论文部分内容阅读
为获得不同运行速度和工况下的高速列车车厢侧墙结构，在拓扑优化结构基础上进行了多目标优化研究.将侧墙夹层板质量、柔度、最大变形作为优化目标，侧墙五段夹层结构的面板和夹心厚度为变量，车厢气压变化梯度为约束函数，利用代理模型技术，建立了各目标、约束函数与变量之间的代理模型，通过非支配遗传算法 NSGA-II，得到多目标的 Pareto 解集.该 Pareto 解集中的夹层板结构比拓扑优化得到的夹层板结构的性能提高了 8.21%到 33.58%，设计时可根据具体的要求和经验从 Pareto 解集中进行选择，从而为