CN112926131B - 车辆气动载荷确定方法及装置 - Google Patents
车辆气动载荷确定方法及装置 Download PDFInfo
- Publication number
- CN112926131B CN112926131B CN202110106715.5A CN202110106715A CN112926131B CN 112926131 B CN112926131 B CN 112926131B CN 202110106715 A CN202110106715 A CN 202110106715A CN 112926131 B CN112926131 B CN 112926131B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preset
- data
- appearance
- determining
- 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
Links
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Fluid Mechanics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本申请公开了一种车辆气动载荷确定方法及装置。该方法包括:获取待测车辆的外形数据;基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值;将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据。通过本申请,解决了相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题。
Description
技术领域
本申请涉及轨道交通技术领域,具体而言,涉及一种车辆气动载荷确定方法及装置。
背景技术
随着轨道交通***的不断发展,行驶在轨道的车辆的设计速度越来越高,如高速列车和城轨、地铁车辆等的设计速度,因而,空气动力学设计成为轨道车辆设计的关键。
为确保轨道车辆空气动力学设计的合理性,需要确定不同的车辆外形对应的空气动力学数值,相关技术中,是通过求解NS方程来确定车辆外形对应的空气动力学数值,为保证空气动力学数值计算的精度,求解NS方程时需要采用精细化建模、计算网格量巨大,从而导致计算时间长,计算成本高。
针对相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种车辆气动载荷确定方法及装置,以解决相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题。
根据本申请的一个方面,提供了一种车辆气动载荷确定方法。该方法包括:获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据;基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及类型的车辆的气动载荷数据。
可选地,在基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值之前,该方法还包括:确定预设轮廓线,并确定不同车辆的预设轮廓线对应的同一表达式,得到预设车辆外形轮廓线表达式,其中,预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;确定预设曲面,并确定不同车辆的预设曲面对应的同一组表达式,得到预设车辆外形曲面表达式,其中,预设曲面对应的同一组表达式包括预设曲面的轮廓线表达式、表征预设曲面上的三维坐标值之间的关系的表达式,预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
可选地,获取待测车辆的外形数据包括:获取待测车辆外形表面的网格数据;基于网格数据确定待测车辆的目标轮廓线上的点的三维坐标数据,其中,目标轮廓线和预设轮廓线的类型相同;基于网格数据确定待测车辆的目标曲面上的点的三维坐标数据,其中,目标曲面和预设曲面的类型相同;由目标轮廓线上的点的三维坐标数据以及目标曲面上的点的三维坐标数据,构成待测车辆的外形数据。
可选地,基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值包括:确定预设外形因子包含的自由参数的初始值,并基于预设外形因子包含的自由参数的初始值以及预设外形因子对应的表达式,计算待测车辆的拟合外形数据;以待测车辆的拟合外形数据与外形数据的差值最小为优化目标,通过调整预设外形因子包含的自由参数的值,对拟合外形数据进行迭代优化,直至得到优化后的拟合外形数据;获取优化后的拟合外形数据对应的预设外形因子的自由参数的值,并将获取到的自由参数的值确定为待测车辆对应的外形因子参数值。
