CN113536712B - 汽车外型参数的优化设计方法、装置、设备及存储介质 - Google Patents

汽车外型参数的优化设计方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113536712B
CN113536712B CN202110864385.6A CN202110864385A CN113536712B CN 113536712 B CN113536712 B CN 113536712B CN 202110864385 A CN202110864385 A CN 202110864385A CN 113536712 B CN113536712 B CN 113536712B
Authority
CN
China
Prior art keywords
chromosome
parameters
automobile
quality
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110864385.6A
Other languages
English (en)
Other versions
CN113536712A (zh
Inventor
李庆
袁振杰
孙国刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Softcom Smart Information Technology Co ltd
Original Assignee
Softcom Smart Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Softcom Smart Information Technology Co ltd filed Critical Softcom Smart Information Technology Co ltd
Priority to CN202110864385.6A priority Critical patent/CN113536712B/zh
Publication of CN113536712A publication Critical patent/CN113536712A/zh
Application granted granted Critical
Publication of CN113536712B publication Critical patent/CN113536712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种汽车外型参数的优化设计方法、装置、设备及存储介质。对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；基于设定数量的染色体参数构建三维拓扑结构种群；对三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；计算运算后的种群中各染色体参数的适应度，并根据适应度确定优质染色体参数；根据优质染色体参数对三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择、交叉及变异运算；根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。在提高计算精度的同时，降低了仿真计算量，提高了计算效率。

Description

汽车外型参数的优化设计方法、装置、设备及存储介质
技术领域
本发明实施例涉及车辆设计技术领域，尤其涉及一种汽车外型参数的优化设计方法、装置、设备及存储介质。
背景技术
随着计算流体动力学(计算流体动力学；Computational Fluid Dynamics，CFD)的不断成熟，运用CFD技术进行汽车外型优化设计的案例也在不断增加。
现在的技术基本都以CFD仿真为基础，目前的技术主要有三种：一是通过改变某一参数，研究这一参数对汽车外形优化的整体影响，这种研究方法不仅耗时，面且往往在研究过程容易忽略了各参数的关联性和方法的整体性；二是通过实验设计方法，直接在汽车上取样本点，进行CFD设计，如正交实验设计，如正交设计、复合设计等方法，这种方法即降低了计算量，又提高了科学性，但是其统计量的降低，也容易缺失大量的数据，尤其是在多目标优化等问题上带来一定的困难；第三种是运用遗传算法等学习算法，这些算法提高了优化效率，但同时加大了计算量，给CFD这种高计算量的设计问题带来一定的困难，同时，这些方法如果设计不当，容易在计算中出现陷入局部极值等问题。
发明内容
本发明实施例提供一种汽车外型参数的优化设计方法、装置、设备及存储介质，在提高计算精度的同时，降低了仿真计算量，提高了计算效率。
第一方面，本发明实施例提供了一种汽车外型参数的优化设计方法，包括：
对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数、阻力系数和侧压力系数；
从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；
对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；
计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；
