超高速列车流线型头型多目标优化设计

被引:32
作者
张亮
张继业
李田
张亚东
机构
[1] 西南交通大学牵引动力国家重点实验室
关键词
多目标优化; 高速列车; 遗传算法; 气动阻力; 表面声功率;
D O I
暂无
中图分类号
U270.2 [车辆设计、计算];
学科分类号
080204 ; 082304 ;
摘要
为改善高速列车明线运行时的气动性能,建立高速列车流线型头型的多目标优化设计方法,以高速列车的整车气动阻力和头车最大表面声功率为优化目标,对流线型头型进行多目标自动优化设计。建立三车编组某新型超高速列车的参数化模型,提取头型的五个设计变量,采用ICEM CFD软件脚本文件对列车周围流场区域进行网格自动划分,采用FLUENT软件脚本文件对列车气动力和表面气动噪声源声功率进行自动计算,通过第二代非劣排序的遗传算法(Non-dominated sorting genetic algorithm-II,NSGA-II)对设计变量进行自动更新,实现超高速列车头型的自动优化设计。优化完成后,对优化设计变量与优化目标的相关性进行分析,得到影响优化目标的关键设计变量。结果表明,各优化设计变量与两个优化目标的相关性相同,只是相关系数值不同。经过多目标优化设计,得到一系列的Pareto最优头型;与原型列车相比,优化后列车的整车气动阻力最多减小2.91%,头车最大表面声功率最多减小7.47%。
引用
收藏
页码:106 / 114
页数:9
相关论文
共 17 条
[1]   基于简化模型的头车转向架气动噪声特性研究 [J].
李辉 ;
肖新标 ;
金学松 .
机械工程学报, 2016, 52 (08) :152-161
[2]   横风下高速列车的非定常气动特性及安全性 [J].
张亮 ;
张继业 ;
李田 ;
张亚东 ;
殷中慧 .
机械工程学报, 2016, 52 (06) :124-135
[3]   横风下高速列车流线型头型多目标气动优化设计 [J].
于梦阁 ;
张继业 ;
张卫华 .
机械工程学报, 2014, 50 (24) :122-129
[4]   高速列车流线型头部多目标气动优化设计 [J].
刘加利 ;
李明高 ;
张继业 ;
张卫华 ;
李明 .
中国科学:技术科学, 2013, 43 (06) :689-698
[5]  
Optimization of the head shape of the CRH3 high speed train[J]. SUN ZhenXu1, SONG JingJing1 & AN YiRan1 College of Engineering, State Key Laboratory for Turbulence and Complex Systems, Peking University, Beijing 100871, China.Science China(Technological Sciences). 2010(12)
[6]   高速列车车身表面气动噪声源研究 [J].
刘加利 ;
张继业 ;
张卫华 .
铁道车辆, 2010, 48 (05) :1-5+47
[7]   Recent developments in the prediction and control of aerodynamic noise from high-speed trains [J].
Thompson, David J. ;
Iglesias, Eduardo Latorre ;
Liu, Xiaowan ;
Zhu, Jianyue ;
Hu, Zhiwei .
INTERNATIONAL JOURNAL OF RAIL TRANSPORTATION, 2015, 3 (03) :119-150
[8]  
Genetically aerodynamic optimization of the nose shape of a high-speed train entering a tunnel[J] . J. Mu?oz-Paniagua,J. García,A. Crespo.Journal of Wind Engineering & Industrial Aerodynamics . 2014
[9]  
Optimization design for aerodynamic elements of high speed trains[J] . Yao Shuanbao,Guo Dilong,Sun Zhenxu,Yang Guowei,Chen Dawei.Computers and Fluids . 2014
[10]  
Multi-objective aero acoustic optimization of rear end in a simplified car model by using hybrid Robust Parameter Design, Artificial Neural Networks and Genetic Algorithm methods[J] . Sajjad Beigmoradi,Hassan Hajabdollahi,Asghar Ramezani.Computers and Fluids . 2014