- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2012SIMULIA中国区用户大会论文
Sculptor体网格变形和Pointer混合优化策略
在气道性能优化中的应用研究
段加全1李伟1陈海娥1赖宇阳2
(1、一汽技术中心发动机部;2、北京树优信息技术有限公司)
摘要
发动机进排气系统的气体流动特性复杂,影响发动机的充气效率和换气损失,对发动机的动力性和经济性有重
要影响。本文以某汽油发动机进气道为优化对象,基于Sculptor高阶体网格变形和Isight集成优化平台,自动驱
动两个气门升程工况下的气道稳态CFD流程,通过Pointer混合优化策略获得合理的气道截面尺寸参数,在满足流
量系数和加工约束前提下实现滚流比最大化。Sculptor基于B样条技术实现体网格变形,能够避免优化迭代过程中
重新进行几何建模和网格划分的制约,实现优化过程自动化,同时保证附面层和流动敏感区的网格3阶光顺性。
Isight的Pointer混合优化策略基于启发式的规则有效组合遗传算法、Nelder-Mead下山单纯型法、序列二次规划
算法和线性搜索算法,具有很好的全局搜索能力和鲁棒性,其简洁的输入界面降低了工程师使用优化算法的门槛。
结果表明,本文提出的优化策略可以显著提高气道性能优化的效率,获得全局优化结果。
关键词优化,网格变形,气道优化,Isight,Pointer,Sculptor
引言
随着国内汽车研发水平的提升,优化设计已经逐步应用到发动机开发过程当中。但众多优化设
计方法如何在工程中合理的应用并没有一个明确的结论。同时,在涉及三维CFD流体性能的优化
问题中,如何在优化过程中自动生成网格同时保证网格质量,是决定优化迭代自动化能否有效实现
的关键技术瓶颈。
本文重点研究基于Sculptor的高阶体网格变形技术和Isight中Pointer混合优化策略在气道性能
优化设计中的应用和效果,总结了三维体网格高精度变形控制、气道三维CFD数值模拟程序集成
和全局优化中的工程实践经验,对发动机开发中的优化应用具有有一定指导意义。
1.Sculptor体网格变形技术
Sculptor是基于B样条技术的体网格变形技术[1],能够对已有的网格模型建立普适变形控制体
ASD(ArbitraryShapeDeformer)实现一个控制点与一组网格节点的映射。通过多种变形策略(包括笛
卡尔坐标系和柱坐标系下的控制点平移、旋转、缩放以及组合操作),实现控制点对网格节点的变
形,变形后的几何仍然能够保证3阶曲面连续性,因此可以很好的保证流动敏感区和附面层的网格
质量。
-1-
2012SIMULIA中国区用户大会论文
图1ASD控制体的变形过程
Sculptor变形参数可以形成脚本文件,便于外部优化算法的直接驱动。在优化迭代过程中,
Sculptor能自动根据优化算法提供的变形参数自动生成新的CFD模型,从而避免了需要几何参数化
建模的困难,以及网格重新划分所带来的单元数量不一致和流动敏感区域网格质量控制不足的问
题。优化结束后,Sculptor可以将优化的设计方案导出为STL几何中性文件,供设计人员改进原设
计方案使用。
CAD造型CAD造型
划分网格划分网格
改进优化
(手工)
CFD计算求解CFD计算求解
自动网格变形
(sculptor)
后处理后处理
传统优化流程基于sculptor网格变形的优化流程
图2优化流程比较
2.Pointer混合优化策略
Pointer(PointerAutomaticOptimizer)[2,3]是Isight提供的混合优化策略,它根据优化问题的特
点自动组合四种标准优化算法形成一个最优的策略,具有很好的全局搜索能力和较强的鲁棒性,其
简洁的输入界面降低了工程师使用优化算法的门槛。
Pointer包含的四种优化算法是:遗传算法[4]、NLPQL序列二次规划法[5]、Nelder-MeadDownhill
Simplex下山单纯型法[6]和线性搜索法。这四优化算法具有互补性,根据不同类型的优化问题,有
效地组合这四种优化算法,可以取得较好的优化效果:
9线性搜索法适合解决线性问题;
9NLPQL序列二次规划法适合于解决光滑的问题,具有非常好的收敛性和数值稳定性;
9Nelder-Mead下山单纯型法适合于非光滑的问题,它一般从约束边界开始计算,而且具有
非常高的效率;
9遗传算法适合于全局、非光滑的、不连续的优化问题,但是它的计算比较耗时。
对使用者而言,只需要提供如下信息,Pointer即会在优化的不同阶段自动选择某个优化算法,
自动设置优化算法的内部参数(步长、迭代次数等)。由于Pointer将优化算法
您可能关注的文档
- 基于OptiSLang的涡轮叶片多学科冷却设计优化方法研究.docx
- 基于LS-DYNA的7075铝合金汽车保险杠碰撞仿真分析.docx
- 基于LBM的翼型后扰流板对汽车尾流影响的探究.docx
- 基于Isight主镜组件结构参数优化分析.docx
- 基于Isight研究阻尼对频响的影响.docx
- 基于RSM与RBF的车身多目标轻量化应用研究.docx
- 基于Python语言的起落架有限元快速分析方法.docx
- 基于Python脚本的汽轮机长叶片振动应力自动分析程序.docx
- 基于HFSS-modeFRONTIER联合仿真的放射噪声优化.docx
- 基于nCode的前横向稳定杆应变疲劳分析(NASTRAN+Ncode).docx
文档评论(0)