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
在飞行器的气动外形优化设计中,参数化方法和优化算法具有十分重要的作用,对优化的计算时间设计空间的数学特性有着深刻的影响.类别形状函数(class and shape transformation,CST)方法是一种简洁高效的参数化方法,但对于复杂曲面很难使...在飞行器的气动外形优化设计中,参数化方法和优化算法具有十分重要的作用,对优化的计算时间设计空间的数学特性有着深刻的影响.类别形状函数(class and shape transformation,CST)方法是一种简洁高效的参数化方法,但对于复杂曲面很难使用统一的CST方法进行拟合.文章首先介绍了CST方法的三维实现,分析了其数学性质,提出了分块CST参数化方法,保留CST方法的特性,实现了分块曲面之间的光滑连接.针对气动外形优化设计的复杂情况,需要根据具体的飞行任务提出设计目标,并处理不同目标的矛盾问题.其次采用Pareto策略自动寻找最优方案集,并基于分块CST参数化方法遗传算法和气动力快速计算方法,对类乘波翼身组合飞行器进行了优化设计,并改变原有问题的设定条件优化得到了全新外形.研究结果表明分块CST方法参数少,精度高,Pareto策略处理多目标准确有效,是气动外形优化设计中非常有用的工具.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。
文摘在飞行器的气动外形优化设计中,参数化方法和优化算法具有十分重要的作用,对优化的计算时间设计空间的数学特性有着深刻的影响.类别形状函数(class and shape transformation,CST)方法是一种简洁高效的参数化方法,但对于复杂曲面很难使用统一的CST方法进行拟合.文章首先介绍了CST方法的三维实现,分析了其数学性质,提出了分块CST参数化方法,保留CST方法的特性,实现了分块曲面之间的光滑连接.针对气动外形优化设计的复杂情况,需要根据具体的飞行任务提出设计目标,并处理不同目标的矛盾问题.其次采用Pareto策略自动寻找最优方案集,并基于分块CST参数化方法遗传算法和气动力快速计算方法,对类乘波翼身组合飞行器进行了优化设计,并改变原有问题的设定条件优化得到了全新外形.研究结果表明分块CST方法参数少,精度高,Pareto策略处理多目标准确有效,是气动外形优化设计中非常有用的工具.
