在高速列车多目标气动优化设计中,结合传统加点准则建立的代理模型在初始抽样样本点较少时寻优效率较低.为提高优化效率,本文融合改善期望加点准则(EIC)及Pareto前沿解加点准则(PIC),提出混合加点准则(HIC)方法,并基于HIC方法建立Kriging代理模型,以高速列车头车气动阻力、尾车气动阻力及尾车气动升力最小为优化目标,开展高速列车头型多目标气动优化研究;并以Branin单目标测试函数和Poloni多目标测试函数为例,对比分析EIC、PIC和HIC 3种代理模型的收敛速度.结果表明:单目标优化中,相比于EIC和HIC代理模型,HIC代理模型的寻优效率提高50.0%;多目标优化中,与PIC代理模型相比,HIC代理模型的效率提高62.5%;采用HIC代理模型开展头型多目标气动优化得到的最优解模型与原始模型相比,高速列车头车气动阻力、尾车气动阻力和尾车气动升力分别降低1.6%、1.7%和3.0%;最优解模型的鼻尖高度、车钩区域高度及司机室视窗高度都有所降低,2条横向轮廓线内缩.
戴志远;李田;张卫华;张继业;
西南交通大学轨道交通运载系统全国重点实验室,四川成都610031
交通运输
代理模型;混合加点准则(HIC);高速列车;气动优化
《西南交通大学学报》 2024 (001)
P.46-53 / 8
国家重点研发计划(2020YFA0710902);国家自然科学基金(12372049);四川省科技计划(2023JDRC0062);中央高校基本科研业务费(2682023ZTPY036);轨道交通运载系统全国重点实验室自主课题(2023TPL-T06)的资助.
10.3969/j.issn.0258-2724.20220218
评论