网格,采用大规模并行计算,模拟了高速列车时速350公里单车明线运行工况的流场,对列车各组成部分的气动阻力特性进行了统计和归类,给出了各部件气动阻力对列车总气动阻力的贡献。 以数值模拟和正交试验设计为分析工具,研究了高速列车头型的长度、纵剖面型线、水平剖面型线、排障器外形、司机室玻璃形状和车体横截面形状对列车气动阻力、尾车气动升力、横风环境下头尾车的气动侧向力和倾覆力矩以及列车通过隧道时产生的微气压波的影响。得到了头型各主要设计部位的拓扑结构对列车气动性能的作用规律,并给出了针对不同气动指标进行头型设计时的合理拓扑结构。 针对CRH380A型高速列车头部外形的气动减阻问题,结合增量叠加参数化方法,提出了一套基于实数编码遗传算法的变光滑因子广义回归神经网络响应面模型(GA-GRNN)的气动外形单目标优化设计方法。然后,以整车气动阻力和尾车气动升力为优化目标,结合Kriging代理模型和基于迭代局部搜索算法的带有极大极小准则的中心拉丁超立方采样方法,提出了一套基于自适应非劣分类遗传算法的高速列车头型有约束多目标气动优化设计方法。 以高速列车气动头型的工程优化设计为研究目的,以尾车气动升力和流线型部分容积作为优化目标开展了两目标优化设计;采用交叉验证与遗传算法相结合的方法构建Kriging模型,可以有效减少训练样本点的个数,提高优化效率。 为提高多目标粒子群算法的寻优能力,基于小生境粒子数和拥挤距离的概念,构造出了一种修正的多目标粒子群算法,并与基于实数编码和二进制编码的非劣分类多目标自适应遗传算法进行了对比分析,发现基于拥挤距离的概念构造的算法具有较强的寻优能力,尤其是对于高维、Pareto最优解集非连续问题,表现更为突出。 基于VMF参数化方法、NURBS曲线与离散控制点方法,发展了一套列车头型的参数化设计方法,利用33个设计参数可以细致的描述列车头部外形,通过对各设计参数值的调整,能够得到几何外形完全不同的头型。基于发展的参数化方法,结合多目标粒子群算法、CFD数值模拟和支持向量机回归模型开展了高速列车头型的多目标气动外形优化设计研究。 |
索取号 | 31146
|
语种 | 中文
|
文献类型 | 学位论文
|
条目标识符 | http://dspace.imech.ac.cn/handle/311007/48980
|
专题 | 高温气体动力学国家重点实验室
|
推荐引用方式 GB/T 7714 |
姚拴宝. 高速列车气动优化设计研究[D]. 北京. 中国科学院研究生院,2014.
|
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论