基于遗传算法的汽车外形优化
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第10-16页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 汽车外流场及车身外形优化的研究现状 | 第11页 |
| 1.3 多目标优化与数据挖掘方法 | 第11-14页 |
| 1.3.1 多目标优化 | 第11-12页 |
| 1.3.2 数据挖掘 | 第12-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2.理论基础与车身流场特性 | 第16-22页 |
| 2.1 基本控制方程 | 第16-17页 |
| 2.2 数值计算的主要方法介绍 | 第17-18页 |
| 2.3 网格方案 | 第18-19页 |
| 2.4 湍流模型 | 第19-20页 |
| 2.5 车身流场特性的主要研究内容 | 第20-21页 |
| 2.5.1 气动力和气动力矩 | 第20页 |
| 2.5.2 汽车表面压力 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3.汽车外流场的数值模拟 | 第22-28页 |
| 3.1 汽车几何模型的建立 | 第22-23页 |
| 3.2 计算域的确定与网格划分 | 第23-24页 |
| 3.2.1 网格划分 | 第23-24页 |
| 3.3 边界条件的设置 | 第24-25页 |
| 3.3.1 计算流体力学软件Fluent简介 | 第24页 |
| 3.3.2 边界条件的设置 | 第24-25页 |
| 3.4 数值模拟结果分析 | 第25-27页 |
| 3.4.1 汽车外流场分析 | 第25-26页 |
| 3.4.2 车身表面压力分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4.优化算法与数据挖掘 | 第28-36页 |
| 4.1 遗传算法简介 | 第28-30页 |
| 4.1.1 遗传算法的运算流程 | 第28-30页 |
| 4.1.2 多目标优化问题的解 | 第30页 |
| 4.2 拉丁超立方取样与克里金模型 | 第30-35页 |
| 4.2.1 拉丁超立方取样 | 第30-31页 |
| 4.2.2 建立克里金（Kriging）代理模型 | 第31-35页 |
| 4.3 数据挖掘 | 第35页 |
| 4.4 本章小结 | 第35-36页 |
| 5.汽车外形的优化 | 第36-48页 |
| 5.1 建立优化模型 | 第36-38页 |
| 5.2 优化具体步骤 | 第38-41页 |
| 5.2.1 优化设计流程 | 第38-40页 |
| 5.2.2 基于 NSGA-Ⅱ法收寻最优解集 | 第40-41页 |
| 5.3 数据可视化处理分析 | 第41-46页 |
| 5.3.1 敏感度分析 | 第41-42页 |
| 5.3.2 SOM神经元网格图分析 | 第42-45页 |
| 5.3.3 数据挖掘总结 | 第45-46页 |
| 5.4 本章总结 | 第46-48页 |
| 6.优化结果与试验验证 | 第48-58页 |
| 6.1 汽车风洞试验验证 | 第48-49页 |
| 6.1.1 吉林大学风洞 | 第48-49页 |
| 6.2 优化汽车模型风洞试验 | 第49-51页 |
| 6.2.1 试验模型方案选取 | 第49-50页 |
| 6.2.2 试验数据比对分析 | 第50-51页 |
| 6.3 试验结果与优化模型数值模拟结果对比 | 第51-55页 |
| 6.3.1 测压试验 | 第51-52页 |
| 6.3.2 油膜法与优化模型数值模拟结果对比 | 第52-54页 |
| 6.3.3 烟流试验 | 第54-55页 |
| 6.4 本章小结 | 第55-58页 |
| 7.总结与展望 | 第58-60页 |
| 7.1 全文总结 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第66页 |
