Research on multi-fidelity aerodynamic optimization methods
摘要
与更低的计算费用构造高近似精确性代理人模型有大工程意义。在这篇论文,用 co-Kriging 方法,一个有效多忠实代理人模型基于二件独立高、低的忠实样品被构造。Co-Kriging 方法能使用低忠实的信息的更大的数量由为在高、低的忠实模型之间的关联建模提高高保真模型的一个代理人的精确性,造代理人模型的这样计算的费用能极大地被减少。一个翅膀身体问题作为一个例子被拿比较有传统的 Kriging 的模型基于的 co-Kriging 多忠实(CKMF ) 的特征多忠实(KMF ) 模型。CKMF 模型和 KMF 模型的采样集中被进行,并且一个适当采样图案通过采样集中分析被选择。结果显示那个 CKMF 模型与一样的高保真样品有更高的近似精确性,并且在更少的高保真样品收敛。翅膀身体拖减小优化设计使用基因算法被实现。令人满意的设计结果被获得,它在设计设计验证 CKMF 模型的可行性。
引用本文(GB/T 7714)
Huang, Likeng, Gao Gao, 等. Research on multi-fidelity aerodynamic optimization methods[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2013.
引文网络
本站仅收录题录与摘要供学习参考,全文版权归属出版方;如有侵权请联系我们删除。