可选地,在将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据之前,该方法还包括:获取多个车辆的外形数据,并基于多个车辆的外形数据以及预设外形因子,计算每个车辆对应的预设外形因子包含的参数的目标参数值,得到多个车辆对应的外形因子参数值;获取多个车辆中每个车辆对应的气动载荷数据;将多个车辆中每个车辆的对应的外形因子参数值与对应的气动载荷数据确定为一个样本数据,得到多个样本数据,并由多个样本数据确定训练集数据;将训练集数据输入训练预设模型进行学习训练,生成目标模型,其中,预设模型至少为以下之一:神经网络模型、支持向量机模型。
可选地,获取多个车辆中每个车辆对应的气动载荷数据的方式至少为以下之一:仿真计算、模型试验。
根据本申请的另一方面,提供了一种车辆气动载荷确定装置。该装置包括:获取单元,用于获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据;第一确定单元,用于基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;处理单元,用于将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及类型的车辆的气动载荷数据。
可选地,该装置还包括:第二确定单元,用于在基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值之前,确定预设轮廓线,并确定不同车辆的预设轮廓线对应的同一表达式,得到预设车辆外形轮廓线表达式,其中,预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;第三确定单元,用于确定预设曲面,并确定不同车辆的预设曲面对应的同一组表达式,得到预设车辆外形曲面表达式,其中,预设曲面对应的同一组表达式包括预设曲面的轮廓线表达式、表征预设曲面上的三维坐标值之间的关系的表达式,预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,程序运行时控制非易失性存储介质所在的设备执行一种车辆气动载荷确定方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;存储器中存储有计算机可读指令,处理器用于运行计算机可读指令,其中,计算机可读指令运行时执行一种车辆气动载荷确定方法。
通过本申请,采用以下步骤:获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据;基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及所述类型的车辆的气动载荷数据,解决了相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题。通过待测车辆的外形数据计算待测数据的外形因子参数值,并通过表征车辆的外形因子参数值与气动载荷数据的模型处理待测数据的外形因子参数值,得到启动载荷数据,进而达到了高效准确地确定车辆的气动载荷数据的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的车辆气动载荷确定方法的流程图;
图2是根据本申请实施例提供的车辆气动载荷确定方法中,待测车辆的外形数据和拟合外形数据的对比示意图;
图3是根据本申请实施例提供的车辆气动载荷确定装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请的实施例,提供了一种车辆气动载荷确定方法。
图1是根据本申请实施例的车辆气动载荷确定方法的流程图。如图1所示,该方法包括以下步骤:
步骤S102,获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据。
具体地,待测车辆为需要计算气动载荷数据的车辆,在获取待测车辆的外形数据时,先确定待测车辆的三维几何外形,再获取待测车辆的三维几何外形上的各个点的三维坐标数据。为了保证气动载荷数据的计算精度,待测车辆的三维几何外形的各个曲面连接误差不大于5mm。
为了便于获取适用于计算气动载荷数据的三维坐标数据,可选地,在本申请实施例提供的车辆气动载荷确定方法中,获取待测车辆的外形数据包括:获取待测车辆外形表面的网格数据;基于网格数据确定待测车辆的目标轮廓线上的点的三维坐标数据,其中,目标轮廓线和预设轮廓线的类型相同;基于网格数据确定待测车辆的目标曲面上的点的三维坐标数据,其中,目标曲面和预设曲面的类型相同;由目标轮廓线上的点的三维坐标数据以及目标曲面上的点的三维坐标数据,构成待测车辆的外形数据。
具体地,可以采用分块形式对车辆三维几何外形进行面网格划分,面网格为结构网格,划分面网格时,可以将车体最大横截面型线、头型纵坡面型线、水平剖面型线、车体底部边界线等作为各块面网格的边界线。
进一步的,将预设轮廓线的坐标位置作为判断依据,提取出待测车辆的目标轮廓线上的点的三维坐标数据,将预设曲面的坐标位置作为判断依据,提取出待测车辆的目标曲面上的点的三维坐标数据。需要说明的是,目标轮廓线或目标曲面上的点为离散的坐标点,可以将得到的点按坐标顺序连接成目标曲线或目标曲面。
通过本实施例,当需要计算待测车辆的气动载荷时,将该车辆的几何外形进行离散化处理,形成几何外形的面网格,并基于几何外形的面网格获取目标轮廓线以及目标曲面上的点的三维坐标数据,从而为计算待测车辆的气动载荷数据奠定了数据基础。
步骤S104,基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式。