判断是否满足迭代终止条件，若否，则根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；
根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
第二方面，本发明实施例还提供了一种汽车外型参数的优化设计装置，包括：
汽车CFD模型获取模块，用于对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数、阻力系数和侧压力系数；
三维拓扑结构种群构建模块，用于从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；
种群运算模块，用于对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；
优质染色体参数确定模块，用于计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；
三维拓扑结构种群更新模块，用于根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；
最优汽车外型参数确定模块，用于根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例所述的汽车外型参数的优化设计方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的汽车外型参数的优化设计方法。
本发明实施例公开了一种汽车外型参数的优化设计方法、装置、设备及存储介质。对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；从设定正交表中提取设定数量的染色体参数，基于设定数量的染色体参数构建三维拓扑结构种群；对三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；计算运算后的种群中各染色体参数的适应度，并根据适应度确定优质染色体参数；根据优质染色体参数对三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。在提高计算精度的同时，降低了仿真计算量，提高了计算效率。
附图说明
图1是本发明实施例一中的一种汽车外型参数的优化设计方法的流程图；
图2a是本发明实施例一中的网格化的汽车CFD模型的俯视图；
图2b是本发明实施例一中的网格化的汽车CFD模型的侧视图；
图3是本发明实施例一中的三维拓扑结构的示例图；
图4是本发明实施例二中的一种汽车外型参数的优化设计装置的结构示意图；
图5是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种汽车外型参数的优化设计方法的流程图，本实施例可适用于对汽车外型参数进行优化的情况，该方法可以由汽车外型参数的优化设计装置来执行，如图1所示，该方法具体包括如下步骤：
步骤110，对汽车进行流体动力学CFD模型设计，获得汽车CFD模型。
其中，汽车CFD模型的输出参数包括：汽车阻力系数、阻力系数和侧压力系数。
具体的，对汽车进行流体动力学CFD模型设计，获得汽车CFD模型的方式可以是：将汽车设定格式的数据输入设定仿真软件中，并设置边界条件，获得网格化的汽车CFD模型。
其中，设定仿真软件可以是OpenFoam软件，设定格式可以是stl图片格式的数据，边界条件可以是风速为30m/s，以接近实际应用，调整模型收敛。本实施例中，将stl图片格式的数据输入OpenFoam，汽车所处于的空间的长宽高都为汽车本身长宽高的10倍，利用OpenFoam技术，自动生成网格化的汽车CFD模型。示例性的，图2a为网格化的汽车CFD模型的俯视图，图2b为网格化的汽车CFD模型的侧视图。本实施例中，由于设计过程中，改变的汽车模型参量范围小，故可不用考虑汽车CFD模型发散问题。
步骤120，从设定正交表中提取设定数量的染色体参数，基于设定数量的染色体参数构建三维拓扑结构种群。
其中，染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角。在实际应用中，后备箱尾部上翘角的取值范围为8到15度、发动机罩盖倾角为5到15度、后风窗倾角的度值范围为22到30度和前风窗倾角的取值范围为40到55度。优化精度设置0.5度左右。染色体参数由二进制数表示，设置后备箱尾部上翘角、前风窗倾角和后风窗倾角在染色体参数所占的二进制长度为4位，发动机罩盖倾角在染色体参数所占的二进制长度为3位，因此，染色体参数的二进制长度为15。
其中，设定正交表可以是2水平15因素正交。本实施例中，2水平15因素正交表的设计采用的是高强度正交表设计法，即
Figure BDA0003187061770000061
之所采用高强度正交表设计法，是因为高强度正交设计法具有全部的信息相互性的情况下，其对应的试验次数最少。其中t为2，对应公式，u为4，m为15。通过计算，得到对应染色体正交表。
其中，三维拓扑结构包括第一数量的节点，横向、纵向、竖向分别有排列N层，则第一数量为N3。
具体的，从设定正交表中提取设定数量的染色体参数，基于设定数量的染色体参数构建三维拓扑结构种群的过程可以是：从正交表中提取第二数量的染色体参数；将第二数量的染色体参数按照设定方式分配至三维拓扑结构中的节点上；对于当前未分配染色体参数的节点，按照中心对称原则从第二数量的染色体参数中选择染色体参数进行分配。
