基于Sculptor和IsightSUV前阻风板结构优化.docVIP

基于Sculptor和IsightSUV前阻风板结构优化 　　摘要： 以某SUV车型为研究对象，通过Isight集成Sculptor和FLUENT建立优化平台，在Sculptor中建立控制体，与SUV几何模型建立映射关系；将阻风板的高度和安装角度参数化，并应用Isight的DOE拉丁超立方设计方法创建实验样本点.在此基础上，用Isight驱动FLUENT进行仿真计算并建立Kriging近似模型，得到目标函数风阻系数与变量高度和角度之间的关系.采用多岛遗传算法对近似模型寻找最优解.优化结果表明，通过对阻风板的优化，其阻力因数下降6.1%. 　　关键词： 网格控制变形； 优化超拉丁立方设计； Kriging； 多岛遗传算法； Isight； Sculptor 　　中图分类号： U463.835； TB115.1文献标志码： B 　　引言 　　汽车在行驶过程中受到的空气阻力主要由压差阻力、摩擦阻力、干扰阻力、诱导阻力和内流阻力等组成，其中，压差阻力占总阻力的50%～65%.[1]汽车底部结构对压差阻力的影响较大，车轮旋转式轮腔内流体易出现涡流，增加压差阻力.在车轮前加装阻风板可以改善轮腔内的流体流动状态，阻风板的尺寸和安装位置都直接影响流场特性，因此，对其结构参数和安装参数进行优化对提高整车的气动特性有重要意义. 　　长期以来，在汽车外流场仿真中，约80%的时间耗在建立模型和划分网格上，对其结构的优化也依赖于工程师的工程经验.应用Sculptor网格变形技术可以直接对CFD模型进行变形，并能将优化变量参数化，集成到Isight优化平台中，为仿真优化提供理论依据，大大提高优化效率. 　　本文基于Sculptor网格变形技术和Isight优化平台，对某SUV前阻风板的结构尺寸和安装角度进行优化，优化结果使阻力因数下降6.1%. 　　1Sculptor参数化建模 　　Sculptor采用B样条技术控制结构三维曲线，网格变形3阶连续，并具有自动网格优化功能，变形完成后可以以多种格式输出.CFD网格模型在Sculptor中完成变形后，可以以CFD格式文件输出，并直接进行CFD数值计算，不需要重新进行CFD数值分析定义；优化得到的模型可以通过Sculptor输出几何，直接用于工厂加工. 　　2优化方法 　　本文采用Isight集成Sculptor和FLUENT，完成网格变形与数值计算的自动化流程.选用Isight提供的近似模型——Kriging模型与优化算法多岛遗传算法（MultiIsland Genetic Algorithm，MIGA）. 　　2.1Kriging近似模型 　　采用近似模型拟合设计变量与响应量之间的函数关系，可以节省仿真模拟的时间.Kriging模型在地质、工程、数学和统计中应用广泛，由于其可以选择广泛的相关函数建立响应面，因此具有极强的适应性. 　　Kriging计算格式[2]为y（x）=f（x）+z（x） （1）式中：y（x）为Kriging模型函数；f（x）为固定部分，是已知的x的多项式函数，类似于响应面法，是设计空间的全局近似模拟模型，在多数情况下，f（x）是个常数；z（x）为随机过程，是在f（x）基础上建立的均值为0，方差不为0的局部偏差部分，是Kriging模型局部偏差. 　　z（x）的协方差矩阵为Cov[z（xi），z（xj）]=σ2R（R（xixj）） （2）式中：R为相关矩阵，是一个沿对角线对称的正定矩阵；R（xixj）为ns个样本点中任意2个点xi，xj之间的相关函数，目前运用较多的相关函数有指数函数、线性函数、立方函数和高斯函数等. 　　Kriging模型的精度取决于样本点的选取，最好的Kriging模型是有较好的空间填充性的样本点为前提的.本文采用优化的拉丁超立方实验设计，选取能较好填充空间的样本点，为Kriging模型的建立创造条件.除此之外，为保证拟合精度，Isight还采用其他的数值技术提高近似模型的精度和鲁棒性.[4] 　　2.2多岛遗传优化算法 　　本文结合Kriging近似模型，选用MIGA[3]进行响应面内的寻优.MIGA模拟人口迁移与基因遗传的方式进行随机全局寻优，其在传统遗传算法基础上发展起来，将整个进化群体划分为多个子遗传群体，称为“岛”；各个岛上的个体独立地进行选择、交叉、遗传和变异等传统遗传算法.MIGA将不同岛屿上的个体定期进行随机的“迁移”，保持种群的多样性.MIGA自动地进行全局搜索，没有固定的寻找规则，能很好地避免局部最优解.相对于梯度寻优法，MIGA不要求求导和函数连续性，采用随机概率寻优的方式，具有更好的全局性. 　　Isight提供的MIGA可以较方便地定义岛屿个数、子群数量、迁移率和突变率等，根据需要完成这些设置，即可在已