基于遗传算法的汽车外形优化

摘要

本文以快背式汽车车身外形为研究对象，通过对汽车外形五个重要角度参数的优化设计，搜寻满足三个目标（气动阻力最小、气动升力为0、天窗后缘压强最小）要求的车身外形。再采用数据挖掘的方法揭示设计变量与目标函数以及各目标函数之间潜在的关系。本研究的主要内容分为两大部分：一、建立某快背式汽车数字模型，并对该模型汽车外流场的数值模拟结果进行分析；二、采用遗传算法对该模型的车身外形进行多目标优化，并对优化结果进行数值模拟以及风洞试验验证。　　论文首先采用计算流体力学的方法对该汽车模型外流场进行数值模拟，通过分析汽车外流场气流流动状态与车身表面压力分布等细节，加强了对汽车外流场特的认识与理解，为分析汽车车身外形对汽车气动力学性能的影响奠定了理论基础，也为优化汽车车身外形和改善汽车空气动力性能提供了依据。　　其次采用多目标优化的方法对该模型的车身外形进行优化。在多目标设置时，考虑到以整车阻力、升力来衡量汽车空气动力学性能，同时用天窗后缘压强来衡量汽车通过天窗换气性能的好坏，因此，本文以整车阻力最小、升力为0以及天窗后缘压强最小为优化目标，采用拉丁超立方取样的方法（即在规定设计范围内取出能代表整个设计空间的样本）进行初始样本的选取，对选取的样本进行数值模拟计算，再利用克里金（Kriging）代理模型的遗传算法对设计空间内的目标结果进行预测，以此来获得整个设计空间内的最优解方案。　　数据挖掘的重要意义就是使设计变量与目标函数之间复杂的关系更直观化、扁平化，这有利于让设计人员抓住影响目标函数的主要设计变量。本研究通过遗传算法得到帕雷托（Pareto）最优解集为设计方案提供参照和选择空间，再应用数据挖掘的方法评价五个设计变量与三个目标函数的影响关系，包括目标函数之间影响关系，单个或者多个设计变量与目标函数之间的影响关系。这就揭示了设计变量对于目标函数的部分影响规律，同时也揭示了目标函数之间是相互独立还是正负相关的影响关系，为后续开发或者研究提供便利。最后通过汽车模型风洞试验验证优化后的车身外形空气动力学性能，同时对比优化模型数值模拟结果，验证本研究所采用的多目标优化方法的准确性。结果表明，该多目标优化方法具有较高的预测精度和适应度。本文的研究成功地将多目标优化方法运用于汽车空气动力学设计，为今后的汽车车身外形设计及优化提供重要的理论指导。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景和研究意义

1.2 汽车外流场及车身外形优化的研究现状

1.3 多目标优化与数据挖掘方法

1.4 本文研究内容

1.5 本章小结

2 理论基础与车身流场特性

2.1 基本控制方程

2.2 数值计算的主要方法介绍

2.3 网格方案

2.4 湍流模型

2.5 车身流场特性的主要研究内容

2.6 本章小结

3 汽车外流场的数值模拟

3.1 汽车几何模型的建立

3.2 计算域的确定与网格划分

3.3 边界条件的设置

3.4 数值模拟结果分析

3.5 本章小结

4 优化算法与数据挖掘

4.1 遗传算法简介

4.2 拉丁超立方取样与克里金模型

4.3 数据挖掘

4.4 本章小结

5 汽车外形的优化

5.1 建立优化模型

5.2 优化具体步骤

5.3 数据可视化处理分析

5.4 本章总结

6 优化结果与试验验证

6.1 汽车风洞试验验证

6.2 优化汽车模型风洞试验

6.3 试验结果与优化模型数值模拟结果对比

6.4 本章小结

7 总结与展望

7.1 全文总结

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果