IMECH-IR  > 流固耦合系统力学重点实验室
高速列车参数化方法研究及整车气动外形优化设计
英文题名The Study on Parameterization Methods of the High-Speed Train and Optimization Design for the Whole Train
张业
导师杨国伟
2017
学位授予单位中国科学院大学
学位授予地点北京
培养单位中国科学院力学研究所
学位专业流体力学
摘要高速列车是综合交通运输体系的骨干和主要交通方式之一,其设计制造代表了一个国家工业设计水平的发展程度,成为衡量国家科技、文化、经济等综合实力的重要依据。由于运行速度的提升以及运行环境的复杂多样,对高速列车的空气动力学性能提出了更高的要求。通过对列车外形进行合理的参数化,以气动性能为目标进行优化设计可以显著减小空气对列车的负面影响,提高列车节能减排的能力,改善乘坐舒适性,提高运行安全和稳定性。因此参数化方法及优化设计的研究对于指导列车的外形研发设计具有重要的参考意义。本文以高速列车的外形参数化方法及整车气动外形优化设计为研究目标,取得了以下几方面的研究进展: 研究分析了高速列车的受电弓平台、导流槽、转向架舱等附属部件的不同外形设计对列车表面压力分布、气动阻力、气动升力以及局部流动特性的影响;研究了车厢间外风挡缝隙宽度对高速列车气动性能的影响,对不同风挡缝隙宽度下列车整体气动阻力、各车厢气动力特性以及风挡内部压强、速度的差异进行了对比分析,得到了外风挡缝宽对列车气动性能的影响规律。 针对高速列车外形参数化中曲面质量的问题,发展了网格等间距重分布方法及三次样条函数插值方法,并在VMF方法的基础上,发展了IVMF方法,显著改善了外形设计中的曲面质量;根据CST方法的基本理论,建立了适用于高速列车外形的、基于Bernstein基函数的二维/三维CST参数化方法,结合优化算法,提出了PAB-CST高速列车参数化方法;利用基于平行控制体的FFD参数化方法,实现了列车流线型及整体外形的参数化。 通过引入混沌映射模型,对连续域蚁群算法进行改进,发展了连续域混沌蚁群优化算法;利用模拟退火的退温机制,对基本粒子群算法进行改进,发展了混合粒子群算法;结合小生境技术和外部存档技术,对以上两种算法进行改进,分别发展了连续域多目标混沌蚁群优化算法及多目标混合粒子群算法;利用测试函数对上述算法进行测试,结果说明改进后的算法具有良好的单目标/多目标寻优能力,对两种算法的计算效率及稳定性做了对比和分析。 对比研究了不同核函数对支持向量机回归精度的影响,以模型输入参数为自变量,模型预测误差为最小化目标函数,发展了改进的最小二乘支持向量机代理模型;建立了基于K-CV训练方法及参数优化的Kriging模型,分析了两种代理模型在效率及精度方面的优缺点及差异性; 利用IVMF参数化方法,提取9个设计变量,基于最小距离最大化准则的Maxmin-LHS采样方法,结合OPT-LSSVR代理模型,利用CACOR优化算法,提出了一套IVMF-LSSVR-CACOR优化设计流程,对高速列车流线型部分进行了以气动阻力及尾车升力为目标的优化设计;利用基于平行控制体的FFD参数化方法,面向中国标准动车组CR400AF流线型进行了参数化设计,提取16个设计变量,利用发展的多目标SA-PSO算法,进行了面向工程的流线型多目标优化设计。 分析了高速列车的横风气动特性,根据列车在横风环境中的流场特点,提出了高速列车整体外形优化设计中的关键设计点,对头车流线型、尾车流线型、车体结构等进行独立参数化设计。针对自主化外形设计发展了IVMF整车参数化方法,提取45个设计变量;基于平行控制体的FFD整车参数化方法,提取31个设计变量。利用发展的整车参数化方法,以高速列车横风条件下的升力系数和倾覆力矩系数为优化目标,进行了高速列车整体首尾非对称的多目标气动优化设计;优化后的外形气动性能得到了明显提升,表明本文发展的包含车体参数、流线型参数在内的首尾非对称优化设计方法能更好地提高列车的气动性能。
索取号2017-053
语种中文
文献类型学位论文
条目标识符http://dspace.imech.ac.cn/handle/311007/60432
专题流固耦合系统力学重点实验室
推荐引用方式
GB/T 7714
张业. 高速列车参数化方法研究及整车气动外形优化设计[D]. 北京. 中国科学院大学,2017.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
201765103001.pdf(9571KB)学位论文 开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[张业]的文章
百度学术
百度学术中相似的文章
[张业]的文章
必应学术
必应学术中相似的文章
[张业]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

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。