基于机器学习的高速列车头型多目标优化设计

摘要

通过机器学习算法构建了气动阻力和气动升力等高速列车空气动力学特性的代理模型，完成了基于上述气动特性的高速列车多目标优化设计。首先，建立了CRH3型列车三节编组的简化三维模型，其中车头部分对列车气动性能影响最大；其次，通过Sculptor软件在车头部分选取了8个形状设计变量，采用最优拉丁超立方试验设计抽取了100组样本数据，并利用Fluent软件对样本空间中列车头型的气动特性进行计算；再次，采用遗传算法对BP神经网络模型进行优化，得到高速列车气动阻力和气动升力等气动特性的代理模型；最后，利用NSGA-Ⅱ遗传算法对多目标问题进行优化求解，其中气动阻力减小了4.3%,气动升力减小了8.0%,列车的空气动力学特性得到了有效改善。

关键词

机器学习 / 气动特性 / 神经网络 / 代理模型 / 多目标优化

基金资助

国家自然科学基金项目(11202128)