一种基于机器学习优化的高速列车气动头部外形设计方法

    公开(公告)号:CN113032902B

    公开(公告)日:2022-06-17

    申请号:CN202110291867.7

    申请日:2021-03-18

    Applicant: 中南大学

    Abstract: 本发明涉及高速列车头部外形设计领域,具体涉及一种基于机器学习优化的高速列车气动头部外形设计方法。包括:获取高速列车气动性能数据和外形设计参数变量作样本数据;采用基于皮尔森相关系数的聚类方法和最大互信息系数获取参数变量之间的关联程度,并筛选优化参数;将样本数据随机拆分为训练集和测试集;采用蜻蜓算法对神经网络模型进行训练,获得第一气动性能预测模型;获取预设预测精度,进行测试获得测试预测精度;比较两种精度值获得终气动性能预测模型;设定多个参数变量的数值范围和允许的最小改变量,通过终气动性能预测模型采用蜻蜓优化算法获取所述参数变量的最优值,该方案可以在短时间内产生最优决策,且具有良好的扩展性。

    基于多学科设计的高速列车头部外形协同设计方法

    公开(公告)号:CN108664721A

    公开(公告)日:2018-10-16

    申请号:CN201810416490.1

    申请日:2018-05-03

    Abstract: 本发明公开了一种高速列车头部外形设计领域的基于多学科设计的高速列车头部外形协同设计方法,包括以下步骤:根据高速列车头部外形的设计要求对高速列车头部外形进行参数化建模生成多个三维头型;采用CFD计算程序耦合网格变形技术对三维头型进行网格划分和流场计算,获取高速列车气动性能,建立气动性能与三维头型之间的广义非线性模型;对广义非线性模型进行多科学设计生成满足气动性能要求的高速列车头部外形。本发明把列车外形参数化的思想和气动分析有效地结合在一起,并在一个集成平台中同时实现建模、气动分析及其优化全过程,实现了整个过程的完全自动化。

    基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统

    公开(公告)号:CN112307001B

    公开(公告)日:2023-10-20

    申请号:CN202011202434.1

    申请日:2020-11-02

    Applicant: 中南大学

    Abstract: 本发明提供一种基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统,包括:获取汽油精炼样本数据;对样本数据进行预处理;基于皮尔森相关系数和最大信息系数构建识别差异表达操作变量的方法,获取样本数据中各变量之间的关联关系,筛选出N个变量作为操作变量;将获得样本数据分为训练集和测试集;以精炼汽油辛烷值和含硫量为约束条件,基于DA优化的BP神经网络进行模型训练学习,获得第一辛烷值预测模型;在测试集的基础上,对获得的第一辛烷值预测模型进行测试,在满足预设的预测精度基础上最终输出模型作为辛烷值的预测模型,否则进行模型优化;以辛烷值的预测模型对实时获得的汽油精炼数据进行辛烷值预测输出。

    一种基于机器学习优化的高速列车气动头部外形设计方法

    公开(公告)号:CN113032902A

    公开(公告)日:2021-06-25

    申请号:CN202110291867.7

    申请日:2021-03-18

    Applicant: 中南大学

    Abstract: 本发明涉及高速列车头部外形设计领域,具体涉及一种基于机器学习优化的高速列车气动头部外形设计方法。包括:获取高速列车气动性能数据和外形设计参数变量作样本数据;采用基于皮尔森相关系数的聚类方法和最大互信息系数获取参数变量之间的关联程度,并筛选优化参数;将样本数据随机拆分为训练集和测试集;采用蜻蜓算法对神经网络模型进行训练,获得第一气动性能预测模型;获取预设预测精度,进行测试获得测试预测精度;比较两种精度值获得终气动性能预测模型;设定多个参数变量的数值范围和允许的最小改变量,通过终气动性能预测模型采用蜻蜓优化算法获取所述参数变量的最优值,该方案可以在短时间内产生最优决策,且具有良好的扩展性。

    基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统

    公开(公告)号:CN112307001A

    公开(公告)日:2021-02-02

    申请号:CN202011202434.1

    申请日:2020-11-02

    Applicant: 中南大学

    Abstract: 本发明提供一种基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统,包括:获取汽油精炼样本数据;对样本数据进行预处理;基于皮尔森相关系数和最大信息系数构建识别差异表达操作变量的方法,获取样本数据中各变量之间的关联关系,筛选出N个变量作为操作变量;将获得样本数据分为训练集和测试集;以精炼汽油辛烷值和含硫量为约束条件,基于DA优化的BP神经网络进行模型训练学习,获得第一辛烷值预测模型;在测试集的基础上,对获得的第一辛烷值预测模型进行测试,在满足预设的预测精度基础上最终输出模型作为辛烷值的预测模型,否则进行模型优化;以辛烷值的预测模型对实时获得的汽油精炼数据进行辛烷值预测输出。

    一种高速列车头部外形参数化方法

    公开(公告)号:CN108717489A

    公开(公告)日:2018-10-30

    申请号:CN201810475713.1

    申请日:2018-05-17

    Abstract: 本发明公开了一种高速列车头部外形设计领域的高速列车头部外形参数化方法,包括以下步骤:将构成现有高速列车车头几何外形的空间三维曲面按曲率、走向和延展趋势划分为若干区域,并得到将所述空间三维曲面划分为若干区域的若干型线,所述型线由直线段、圆弧和Ferguson曲线来表示;获取根据设计要求生成的高速列车头型控制参数,所述控制参数包括尺寸参数和变形参数,用尺寸参数构建出所述直线段和所述圆弧,并用Ferguson曲线将直线段和圆弧连接,形成通过尺寸参数约束的三次NURBS曲线作为控制型线,所述变形参数用来修改Ferguson曲线收尾端张度值;利用所述控制型线构建中间过程曲面,并通过中间过程曲面组合形成高速列车头部。

Patent Agency Ranking