需要说明的是,预设外形因子可以为不同车辆外形的相同位置的关键轮廓线或关键三维曲面造型对应的表达式,达式中包括对应的外形数据解析式以及自由参数,需要说明的是,不同车辆的相同位置的关键轮廓线或关键三维曲面造型对应的自由参数的值不同。
具体地,结合预设外形因子以及待测车辆与预设外形因子对应的外形数据,确定该预设外形因子包含的自由参数的值,也即,待测车辆对应的外形因子参数值。
可选地,在本申请实施例提供的车辆气动载荷确定方法中,在基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值之前,该方法还包括:确定预设轮廓线,并确定不同车辆的预设轮廓线对应的同一表达式,得到预设车辆外形轮廓线表达式,其中,预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;确定预设曲面,并确定不同车辆的预设曲面对应的同一组表达式,得到预设车辆外形曲面表达式,其中,预设曲面对应的同一组表达式包括预设曲面的轮廓线表达式、表征预设曲面上的三维坐标值之间的关系的表达式,预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
具体地,先根据车辆的外形特点,建立不同车辆对应的相同类型的预设轮廓线或预设曲面,再确定不同车辆通用的预设轮廓线的表达式或预设曲面表达式。
例如,确定的预设轮廓线可以为车体横截面型线、纵剖面型线、横剖面型线、水平剖面型线等,并确定不同车辆的预设轮廓线对应的同一表达式,得到预设车辆外形轮廓线表达式,达式中包括对应的外形轮廓线解析式以及自由参数,需要说明的是,不同车辆的相同类型的预设轮廓线对应的自由参数的值不同,但预设车辆外形轮廓线表达式中不限定自由参数的具体值。
再例如,确定的预设曲面可以为司机室玻璃的曲面、鼻锥导流槽结构的曲面等,并确定不同车辆的预设曲面对应的同一表达式,得到预设车辆外形曲面对应的一组表达式,该组表达式中包括曲面的外轮廓线表达式、以x坐标为基准确定y坐标值的表达式,以及以x坐标为基准确定z坐标值的表达式,每个达式中包括对应的解析式以及自由参数,需要说明的是,不同车辆的相同类型的预设曲面对应的自由参数的值不同,但预设车辆外形轮曲面表达式中不限定自由参数的具体值。
进一步的,可以将多个预设车辆外形轮廓线表达式以及多个预设车辆曲面表达式存储在数据库中,形成外形因子库,外形因子库中的各个外形因子对应的表达式的参数是自由参数,每一种车辆外形都有一组唯一对应的外形因子参数值。
可选地,在本申请实施例提供的车辆气动载荷确定方法中,基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值包括:确定预设外形因子包含的自由参数的初始值,并基于预设外形因子包含的自由参数的初始值以及预设外形因子对应的表达式,计算待测车辆的拟合外形数据;以待测车辆的拟合外形数据与外形数据的差值最小为优化目标,通过调整预设外形因子包含的自由参数的值,对拟合外形数据进行迭代优化,直至得到优化后的拟合外形数据;获取优化后的拟合外形数据对应的预设外形因子的自由参数的值,并将获取到的自由参数的值确定为待测车辆对应的外形因子参数值。
具体地,对于每个外形因子将待测车辆的外形数据作为真实数据,通过调整外形因子对应的自由参数值,获取参数化设计得到的拟合外形数据,将真实数据和拟合数据的差值作为优化目标,利用优化算法(可以是粒子群算法、梯度算法等等)得到真实数据和拟合数据差值最小时该外形因子的自由参数值,从而得到待测车辆对应各个外形因子的自由参数值,从而得到待测车辆的外形因子参数值。
通过本实施例,输入待测车辆的外形的面网格数据,以待测车辆的外形数据为基准,以待测车辆外形与拟合外形重合的误差为优化目标,利用优化算法获取最接近待测车辆外形时各个外形因子的自由参数值,快速得到待测车辆的外形因子参数值。
步骤S106,将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及类型的车辆的气动载荷数据。
在计算待测车辆的气动载荷数据时,将待测车辆对应的外形因子参数值输入目标模型,目标模型是基于不同车辆的外形因子和气动载荷数据训练得到的,目标模型中的隐性计算函数,隐性计算函数对外形因子参数值进行处理,得到待测车辆的气动载荷数据,实现了不同待测车辆的气动载荷数据的快速计算。
可选地,在本申请实施例提供的车辆气动载荷确定方法中,在将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据之前,该方法还包括:获取多个车辆的外形数据,并基于多个车辆的外形数据以及预设外形因子,计算每个车辆对应的预设外形因子包含的参数的目标参数值,得到多个车辆对应的外形因子参数值;获取多个车辆中每个车辆对应的气动载荷数据;将多个车辆中每个车辆的对应的外形因子参数值与对应的气动载荷数据确定为一个样本数据,得到多个样本数据,并由多个样本数据确定训练集数据;将训练集数据输入训练预设模型进行学习训练,生成目标模型,其中,预设模型至少为以下之一:神经网络模型、支持向量机模型。
具体地,获取多个车辆的外形数据,并根据上述实施方式提取各个车辆外形的各个外形因子对应的自由参数值,得到各个外形因子参数值,同时,获取各个车辆的气动载荷数据,构建形成各个车辆的外形因子参数值和气动载荷数据的一一对应关系数据库。
