排序方式: 共有32条查询结果,搜索用时 171 毫秒
1.
三维地形表面的可视化实现 总被引:4,自引:1,他引:3
三维地形的可视化研究是当前对港口、航道等进行地形演变、泥沙淤积等分析研究的前沿课题 ,是快速、及时地再现地形三维信息及综合分析的有效途径。文中介绍了如何通过微软VB开发平台实现地形表面的三维可视化 ,并实现三维图形的缩放、旋转与输出。 相似文献
2.
为了更好地改进车辆的气动特性,讨论了一种将参数化建模、CFD计算和数值寻优方法相结合的气动优化方法。设计了一种根据使用工况可调的汽车后扰流器,针对高速行驶和高速制动2种典型工况,对该扰流器的形状和位置进行气动优化。首先对可变后扰流器进行参数化设计,并用拉丁方法对参数化模型进行试验设计,通过CFD计算获取响应值;然后采用Kriging模型构建参数变量与气动特性之间响应关系的近似模型;最后以该模型为基础使用遗传算法对扰流器形状和位置进行优化设计。研究结果表明:优化后的可变扰流器可使整车在高速行驶工况下阻力系数减小3.3%,升力系数减小22.4%;在高速制动工况下,升力系数减小69.9%,整车的气动特性获得了较大的改善。 相似文献
3.
潜器型线优化设计是一个多目标优化问题,在型线设计过程中,阻力性能与包络体积的要求是相互冲突的。为了解决计算流体力学软件如Fluent在进行潜器的外形优化设计时效率低下问题,采用Kriging模型代替仿真模型进行潜器外形设计的策略,其基本思想是:选取设计变量和样本点,利用ICEM软件建立参数化的水动力分析模型,用Fluent软件计算得到样本点的阻力响应值,建立反映设计变量与响应之间关系的Kriging模型,将阻力和体积作为潜器外形优化的两个目标,利用多目标遗传算法求出Pareto最优解。由于采样策略对Kriging模型精度影响很大,本文提出了一种新的序贯采样方法命名为加权累积误差方法,来选取样本点以提高Kriging模型精度。结果表明提出的序贯Kriging建模技术能极大提高潜器型线优化设计效率,同时保证设计精度。 相似文献
4.
5.
本文研究Kriging建模和序贯加点相结合的方法,用于解决目标函数或者约束函数无法显式表达下的优化问题。在加点准则中为了避免出现龙格现象,改进了加点优化时步长要求,在优化过程中融入多种群遗传算法提高了序贯加点值的计算准确性。计算结果表明,改进后的加点准则在存在多区域或者多个极值点的情况下均可快速搜索到最优点位置。建立了载人潜水器载人舱以重量为优化目标,以强度要求为约束的球壳厚度优化模型,采用此方法在初始选取5个样本取样,序贯加点6个样本点,计算得到球壳的最优厚度值为50.5569 mm,可有效指导设计工作。 相似文献
6.
7.
近似技术在船型阻力性能优化中的应用研究 总被引:2,自引:0,他引:2
船体型线优化过程中,通常要利用高精度的CFD软件对船舶的相关性能进行数值求解。这将耗费大量的时间,导致船型优化效率降低。为有效提高船型优化的效率,提出将近似技术应用于船型自动优化中,以代替CFD数值求解。探讨了样本点选取、样本集形成及近似模型实现途径等问题。以一艘1300TEU集装箱船的线型优化为例,构建船体兴波阻力的Kriging近似模型,并将其应用于球鼻首的优化中。计算结果表明,基于Kriging模型的船型优化是一种实用而且有效的方法。 相似文献
8.
9.
基于Kriging算法的隧道衬砌稳定可靠度分析 总被引:1,自引:1,他引:0
根据以往的变形压力理论增加了塑性-分离阶段,由此提出了围岩变形压力发展过程的4个阶段,并在上述理论基础上建立了隧道衬砌结构稳定的功能函数,指出了该功能函数的隐式特征在求解可靠度时的困难.利用Kriging算法中变异函数对随机变量特征的表达能力和Kriging算法的插值技术,结合拉丁超立方试验设计抽样方法,推导出了隧道围岩最小支护阻力的变异函数建立方法以及隧道衬砌结构稳定功能函数的插值方法,并给出了建立变异函数和实现隐式函数插值的具体操作流程,从而解决了当隧道衬砌结构稳定功能函数为隐式函数时无法直接求解其可靠度的问题.将此算法分析结果与Monte-Carlo算法精确解相比较,其迭代次数大大减少,而失效概率的绝对误差仅为0.0049%,相对误差为2.523 8%,表明Kriging算法不仅计算效率高,并且能够满足计算结果的精度要求. 相似文献
10.
为降低车身薄板焊接装夹时的重力以及夹具定位点偏差对柔性薄板件定位精度的影响,提高薄板定位方案的稳健性,基于有限元分析方法对薄板件第一基准面的定位点布置进行了优化。为了建立能反映薄板定位精度对定位点偏差敏感度的定位方案评价指标,引入影响系数法,建立了定位点偏差对薄板件定位精度的影响系数矩阵。基于影响系数平方矩阵的迹,并考虑重力对薄板定位精度的影响建立了多目标优化模型。采用Kriging代理模型构造出优化模型的目标函数,为了解决代理模型预测精度较差的问题,提出了基于序列Kriging-GA的薄板件定位点优化方法,将最优点选点准则和期望改善准则融合使用,反复在兴趣域增加样本点,更新代理模型,提高了代理模型的预测精度并保证了算法的全局搜索能力。结果表明:序列Kriging模型在兴趣域的预测误差可低至1%,具有很高的预测精度;与采用遗传算法相比,所提出的方法能减少75%仿真次数,显著提高设计效率;在不同定位点偏差组合下,零件各关键点位移量的均值与方差都显著减小,定位精度对定位点偏差的敏感度降低,优化后的定位方案具有较高的稳健性。 相似文献