在汽车气动外形优化设计中,往往需要大量的高精度CFD数据作为支撑。然而,高精度CFD数据获取难度大、成本高。为了缓解汽车气动优化设计中气动特性评估精度和效率之间的矛盾,根据迁移学习与数据融合的思想,提出了一种基于多精度深度神经...在汽车气动外形优化设计中,往往需要大量的高精度CFD数据作为支撑。然而,高精度CFD数据获取难度大、成本高。为了缓解汽车气动优化设计中气动特性评估精度和效率之间的矛盾,根据迁移学习与数据融合的思想,提出了一种基于多精度深度神经网络(multi-fidelity deep neural network, MFDNN)的汽车外形优化设计方法,以减少优化设计中所需的高精度数据个数,从而有效提升优化速度、降低优化成本。将所发展的优化方法应用于快背式MIRA标准模型减阻优化设计中,优化结果表明,该方法能够充分融合不同精度数据所蕴含的知识,加速气动外形优化进程,提升优化效率。以收敛用时作为评价指标,在取得相近或更优优化结果的前提下,基于多精度神经网络的优化框架的收敛速度是基于单精度神经网络的离线优化框架的5.85倍,是基于单精度神经网络的在线优化框架的2.81倍。展开更多
根据叶素动量理论(Blade Element Momentum theory,BEM)的Wilson方法建立了风力发电机叶片气动计算模型,并考虑叶尖损失、轮毂损失、叶栅理论及失速状态下动量理论的失效的修正。提出了基于MATLAB遗传算法工具箱,以风能利用系数最大为...根据叶素动量理论(Blade Element Momentum theory,BEM)的Wilson方法建立了风力发电机叶片气动计算模型,并考虑叶尖损失、轮毂损失、叶栅理论及失速状态下动量理论的失效的修正。提出了基于MATLAB遗传算法工具箱,以风能利用系数最大为优化目标,对叶片弦长和扭角等参数进行优化设计的方法。在优化后得到叶片模型基础上,基于Fluent软件对三叶片风轮进行了三维仿真,得到了整机风轮压力分布与表面空气流速分布图,并得到了叶片的转矩值,据此计算求得风轮功率和功率系数,绘制了风轮功率及功率系数随风速变化的关系图。通过分析,表明基于遗传算法的风力机叶片优化设计方法是有效可行的,能有效提高风能的利用率,对风力机叶片的设计、改型和研发工作具有指导意义。展开更多
文摘在汽车气动外形优化设计中,往往需要大量的高精度CFD数据作为支撑。然而,高精度CFD数据获取难度大、成本高。为了缓解汽车气动优化设计中气动特性评估精度和效率之间的矛盾,根据迁移学习与数据融合的思想,提出了一种基于多精度深度神经网络(multi-fidelity deep neural network, MFDNN)的汽车外形优化设计方法,以减少优化设计中所需的高精度数据个数,从而有效提升优化速度、降低优化成本。将所发展的优化方法应用于快背式MIRA标准模型减阻优化设计中,优化结果表明,该方法能够充分融合不同精度数据所蕴含的知识,加速气动外形优化进程,提升优化效率。以收敛用时作为评价指标,在取得相近或更优优化结果的前提下,基于多精度神经网络的优化框架的收敛速度是基于单精度神经网络的离线优化框架的5.85倍,是基于单精度神经网络的在线优化框架的2.81倍。
文摘根据叶素动量理论(Blade Element Momentum theory,BEM)的Wilson方法建立了风力发电机叶片气动计算模型,并考虑叶尖损失、轮毂损失、叶栅理论及失速状态下动量理论的失效的修正。提出了基于MATLAB遗传算法工具箱,以风能利用系数最大为优化目标,对叶片弦长和扭角等参数进行优化设计的方法。在优化后得到叶片模型基础上,基于Fluent软件对三叶片风轮进行了三维仿真,得到了整机风轮压力分布与表面空气流速分布图,并得到了叶片的转矩值,据此计算求得风轮功率和功率系数,绘制了风轮功率及功率系数随风速变化的关系图。通过分析,表明基于遗传算法的风力机叶片优化设计方法是有效可行的,能有效提高风能的利用率,对风力机叶片的设计、改型和研发工作具有指导意义。