其中，第二数量小于第一数量。本实施例中，两次从正交表中提取第二数量的染色体参数，两次提取的染色体参数相同。示例性，以N＝3为例，图3是本实施例中的三维拓扑结构的示例图。如图3所示，共需要27个染色体参数，则两次次提取16个染色体参数，首先从第一次提取的16个染色体参数中随机提取9个，将这9个染色体参数在最底层以横向纵向各三排进行整齐二维排列。剩余7个数据在第二层进行排列，随机选取其中六个以横向两行排列，将最后一个排在第最上面行的中间位置。对缺失的第二层的两个数据和第三层的数据进行拓扑补足，对于缺失的11个染色体参数，从第二次提取的16个染色体参数中，以三维空间结构中的最中心数据为对称进行提取。提取的染色体参数与其对称的最底层染色体参数或第二层染色体参数相同。从而获得三维拓扑结构种群。
步骤130，对三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群。
本实施例中，对三维拓扑结构种群中的染色体参数进行的选择运算和变异运算可以参照现有的遗传算法中的选择运算和变异运算，此处不再赘述。
具体的，对三维拓扑结构种群中的染色体参数进行交叉运算的过程可以是：根据后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角的取值范围确定染色体参数的交叉点；对于三维拓扑结构种群中的每个染色体参数，将当前染色体参数与设定相邻染色体参数在交叉点处进行交叉运算。
其中，设定相邻染色体参数与当前染色体参数满足设定空间线型。设定空间线型可以是L5线形改进型。即每一个染色体参数仅与其横向、纵向、竖向相邻的染色体参数进行交叉运算，而不与其斜向相邻的染色体数据进行交叉运算。其中L5线形代表只与其相邻的上下左右4个染色体参数进行交叉运算，改进的交叉算子为与其相邻的上下左右前后6个染色体参数进行交叉运算。
其中，后备箱尾部上翘角的取值范围为8到15度、发动机罩盖倾角为5到15度、后风窗倾角的度值范围为22到30度和前风窗倾角的取值范围为40到55度。则设置后备箱尾部上翘角、前风窗倾角和后风窗倾角在染色体参数所占的二进制长度为4位，发动机罩盖倾角在染色体参数所占的二进制长度为3位，若四个参数的输入顺序为后备箱尾部上翘角、前风窗倾角、后风窗倾角及发动机罩盖倾角，则交叉点处于染色体参数的第4、8、12这3个位置。
其中，交叉运算可以理解为两个染色体参数交换交叉点间的数据。示例性的，交换1-4位的数据，或者5-8位的数据等。
步骤140，计算运算后的种群中各染色体参数的适应度，并根据适应度确定优质染色体参数。
其中，优质染色体参数还可以成为前沿解。本实施例中，需要优化的目标包括汽车阻力系数Cd、阻力系数CL和侧压力系数Cs。计算运算后的种群中各染色体参数的适应度的过程可以是：计算运算后的种群中各染色体参数对汽车阻力系数的适应度，计算运算后的种群中各染色体参数对阻力系数的适应度，计算运算后的种群中各染色体参数对侧压力系数的适应度。
具体的，根据适应度确定优质染色体参数的方式可以是：根据适应度确定汽车阻力系数对应的第一优质染色体参数；根据适应度确定阻力系数对应的第二优质染色体参数；根据适应度确定侧压力系数对应的第三优质染色体参数；从第一优质染色体参数、优质染色体参数和优质染色体参数中等比例抽取优质染色体参数，获得最终的优质染色体参数。
步骤150，判断是否满足迭代终止条件，若否，则执行步骤160，若是，则执行步骤170。
其中，迭代终止条件可以是迭代次数达到设定值。若迭代次数达到设定值，则满足终止条件，若未达到，则不满足终止条件。
步骤160，根据优质染色体参数对三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件。
其中，根据优质染色体参数对三维拓扑结构种群进行更新的过程可以理解为：用优质染色体参数替换三维拓扑结构种群中的染色体参数。
具体的，根据优质染色体参数对三维拓扑结构种群进行更新的方式可以是：对于每个优质染色体参数，计算优质染色体参数与三维拓扑结构种群中每个染色体参数的向量夹角；将向量夹角最小的染色体参数替换为优质染色体参数。
可选的，若存在至少两个优质染色体参数与三维拓扑结构种群中同一个染色体参数的向量夹角最小；则从至少两个优质染色体参数随机选择一个，作为目标优质染色体参数；将向量夹角最小的染色体参数替换为目标优质染色体参数。
步骤170，根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
具体的，当满足迭代终止条件时，最后一次迭代获取的优质染色体参数中是适应度满足一定条件的参数确定为最优染色体参数，并作为最优汽车外型参数。
本实施例的技术方案，对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；从设定正交表中提取设定数量的染色体参数，基于设定数量的染色体参数构建三维拓扑结构种群；对三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；计算运算后的种群中各染色体参数的适应度，并根据适应度确定优质染色体参数；根据优质染色体参数对三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。在提高计算精度的同时，降低了仿真计算量，提高了计算效率。
实施例二
图4是本发明实施例二提供的一种汽车外型参数的优化设计装置的结构示意图。如图4所示，该装置包括：
