[发明专利]一种商用车空气动力学序列优化方法

权利要求书

1.一种商用车空气动力学序列优化方法，其特征在于，包括如下步骤：

S1、构建待优化商用车的GTS简化商用车模型，分析所述GTS简化商用车模型影响空气动力学性能的主要参数，将所述主要参数作为优化变量；根据所述优化变量采集样本，生成样本空间，并建立样本数据集；

具体的，所述GTS简化商用车模型，选取整车气动阻力作为优化对象，选取驾驶室高度，离地间隙，前保和前围部分长度，前悬长度，驾驶室卧铺及顶棚区域长度，驾驶室宽度，车门旋转角，A柱及顶棚边沿绕轴倾斜角，顶棚边沿绕轴旋转角，前围及前保部分绕轴旋转的角度，顶棚倾角，共11个参数作为优化变量；

通过改进的拉丁超立方抽样生成所述样本空间；所述改进的拉丁超立方抽样中样本x_i，x_j之间的距离d_ij通过如下公式表达：

上式中，m为样本量；t为可选正整数；

改进的拉丁超立方采用φp准则，其中，φp的计算公式为：

式中，d_i为按从小到大顺序排列的样本间距离；J_i为距离原来位置的索引；p为给定的正整数，这里取2；s为总体样本量；i表示第几个样本；

S2、根据所述样本数据集，构建自适应组合代理模型；所述自适应组合代理模型由径向基函数和Kriging模型构成；采用POINTER优化求解器对所述自适应组合代理模型进行求解，得到最优值；

S3、根据所述最优值，判断所述自适应组合代理模型的模型精度是否达到预设标准，如果达到所述预设标准，则输出所述自适应组合代理模型的最优值，所述最优值即为使所述待优化商用车的风阻系数达到最小值时的最优状态；如果没有达到所述预设标准，则执行步骤S4；

S4、利用序列优化算法，通过混合加点准则得到新的样本；将所述新的样本加入所述样本数据集，重复执行所述步骤S2～步骤S3。

2.如权利要求1所述的一种商用车空气动力学序列优化方法，其特征在于，还包括：

S5、分别通过数值计算得到所述GTS简化商用车模型的气动阻力响应值，以及所述自适应组合代理模型的气动阻力响应值。

3.如权利要求2所述的一种商用车空气动力学序列优化方法，其特征在于，所述步骤S3中，所述自适应组合代理模型的模型精度由全局精度评价和局部精度评价生成；所述全局精度评价采用均方根值RMSE和决定系数R²评价所述自适应组合代理模型的精度；所述局部精度评价采用绝对最大误差MAE表达评价所述自适应组合代理模型的精度。

4.如权利要求3所述的一种商用车空气动力学序列优化方法，其特征在于，所述均方根值RMSE和决定系数R²分别通过下式表达：

上式中，y_i为第i个样本的实际气动阻力响应值；为所有样本的气动阻力响应值的均值；为所述自适应组合代理模型中的第i个样本的预测值；n为样本量。

5.如权利要求1所述的一种商用车空气动力学序列优化方法，其特征在于，所述步骤S4中，混合加点准则包括：局部加点准则和全局加点准则；所述局部加点准则将所述自适应组合代理模型的最优值以及所述最优值对应的优化变量作为新的样本加入所述样本数据集；所述全局加点准则采用交叉验证-泰森图解采样。

6.如权利要求5所述的一种商用车空气动力学序列优化方法，其特征在于，所述交叉验证-泰森图解采样利用泰森图解法划分所述样本空间，生成多个空间，每个空间只存在一个样本点，且所述每个空间内的点到其对应的样本点的距离最近，位于空间边缘的点到其两侧最近样本点的距离相等。

7.如权利要求6所述的一种商用车空气动力学序列优化方法，其特征在于，所述交叉验证-泰森图解采样采用交叉验证对所述每个空间及其对应的样本点进行误差评价。

8.如权利要求7所述的一种商用车空气动力学序列优化方法，其特征在于，所述交叉验证-泰森图解采样获取误差最大的空间内距离中心样本点最远的点对应的优化变量；将所述优化变量作为新的样本加入所述样本数据集。