进一步的,将该关系数据库中的数据作为训练集数据,采用预设模型(如神经网络模型、支持向量机模型等)构建外形因子参数值和气动载荷数据的黑匣模块,也即目标模型,进一步得到外形因子参数值和气动载荷数据之间的隐性计算函数,外形因子参数值为函数的输入项,气动载荷数据为函数的输出项,从而将待测车辆对应的外形因子参数值输入目标模型,隐性计算函数对外形因子参数值进行处理,得到待测车辆的气动载荷数据。
通过本实施例,无需求解NS方程即可快速得到待测车辆的气动载荷数据,相比于基于求解NS方程确定车辆气动载荷数据的方法,在不降低计算精度的前提下,计算效率提高、计算成本降低,从而降低对计算设备的要求,且本实施方法的计算结果稳定,随着训练数据不断增加,计算精度可以不断提高。此外,本实施的计算法简单,不仅可以提升计算效率,还可以减少了人为操作的失误,提高计算人员的工作效率。
可选地,在本申请实施例提供的车辆气动载荷确定方法中,获取多个车辆中每个车辆对应的气动载荷数据的方式至少为以下之一:仿真计算、模型试验。
具体地,利用风洞试验、动模型试验、计算流体力学(CFD)等方法得到多个车辆外形的气动载荷数据,如气动阻力、气动升力、压力波、气动噪声、微气压波、大风环境下的气动侧向力、倾覆力矩等。
需要说明的是,为验证计算的可靠性,在车辆外形设计的过程需要开展线路试验、风洞试验和动模型试验等模型试验,可以在试验中获取气动载荷数据。进一步的,如果试验中获取的气动载荷数据不足,可以利用求解NS方程的数值计算方法补充车辆外形对应的气动载荷数据。此外,可以获取本实施例中目标模型处理得到的气动载荷数据,进一步丰富气动载荷数据,从而为待测车辆的气动载荷数据的确定奠定数据基础。
本申请实施例提供的车辆气动载荷确定方法,通过获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据;基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及所述类型的车辆的气动载荷数据,解决了相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题。通过待测车辆的外形数据计算待测数据的外形因子参数值,并通过表征车辆的外形因子参数值与气动载荷数据的模型处理待测数据的外形因子参数值,得到启动载荷数据,进而达到了高效准确地确定车辆的气动载荷数据的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种车辆气动载荷确定装置,需要说明的是,本申请实施例的车辆气动载荷确定装置可以用于执行本申请实施例所提供的用于车辆气动载荷确定方法。以下对本申请实施例提供的车辆气动载荷确定装置进行介绍。
图3是根据本申请实施例的车辆气动载荷确定装置的示意图。如图3所示,该装置包括:获取单元10、第一确定单元20和处理单元30。
具体地,获取单元10,用于获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据。
第一确定单元20,用于基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式。
处理单元30,用于将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及类型的车辆的气动载荷数据。
可选地,在本申请实施例提供的车辆气动载荷确定装置中,该装置还包括:第二确定单元,用于在基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值之前,确定预设轮廓线,并确定不同车辆的预设轮廓线对应的同一表达式,得到预设车辆外形轮廓线表达式,其中,预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;第三确定单元,用于确定预设曲面,并确定不同车辆的预设曲面对应的同一组表达式,得到预设车辆外形曲面表达式,其中,预设曲面对应的同一组表达式包括预设曲面的轮廓线表达式、表征预设曲面上的三维坐标值之间的关系的表达式,预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
本申请实施例提供的车辆气动载荷确定装置,通过获取单元10获取待测车辆的外形数据,其中,外形数据包括待测车辆的外形表面的三维坐标数据;第一确定单元20基于待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到待测车辆对应的外形因子参数值,其中,预设外形因子由预设表达式表征,预设表达式中包括外形数据解析式以及自由参数,预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;处理单元30将待测车辆对应的外形因子参数值输入目标模型,输出待测车辆对应的气动载荷数据,其中,目标模型由训练集数据训练得到,训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及类型的车辆的气动载荷数据,解决了相关技术中确定车辆的气动载荷数据的工作量大、成本高的问题,通过待测车辆的外形数据计算待测数据的外形因子参数值,并通过表征车辆的外形因子参数值与气动载荷数据的模型处理待测数据的外形因子参数值,得到启动载荷数据,进而达到了高效准确地确定车辆的气动载荷数据的效果。