汽车CFD模型获取模块210，用于对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数、阻力系数和侧压力系数；
三维拓扑结构种群构建模块220，用于从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；
种群运算模块230，用于对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；
优质染色体参数确定模块240，用于计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；
三维拓扑结构种群更新模块250，用于根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；
最优汽车外型参数确定模块260，用于根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
可选的，汽车CFD模型获取模块210，还用于：
将汽车设定格式的数据输入设定仿真软件中，并设置边界条件，获得网格化的汽车CFD模型。
可选的，三维拓扑结构包括第一数量的节点；三维拓扑结构种群构建模块220，还用于：
从所述正交表中提取第二数量的染色体参数；其中，第二数量小于第一数量；
将所述第二数量的染色体参数按照设定方式分配至三维拓扑结构中的节点上；
对于当前未分配染色体参数的节点，按照中心对称原则从所述第二数量的染色体参数中选择染色体参数进行分配。
可选的，种群运算模块230，还用于：
根据后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角的取值范围确定染色体参数的交叉点；
对于三维拓扑结构种群中的每个染色体参数，将当前染色体参数与设定相邻染色体参数在所述交叉点处进行交叉运算；其中，设定相邻染色体参数与所述当前染色体参数满足设定空间线型。
可选的，优质染色体参数确定模块240，还有股：
根据所述适应度确定汽车阻力系数对应的第一优质染色体参数；
根据所述适应度确定阻力系数对应的第二优质染色体参数；
根据所述适应度确定侧压力系数对应的第三优质染色体参数；
从所述第一优质染色体参数、所述优质染色体参数和所述优质染色体参数中等比例抽取优质染色体参数，获得最终的优质染色体参数。
可选的，三维拓扑结构种群更新模块250，还用于：
对于每个优质染色体参数，计算所述优质染色体参数与三维拓扑结构种群中每个染色体参数的向量夹角；
将向量夹角最小的染色体参数替换为所述优质染色体参数。
可选的，三维拓扑结构种群更新模块250，还用于：
若存在至少两个优质染色体参数与三维拓扑结构种群中同一个染色体参数的向量夹角最小；
则从所述至少两个优质染色体参数随机选择一个，作为目标优质染色体参数；
将向量夹角最小的染色体参数替换为所述目标优质染色体参数。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图5为本发明实施例三提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的计算机设备312的框图。图5显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的汽车外型参数的优化设计功能的计算设备。
如图5所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的汽车外型参数的优化设计方法。
实施例四
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理装置执行时实现如本发明实施例中的汽车外型参数的优化设计方法。
本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数、阻力系数和侧压力系数；从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；判断是否满足迭代终止条件，若否，则根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种汽车外型参数的优化设计方法，其特征在于，包括：
对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数Cd、阻力系数CL和侧压力系数Cs；
从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；
对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；
计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；
判断是否满足迭代终止条件，若否，则根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；
根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
2.根据权利要求1所述的方法，其特征在于，对汽车进行流体动力学CFD模型设计，获得汽车CFD模型，包括：
将汽车设定格式的数据输入设定仿真软件中，并设置边界条件，获得网格化的汽车CFD模型。
