一种基于多元模型自适应与改进粒子群的气动优化方法技术

技术编号:41203728 阅读:22 留言:0更新日期:2024-05-07 22:29
本发明专利技术提供了一种基于多元模型自适应与改进粒子群的气动优化方法,其包括以下步骤:获取目标值相关的影响因素,采集若干组相互独立的影响因素和满足正态分布的目标数据,将数据集采用预处理技术并归一化后按训练集和测试集进行划分;通过机器学习方法建立多个元模型,保存每个训练好的元模型参数文件和各个元模型的平均评价指标;建立改进了初始化,加入算术交叉和自然选择和自适应惯性权重的粒子群优化算法;将保存下的元模型参数文件作为改进后的粒子群算法的适应度计算函数,优化适应度输出优化后的输出结果。本发明专利技术通过构建元模型与改进的元启发式优化算法联合使用的最优化方法,在不影响仿真目标模型精度的情况下能减少优化迭代的仿真次数,进而减少对计算资源的消耗提升优化效率,同时自适应选择的多元模型具有灵活性和可扩展性,能在小样本量自适应地选择适合优化算法最优的元模型,进而获得更优的优化目标值。

【技术实现步骤摘要】

本专利技术涉及气动优化,尤其涉及一种基于多元模型自适应与改进粒子群的气动优化方法


技术介绍

1、气动优化设计是指通过对汽车、飞行器、建筑物等物体的气动特性进行优化,以提高其性能、降低阻力、提高稳定性等方面的技术。

2、目前在气动优化领域使用比较广泛的优化算法主要分为进化算法和群体智能算法,这些算法在优化过程中采用不同的机制和策略,以实现搜索最优解的目标。往往根据不同实际应用问题的性质、约束条件、求解目标和计算资源等因素对这些算法进行选择。

3、虽然这些算法具有全局搜索的能力,但它们同时也存在收敛速度慢、某些算法需要调整的超参数众多以及当出现数据量较小时优化效果不佳的情况,因此能够高效且适应小样本气动数据优化的气动优化算法的开发具有十分重要的意义。


技术实现思路

1、本专利技术要解决的技术问题是提供一种基于多元模型自适应与改进粒子群的气动优化方法,提高传统优化方法的优化效果提供更优的设计参数组合,在改善气动性能方面取得进展,建立气动优化模型的整体结构,实现同样对于小样本气动数据优化的高本文档来自技高网...

【技术保护点】

1.一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述对数据进行归一化处理是使用sklearn库中preprocessing的MinMaxScaler()函数将不同尺度和范围的数据映射到统一的[0,1]范围内。

3.根据权利要求1所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述预处理还包括:

4.根据权利要求3所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述采用可视化分析方法绘制数据的散点...

【技术特征摘要】

1.一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述对数据进行归一化处理是使用sklearn库中preprocessing的minmaxscaler()函数将不同尺度和范围的数据映射到统一的[0,1]范围内。

3.根据权利要求1所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述预处理还包括:

4.根据权利要求3所述的一种基于多元模型自适应与改进粒子群的气动优化方法,其特征在于,所述采用可视化分析方法绘制数据的散点矩阵图包括:使用python的seaborn库中的pairplot函数对数据集xn={(x1,y1),(x2,y1),…,(xn,y1)}绘制散点矩阵图,xn表示第n个影响因素数据,y1表示气动数据。

5.根据权利要求1所述的一种基于多元模...

【专利技术属性】
技术研发人员:黄顺巧徐磊王庆洋段孟华秦玲马晨燕
申请(专利权)人:中国汽车工程研究院股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1