所述车辆气动载荷确定装置包括处理器和存储器,上述获取单元10、第一确定单元20和处理单元30等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中确定车辆的气动载荷数据的工作量大的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,程序运行时控制非易失性存储介质所在的设备执行一种车辆气动载荷确定方法。
本申请实施例还提供了一种电子装置,包含处理器和存储器;存储器中存储有计算机可读指令,处理器用于运行计算机可读指令,其中,计算机可读指令运行时执行一种车辆气动载荷确定方法。本文中的电子装置可以是服务器、PC、PAD、手机等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种气动载荷确定方法,其特征在于,包括:
获取待测车辆的外形数据,其中,所述外形数据包括所述待测车辆的外形表面的三维坐标数据;
基于所述待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到所述待测车辆对应的外形因子参数值,其中,所述预设外形因子由预设表达式表征,所述预设表达式中包括外形数据解析式以及自由参数,所述预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;
将所述待测车辆对应的外形因子参数值输入目标模型,输出所述待测车辆对应的气动载荷数据,其中,所述目标模型由训练集数据训练得到,所述训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及所述类型的车辆的气动载荷数据;
其中,基于所述待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到所述待测车辆对应的外形因子参数值包括:
确定所述预设外形因子包含的自由参数的初始值,并基于所述预设外形因子包含的自由参数的初始值以及所述预设外形因子对应的表达式,计算所述待测车辆的拟合外形数据;
以所述待测车辆的所述拟合外形数据与所述外形数据的差值最小为优化目标,通过调整所述预设外形因子包含的自由参数的值,对所述拟合外形数据进行迭代优化,直至得到优化后的所述拟合外形数据;
获取优化后的所述拟合外形数据对应的所述预设外形因子的自由参数的值,并将获取到的所述自由参数的值确定为所述待测车辆对应的外形因子参数值。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到所述待测车辆对应的外形因子参数值之前,所述方法还包括:
确定预设轮廓线,并确定不同车辆的所述预设轮廓线对应的同一表达式,得到所述预设车辆外形轮廓线表达式,其中,所述预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;
确定预设曲面,并确定不同车辆的所述预设曲面对应的同一组表达式,得到所述预设车辆外形曲面表达式,其中,所述预设曲面对应的同一组表达式包括所述预设曲面的轮廓线表达式、表征所述预设曲面上的三维坐标值之间的关系的表达式,所述预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
3.根据权利要求2所述的方法,其特征在于,所述获取待测车辆的外形数据包括:
获取所述待测车辆外形表面的网格数据;
基于所述网格数据确定所述待测车辆的目标轮廓线上的点的三维坐标数据,其中,所述目标轮廓线和所述预设轮廓线的类型相同;
基于所述网格数据确定所述待测车辆的目标曲面上的点的三维坐标数据,其中,所述目标曲面和所述预设曲面的类型相同;
由所述目标轮廓线上的点的三维坐标数据以及所述目标曲面上的点的三维坐标数据,构成所述待测车辆的外形数据。
4.根据权利要求1所述的方法,其特征在于,在所述将所述待测车辆对应的外形因子参数值输入目标模型,输出所述待测车辆对应的气动载荷数据之前,所述方法还包括:
获取多个车辆的外形数据,并基于所述多个车辆的外形数据以及所述预设外形因子,计算每个车辆对应的所述预设外形因子包含的参数的目标参数值,得到所述多个车辆对应的外形因子参数值;
获取所述多个车辆中每个车辆对应的气动载荷数据;
将所述多个车辆中每个车辆的对应的外形因子参数值与对应的气动载荷数据确定为一个样本数据,得到所述多个样本数据,并由所述多个样本数据确定所述训练集数据;
将所述训练集数据输入训练预设模型进行学习训练,生成所述目标模型,其中,所述预设模型至少为以下之一:神经网络模型、支持向量机模型。
5.根据权利要求4所述的方法,其特征在于,获取所述多个车辆中每个车辆对应的气动载荷数据的方式至少为以下之一:仿真计算、模型试验。
6.一种气动载荷确定装置,其特征在于,包括:
获取单元,用于获取待测车辆的外形数据,其中,所述外形数据包括所述待测车辆的外形表面的三维坐标数据;