3.根据权利要求1所述的方法，其特征在于，三维拓扑结构包括第一数量的节点，其中，所述第一数量为三维拓扑结构的横向排列层数、纵向排列层数以及竖向排列层数的乘积；从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群，包括：
从所述正交表中提取第二数量的染色体参数；其中，所述第二数量为从设定正交表中提取染色体参数的数量，第二数量小于第一数量；
将所述第二数量的染色体参数按照设定方式分配至三维拓扑结构中的节点上；
对于当前未分配染色体参数的节点，按照中心对称原则从所述第二数量的染色体参数中选择染色体参数进行分配。
4.根据权利要求1所述的方法，其特征在于，对所述三维拓扑结构种群中的染色体参数进行交叉运算，包括：
根据后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角的取值范围确定染色体参数的交叉点；
对于三维拓扑结构种群中的每个染色体参数，将当前染色体参数与设定相邻染色体参数在所述交叉点处进行交叉运算；其中，设定相邻染色体参数与所述当前染色体参数满足设定空间线型。
5.根据权利要求1所述的方法，其特征在于，根据所述适应度确定优质染色体参数，包括：
根据所述适应度确定汽车阻力系数Cd对应的第一优质染色体参数；
根据所述适应度确定阻力系数CL对应的第二优质染色体参数；
根据所述适应度确定侧压力系数Cs对应的第三优质染色体参数；
从所述第一优质染色体参数、所述第二优质染色体参数和所述第三优质染色体参数中等比例抽取优质染色体参数，获得最终的优质染色体参数。
6.根据权利要求1所述的方法，其特征在于，根据所述优质染色体参数对所述三维拓扑结构种群进行更新，包括：
对于每个优质染色体参数，计算所述优质染色体参数与三维拓扑结构种群中每个染色体参数的向量夹角；
将向量夹角最小的染色体参数替换为所述优质染色体参数。
7.根据权利要求6所述的方法，其特征在于，将向量夹角最小的染色体参数替换为所述优质染色体参数，包括：
若存在至少两个优质染色体参数与三维拓扑结构种群中同一个染色体参数的向量夹角最小；
则从所述至少两个优质染色体参数随机选择一个，作为目标优质染色体参数；
将向量夹角最小的染色体参数替换为所述目标优质染色体参数。
8.一种汽车外型参数的优化设计装置，其特征在于，包括：
汽车CFD模型获取模块，用于对汽车进行流体动力学CFD模型设计，获得汽车CFD模型；所述汽车CFD模型的输出参数包括：汽车阻力系数Cd、阻力系数CL和侧压力系数Cs；
三维拓扑结构种群构建模块，用于从设定正交表中提取设定数量的染色体参数，基于所述设定数量的染色体参数构建三维拓扑结构种群；所述染色体参数包括后备箱尾部止翘角、发动机罩盖倾角、后风窗倾角和前风窗倾角；
种群运算模块，用于对所述三维拓扑结构种群中的染色体参数依次进行选择运算、交叉运算及变异运算，获得运算后的种群；
优质染色体参数确定模块，用于计算运算后的种群中各染色体参数的适应度，并根据所述适应度确定优质染色体参数；
三维拓扑结构种群更新模块，用于根据所述优质染色体参数对所述三维拓扑结构种群进行更新，并对更新后的三维拓扑结构种群中的染色体参数返回执行依次进行选择运算、交叉运算及变异运算的操作，直到满足迭代条件；
最优汽车外型参数确定模块，用于根据适应度从最后一次迭代获取的优质染色体参数中确定最优染色体参数，作为最优汽车外型参数。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的汽车外型参数的优化设计方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的汽车外型参数的优化设计方法。
CN202110864385.6A 2021-07-29 2021-07-29 汽车外型参数的优化设计方法、装置、设备及存储介质 Active CN113536712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110864385.6A CN113536712B (zh) 2021-07-29 2021-07-29 汽车外型参数的优化设计方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110864385.6A CN113536712B (zh) 2021-07-29 2021-07-29 汽车外型参数的优化设计方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113536712A CN113536712A (zh) 2021-10-22
CN113536712B true CN113536712B (zh) 2023-04-25

Family

ID=78089622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110864385.6A Active CN113536712B (zh) 2021-07-29 2021-07-29 汽车外型参数的优化设计方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113536712B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114813159A (zh) * 2022-03-11 2022-07-29 中国第一汽车股份有限公司 一种基于catia的乘用车空气动力学关键参数自动测量方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331536A (zh) * 2014-09-26 2015-02-04 湖南工业大学 一种汽车车身低阻低噪协同设计优化方法
