项目名称: 基于偏微分方程的高速列车头型三维参数化建模与空气动力学优化

项目编号: No.51475394

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 机械、仪表工业

项目作者: 张建军

作者单位: 西南交通大学

项目金额: 80万元

中文摘要: 高速列车头型设计和优化需要兼顾包括气动减租在内的多个目标,现有高速列车参数化几何模型设计变量偏多、模型表述复杂,设计变量与优化目标通常是强非线性关系,设计变量的增多使CFD计算量成几何级数增加。本项目提出基于偏微分方程建立高速列车的参数化几何模型用于高速列车头型空气动力学优化设计。通过建立高速列车头型参数化几何模型的偏微分数学模型表述方式,研究数学模型的解析解,探讨形状控制函数的生成方式等几方面内容,最终形成描述参数简洁、形状可控的高速列车头型快速参数化建模方法,为高速列车头型参数化建模提供新的方法和理论体系。利用建立的参数化几何模型对现有头型进行空气动力学特性优化,减少优化设计变量,提高优化效率,对比验证新方法在头型空气动力学优化设计中的优越性。通过开发基于偏微分方程的高速列车头型参数化建模软件,组合不同的参数生成新的列车头型,为高速列车头型开发和概念设计提供新的快速可控建模工具。

中文关键词: 高速列车;优化设计;空气动力学;偏微分方程建模

英文摘要: High-speed train head shape design is a multi-objective function problem and often involves a large number of parameters and conflicting functional requirements. Due to the issues such as complex model description and multiple design variables, achieving an optimal shape is inevitably a very challenging task. The proposed research will develop a partial differential equation (PDE)-based parametric representation model and apply it in the aerodynamic shape optimization design of the heads of high-speed trains. It requires establishing a parametric PDE-based head model, investigating its analytical solutions, and introducing shape control functions. Using our proposed new method, we can anticipate a number of advantages over the existing practice: efficient modeling of high-speed train heads, simple parametric descriptions and effective shape control. This strategy allows a multi-objective function problem to be solved in an easier manner compared with the current methods. Based on the new PDE-based geometric models, we will optimize the train head shape for optimal aerodynamic performance. Due to the inherent mathematical properties of the PDEs, we are able to reduce the number of optimization parameters, improve the space deformation ability, and demonstrate the efficiency of our proposed new method in aerodynamic shape optimization design of high-speed train heads. Following our theoretic developments, we will produce a modeling and design tool for the head shapes of high-speed trains, which will be useful both for concept design and detailed optimization. New head shapes can also be easily generated by combining and adjusting different parameters incorporated in the governing partial differential equations.

英文关键词: High-speed train;Opitimization;Aerodynamic;PDE Equations modeling

成为VIP会员查看完整内容
1

相关内容

【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
专知会员服务
104+阅读 · 2021年8月23日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
171+阅读 · 2021年7月27日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
如何建模动态图?看这份《时序图神经网络》26页ppt
专知会员服务
139+阅读 · 2020年7月25日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
抛弃MATLAB,一本书掌握Python强大的绘图库Matplotlib
机器之心
5+阅读 · 2021年11月22日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
20+阅读 · 2018年12月8日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月21日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
小贴士
相关VIP内容
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
专知会员服务
104+阅读 · 2021年8月23日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
171+阅读 · 2021年7月27日
【开放书】《矩阵流形优化算法》,241页pdf
专知会员服务
93+阅读 · 2021年7月3日
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
如何建模动态图?看这份《时序图神经网络》26页ppt
专知会员服务
139+阅读 · 2020年7月25日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员