3高速列车头型优化设计-中国力学学会.docVIP

第八届全国流体力学学术会议 2014年9月18～21日 甘肃兰州 文章编号： CSTAM2014-B01-0192 标题：基于CACO-SVM的高速列车头型多目标优化 作者：张业，郭迪龙，姚拴宝，杨国伟 单位：中国科学院力学研究所流固耦合系统力学重点实验室 Copyright ? 2014 版权所有 中国力学学会地址: 北京市北四环西路15号　邮政编码:100190 　Address: No.15 Beisihuanxi Road, Beijing 10 张业，郭迪龙2），姚拴宝，杨国伟 （中国科学院力学研究所流固耦合系统力学重点实验室，北京海淀区 100190）随着高速列车运行速度的提高，气动效应对列车运行安全性、平稳性和节能环保性的影响越来越突出[1]。高速列车贴近地面或轨道运行，长径比远大于其他交通工具，在高速运行的情况下，其空气阻力特性变得更为复杂[1-3]，气动阻力占总阻力的百分比也随着速度的增加而迅速提升。头部长度在10m左右，且流线型程度非常高的动车组，时速300km时空气阻力占总阻力的75%[4]。可见，气动减阻问题成为制约高速列车节能环保性能的关键问题之一。在无横风条件下，较大的尾车气动升力会显著减小轮轨接触力，影响尾车的运行平稳性和乘坐舒适性；过大的抬升力容易导致列车脱轨，严重影响列车的运行安全。因此，减小列车的气动阻力和尾车的气动升力成为高速列车头型优化设计的关键问题。目前，列车头型设计中最为成熟的方法是优选式的设计方法，即根据已有的经验设计出若干头型，然后通过数值模拟、风洞试验和实车试验方法对各个头型的气动性能进行对比分析，从而选取气动性能较好的头型，但优选式的头型设计方法具有很大的盲目性，且设计周期长、成本高，为此，基于优化算法的头型设计方法成为头型优化设计研究的热点[]。 由于计算机技术和计算方法的限制，列车头型的早期研究主要针对二维型线进行单目标的方法性研究[]，很难应用于工程实践；近几年，针对列车头型的三维优化设计研究有了新的进展，Vytla等[]以列车气动阻力和气动噪声为优化目标，结合自适应Kriging模型和基于遗传算法及粒子群算法的混合算法对列车鼻锥进行了优化设计。 Yo-Cheon Ku等[]以减小微气压波为优化目标，使用BFGS（Broyden-Fletcher-Goldfarb）算法和响应面模型对不同鼻锥长度的头车流线型部分的截面变化率进行了单目标优化设计。Jongsoo Lee 等[]基于支持向量机响应面模型与连续二次规划方法，提取9个设计变量，针对列车纵剖面型线，以减小微气压波为优化目标，进行了列车气动外形的单目标优化设计。本文在上述文献工作的基础上，针对CRH380A高速列车流线型外形，以减少三辆编组列车气动阻力、尾车气动升力为目标，提取个关键设计变量；使用支持向量机模型对进行目标寻优，得到了以整车气动阻力和尾车气动升力为优化目标的Pareto最优解集，选取其中一个优化外形改造成真实外形与CRH380A三辆编组真实外形的气动性能进行了对比分析。 [10]，通过模拟蚂蚁寻找食物的过程来解决一些系统优化中的困难问题。蚁群优化算法最初用于求解旅行商问题等离散系统寻优问题，取得了一系列较好的实验结果[11,12]，经过多年的发展，蚁群算法已经成功应用于连续域寻优[13]。 蚂蚁个体之间是通过一种称之为信息素的物质进行信息传递，蚂蚁会在它所经过的路径上留下该种物质，而且蚂蚁在运动过程中能够感知周围环境中信息素的存在及其强度，并以此指导自己的运动方向，蚂蚁倾向于朝着信息素强度高的方向移动。因此，由大量蚂蚁组成的蚁群的集体行为便表现出一种信息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。蚁群算法的数学模型为： (1) 代表第k只蚂蚁在t时刻从i位置转移到j位置的概率。为t时刻位置i与j之间的信息素强度。为i与j之间的可见度，一般取，为ij之间的距离。和分别表示位置与能见度的相对重要性。表示蚂蚁尚未经历的位置。 信息素随着时间的推移逐渐消失，按照(2)式进行更新： (2) 代表信息素的持续时间，为本次循环中ij之间的信息素增量。 蚁群算法具有较好的鲁棒性、并行性以及对目标和约束函数无特殊要求等优点，但也存在寻优过程中容易出现停滞现象等缺陷，引入混沌优化算法可以有效跳出停滞、提高算法的全局寻优能力。 混沌现象现在还没有严格的定义，一般指无固定周期的具有渐进的自相似性的现象。混沌现