CN104951592A (zh) * 2015-05-12 2015-09-30 陈璟 一种基于cfd技术优化车体外形的分析方法
CN107169171A (zh) * 2017-04-20 2017-09-15 中车青岛四方机车车辆股份有限公司 一种动车组头型设计方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7398257B2 (en) * 2003-12-24 2008-07-08 Yamaha Hatsudoki Kabushiki Kaisha Multiobjective optimization apparatus, multiobjective optimization method and multiobjective optimization program
CN107909223B (zh) * 2017-12-11 2020-11-13 浙江工业大学 一种复杂车间低熵化布局与稳健优化方法
CN108664721A (zh) * 2018-05-03 2018-10-16 中南大学 基于多学科设计的高速列车头部外形协同设计方法
CN109165403A (zh) * 2018-07-13 2019-01-08 北京空天技术研究所 飞行器结构参数设计方法
CN110147884A (zh) * 2019-04-02 2019-08-20 佛山市顺德区中山大学研究院 一种高效电路拓扑结构进化方法及其系统
CN111444642B (zh) * 2020-03-02 2022-04-19 北京理工大学 一种基于多目标遗传算法的复合材料螺旋桨铺层优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331536A (zh) * 2014-09-26 2015-02-04 湖南工业大学 一种汽车车身低阻低噪协同设计优化方法
CN104951592A (zh) * 2015-05-12 2015-09-30 陈璟 一种基于cfd技术优化车体外形的分析方法
CN107169171A (zh) * 2017-04-20 2017-09-15 中车青岛四方机车车辆股份有限公司 一种动车组头型设计方法

Also Published As

Publication number Publication date
CN113536712A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN111989697A (zh) 用于并行和分布式张量计算的神经硬件加速器
CN111242282A (zh) 基于端边云协同的深度学习模型训练加速方法
WO2015078238A1 (en) Dispatching map matching tasks by cluster server in internet of vehicles
CN112258512A (zh) 点云分割方法、装置、设备和存储介质
CN112906865B (zh) 神经网络架构搜索方法、装置、电子设备及存储介质
CN107609694B (zh) 海上风电集群输电系统结构优化方法及存储介质
CN115437795B (zh) 一种异构gpu集群负载感知的显存重计算优化方法及系统
CN103838803A (zh) 一种基于节点Jaccard相似度的社交网络社团发现方法
CN113536712B (zh) 汽车外型参数的优化设计方法、装置、设备及存储介质
CN105808582A (zh) 基于分层策略的决策树并行生成方法和装置
JP2023022185A (ja) 地図データ処理方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム
CN112508181A (zh) 一种基于多通道机制的图池化方法
CN115563927A (zh) 一种gpu加速构建最小直角斯坦纳树的芯片布线方法
CN112052884A (zh) 一种基于局部边缘特征增强的点云分类方法及系统
CN112836794B (zh) 一种图像神经架构的确定方法、装置、设备及存储介质
CN113240219A (zh) 一种土地利用模拟及预测方法
CN110826911B (zh) 基于大数据的决策方法、设备及介质
WO2024001653A9 (zh) 特征提取方法、装置、存储介质及电子设备
CN116186864B (zh) 一种基于bim技术的深基坑模型快速建模方法及系统
CN109978211A (zh) 航班进离港率的预测方法和装置
CN112214928A (zh) 一种低压配电网多源数据处理与融合方法及系统
CN115544699A (zh) 基于遗传算法的海缆布局优化方法、装置、设备及介质
CN114913330B (zh) 点云部件分割方法、装置、电子设备与存储介质
CN113903016B (zh) 分岔点检测方法、装置、计算机设备和存储介质
CN110765130B (zh) 一种分布式环境下基于Ripley’s K函数的时空POI数据点模式分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant