为探讨典型外形参数对汽车风阻系数的影响和解决气动外形设计中局部优化方法的盲目性,以MIRA阶背模型作为研究对象,建立参数化分析模型,针对车身7个外形参数进行试验设计及敏感性分析,建立样本点的Kriging近似模型并采用多岛遗传算法来求解车体最优气动外形。结果表明,后风窗倾角对气动阻力系数的影响最大,气动阻力优化是非线性问题且各个外形参数之间存在不同程度的交互效应;优化模型的气流分离得到较大改善,风阻系数降低了12.77%。 样本点进行误差分析。遗传算法主要借助生物进化过程中“适者生存”的规律，模拟生物的遗传繁殖过程的一种全局寻优算法。多岛遗传算法（MIGA）[14]是对传统遗传算法的改进，模型的类车体气动外形-电动数控滚圆机滚弧机张家港数控钢管滚圆机滚弧机具有良的全局寻优能力和计算效率。本文利用MIGA进行寻优操作，相关参数设置如下：子种群规模设为25，岛屿数为6，进化200代，交叉概率为0.8，变异概率为0.01，迁移概率为0.3，本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  迁移间隔为5。3计算结果分析3.1试验设计分析Pareto图反映样本点拟合后二次多项式模型中所有项（A3^2和A3-A4分别表示二次项和交叉项）对目标函数的贡献程度。图3给出了设计参数对阻力系数的贡献关系Pareto图。就单一设计参数而言，A3对阻力系数影响最大，贡献率超过20%，且随着A3增大而增大。L2对阻力系数的贡献率约为7%，随着L2的增大而减校A2、L1和L3贡献率均接近5%，A1和A4对阻力系数的影响很小，在5%以下。若要显著降低阻力系数，主要考虑减小A3，即减小后风窗倾角。在对设计参数的分析中可知，有些参数对阻力系数的贡献率受到其它参数的影响。如图3中单独考虑A4，其对阻力系数的贡献很小（约为3%），但结合A3一起考虑，两者（用A3-A4表示）对阻力系数的贡献率就超过了6.5%，说明设计参数之间存在相互影响关系。因此，分析A4对阻力系数的影响时不能忽略了A3。从图4中可以看出，对升力系数影响最大的单一参数有A4和L3，贡献率均超过10%。考虑交互效应，A3-L2对升力系数的贡献超过8%。没有一个参数对升力系数的影响明显占主导地位，说明气动升力系数的影响因素比较复杂。在交互效应曲线图中，曲线的不平行程度反映了参数之间交互效应的强弱，不平行程度越大表示交互效应越强。图5中两条曲线相交表明了A3和A4对阻力系数存在交互影响，同时也说明了类车体的气动阻力优模型的类车体气动外形-电动数控滚圆机滚弧机张家港数控钢管滚圆机滚弧机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com