[發明專利]一種基于Kriging改進模型的防風柵氣動優化方法

在審

• 申請號: 201910342713.9
• 申請日: 2019-04-26
• 公開（公告）號: CN110147585A
• 公開（公告）日: 2019-08-20
• 發明（設計）人: 傘冰冰;趙友毅;徐晨;邱冶
• 申請（專利權）人: 河海大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉莎

本發明公開了一種基于Kriging改進模型的防風柵氣動優化方法，以防風柵高度和孔洞率為優化變量，通過優化獲得具有最佳防風效果的防風柵高度和孔洞率值。本發明同時考慮防風柵高度和孔洞率的影響，進行多變量優化設計；采用多點加點準則對Kriging代理模型的更新進行了改進，加快了防風柵優化設計的收斂速度。該方法簡單有效，與傳統優化算法(如遺傳算法)相比，能夠很大程度上節約優化時間，準確快速地獲得最優解。

技術領域

本發明涉及一種基于Kriging改進模型的防風柵氣動優化方法。

背景技術

防風柵廣泛應用于防護工程中，是一種具有一定形狀，且全區域開孔、厚度較小的擋板所組成的具有一定高度的擋風屏障。防風柵屬于多孔結構，因其特殊的孔洞構造，可以將來流處于湍流狀態的風分割為多個不同角度的氣流并使其相互干擾，在背風面形成降風速區，降低來流風速，改變來流風湍流強度并減弱大氣湍流中的漩渦結構，因此可以起到防風和防塵兩大作用。

以往研究表明，防風柵高度和孔洞率對其防風性能具有較大影響，不少研究者致力于防風柵高度和孔洞率影響規律的研究，以確定合適的設計參數來進一步提高防風柵的防風性能。但以往研究常采用傳統的參數分析方法，需要大量地應用流體計算軟件或風洞試驗，需要耗費大量的時間和成本。Kriging代理模型是通過樣本點之間的高斯隨機過程來預測未知點的響應值，是一種估計方差最小的無偏估計模型，可以較好的預測未知點處的函數值，在解決非線性程度較高的問題時，能較容易的獲得理想的擬合結果。。

發明內容

本發明在上述基礎上，，對代理模型的加點準則進行改進，提出一種基于Kriging改進模型的防風柵氣動優化方法，以確定防風柵結構的最優設計參數，使其防風性能達到最優。該方法簡單有效，與傳統優化算法(如遺傳算法)相比，能夠很大程度上節約優化時間，準確快速地獲得最優解。

本發明為解決上述技術問題采用以下技術方案：

本發明提供一種基于Kriging改進模型的防風柵氣動優化方法，具體方法步驟如下：

步驟1,以防風柵的高度x₁和孔洞率x₂為優化變量，以能反映堆料周圍流場特性的參數作為目標函數，建立優化數學模型；其中，防風柵的高度x₁和孔洞率x₂構成設計變量x＝[x₁ x₂]^T；

步驟2,采用拉丁超立方抽樣方法在防風柵高度、孔洞率的設計范圍內抽取n個設計變量的樣本點；

步驟3,對步驟2中抽取的樣本點進行計算流體動力學CFD數值模擬，計算對應的目標函數的真實響應值，建立樣本數據集；

步驟4,基于樣本數據集，構建Kriging代理模型；

步驟5,根據MP和EI加點準則，采用簡單遺傳算法在Kriging代理模型中搜索最優解和E[I(x)]最大值，并找出Kriging代理模型最優解對應的防風柵的高度和孔洞率、E[I(x)]最大值對應的防風柵的高度和孔洞率，分別記為x′、x″；其中，E[I(x)]為I(x)的期望，I(x)＝max(y_min-Y(x),0)，Y(x)為Kriging代理模型的預測值，y_min為當前所有樣本點的最優真實目標函數值；

步驟6,若E[I(x)]最大值大于設定的收斂值，進入步驟7；否則，進入步驟9；

步驟7,采用CFD數值模擬計算步驟5獲得的x′和x″對應的目標函數y的真實響應值；

步驟8,將x′、x″和與其對應目標函數y的真實響應值加入已有的樣本數據集，返回步驟4；

步驟9,返還搜索得到的Kriging代理模型最優解對應的x′及其對應的目標函數y的真實響應值，優化進程終止。