第一确定单元,用于基于所述待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到所述待测车辆对应的外形因子参数值,其中,所述预设外形因子由预设表达式表征,所述预设表达式中包括外形数据解析式以及自由参数,所述预设表达式至少包括以下之一:预设车辆外形轮廓线表达式、预设车辆外形曲面表达式;
处理单元,用于将所述待测车辆对应的外形因子参数值输入目标模型,输出所述待测车辆对应的气动载荷数据,其中,所述目标模型由训练集数据训练得到,所述训练集数据中包括多个样本数据,每个样本数据包括一种类型的车辆的外形因子参数值以及所述类型的车辆的气动载荷数据;
其中,所述第一确定单元还用于确定所述预设外形因子包含的自由参数的初始值,并基于所述预设外形因子包含的自由参数的初始值以及所述预设外形因子对应的表达式,计算所述待测车辆的拟合外形数据;以所述待测车辆的所述拟合外形数据与所述外形数据的差值最小为优化目标,通过调整所述预设外形因子包含的自由参数的值,对所述拟合外形数据进行迭代优化,直至得到优化后的所述拟合外形数据;获取优化后的所述拟合外形数据对应的所述预设外形因子的自由参数的值,并将获取到的所述自由参数的值确定为所述待测车辆对应的外形因子参数值。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二确定单元,用于在所述基于所述待测车辆的外形数据,确定预设外形因子包含的自由参数的值,得到所述待测车辆对应的外形因子参数值之前,确定预设轮廓线,并确定不同车辆的所述预设轮廓线对应的同一表达式,得到所述预设车辆外形轮廓线表达式,其中,所述预设轮廓线至少包括以下之一:车体最大横截面型线、车体头型纵坡面型线、水平剖面型线、车体底部边界线;
第三确定单元,用于确定预设曲面,并确定不同车辆的所述预设曲面对应的同一组表达式,得到所述预设车辆外形曲面表达式,其中,所述预设曲面对应的同一组表达式包括所述预设曲面的轮廓线表达式、表征所述预设曲面上的三维坐标值之间的关系的表达式,所述预设曲面至少包括以下之一:车辆驾驶舱玻璃曲面、车辆导流槽曲面。
8.一种非易失性存储介质,其特征在于,所非易失性存储介质包括存储的程序,其中,所述程序运行时控制所述非易失性存储介质所在的设备执行权利要求1至5中任意一项所述的气动载荷确定方法。
9.一种电子装置,其特征在于,包含处理器和存储器,所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行权利要求1至5中任意一项所述的气动载荷确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110106715.5A CN112926131B (zh) | 2021-01-26 | 2021-01-26 | 车辆气动载荷确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110106715.5A CN112926131B (zh) | 2021-01-26 | 2021-01-26 | 车辆气动载荷确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926131A CN112926131A (zh) | 2021-06-08 |
CN112926131B true CN112926131B (zh) | 2022-11-29 |
Family
ID=76166616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110106715.5A Active CN112926131B (zh) | 2021-01-26 | 2021-01-26 | 车辆气动载荷确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926131B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205293A (zh) * | 2015-11-05 | 2015-12-30 | 中国商用飞机有限责任公司 | 用于获得飞机部件气动载荷的方法和*** |
CN106644499A (zh) * | 2016-09-09 | 2017-05-10 | 北京新能源汽车股份有限公司 | 电动汽车动力总成强度测试方法和*** |
CN106709207A (zh) * | 2017-01-16 | 2017-05-24 | 东北大学 | 一种考虑粗糙表面微凸体相互作用影响的确定受载结合部法向接触刚度的方法 |
CN109583044A (zh) * | 2018-11-09 | 2019-04-05 | 中国直升机设计研究所 | 基于rbf神经网络的直升机旋翼飞行载荷预测方法 |
CN111267834A (zh) * | 2020-02-17 | 2020-06-12 | 北京理工大学 | 一种车辆横摆稳定预测控制方法及*** |
CN111985052A (zh) * | 2020-08-18 | 2020-11-24 | 中南大学 | 一种高速列车外风挡结构的优化方法及外风挡结构 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201025B (zh) * | 2011-07-08 | 2012-09-19 | 中国科学院力学研究所 | 一种高速列车头型设计方法 |
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 |
-
2021
- 2021-01-26 CN CN202110106715.5A patent/CN112926131B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205293A (zh) * | 2015-11-05 | 2015-12-30 | 中国商用飞机有限责任公司 | 用于获得飞机部件气动载荷的方法和*** |
CN106644499A (zh) * | 2016-09-09 | 2017-05-10 | 北京新能源汽车股份有限公司 | 电动汽车动力总成强度测试方法和*** |
CN106709207A (zh) * | 2017-01-16 | 2017-05-24 | 东北大学 | 一种考虑粗糙表面微凸体相互作用影响的确定受载结合部法向接触刚度的方法 |
CN109583044A (zh) * | 2018-11-09 | 2019-04-05 | 中国直升机设计研究所 | 基于rbf神经网络的直升机旋翼飞行载荷预测方法 |
CN111267834A (zh) * | 2020-02-17 | 2020-06-12 | 北京理工大学 | 一种车辆横摆稳定预测控制方法及*** |
CN111985052A (zh) * | 2020-08-18 | 2020-11-24 | 中南大学 | 一种高速列车外风挡结构的优化方法及外风挡结构 |
Non-Patent Citations (1)
Title |
---|
李明,刘斌,张亮.高速列车头型气动外形关键结构参数优化设计.《机械工程学报》.2016,(第20期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112926131A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866648B (zh) | 一种高速行驶交通工具仿真模型前处理模板及处理方法 | |
CN109451532B (zh) | 一种基站位置的核查方法及装置 | |
CN109444350B (zh) | 一种基于无人机的大气污染物监测传感器的布局方法 | |
CN108959794A (zh) | 一种基于深度学习的结构频响动力学模型修正方法 | |
CN104390795A (zh) | 轨道车辆振动形态分析的方法及装置 | |
CN113902321A (zh) | 风电场的微观选址评估方法和装置、计算机可读存储介质 | |
CN116049989A (zh) | 转向架数字孪生模型构建方法、***、电子设备及介质 | |
Wei et al. | Digital twin-driven manufacturing equipment development | |
CN112926131B (zh) | 车辆气动载荷确定方法及装置 | |
CN107391950A (zh) | 一种湍流壁面距离快速计算方法 | |
CN113239646A (zh) | 一种基于等效粗糙度风电场建模方法、介质和设备 | |
CN117272855A (zh) | 对象表面几何模型生成方法、装置、电子设备及存储介质 | |
CN110688805A (zh) | 一种汽车外流场流动数值的分析方法 | |
CN108229016A (zh) | 基于顺序图模型的电子***排布方法和装置 | |
CN114841077A (zh) | 一种风电功率预测方法、装置、介质 | |
CN107767451A (zh) | 一种基于gocad栅格模型的3dec复杂地形建模方法 | |
KR101672763B1 (ko) | 시뮬레이션 인터페이스 생성방법 및 실시간 시뮬레이션 장치 | |
US20120197615A1 (en) | System and method for simulating measuring process of workpiece | |
CN105869213B (zh) | 一种多阶fdtd网格建模方法 | |
CN117893712B (zh) | 一种表面结构网格生成方法和装置 | |
US11335064B1 (en) | System and processes for determining suitability of manufacturing processes from a digital 3D model of a product to be manufactured | |
CN112950469B (zh) | 高程地图的边界识别方法、拼接方法及***、设备及介质 | |
CN109242937B (zh) | 将Mike流场结果文件转换成shapefile矢量文件的方法和装置 | |
CN113836805A (zh) | 一种列车表面压力预测方法、装置、电子设备及存储介质 | |
CN118133637A (zh) | 一种基于rbf模型的装夹应力场实时仿真及映射方法 |
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 |