为解决静态近似模型所需样本量大、优化效率低的问题,基于粒子群算法(PSO)的最小二乘支持向量回归(LSSVR)自适应近似模型构建优化算法,并通过构建全局和局部自适应近似模型以减小优化算法陷入局部最优解的可能,加速收敛过程。文中将Branin函数作为测试函数,证明构建的自适应PSO-LSSVR近似模型用于单目标优化问题的有效性;将自适应PSO-LSSVR近似模型用于GTS模型低风阻尾板的快速优化上,以上尾板倾角、下尾板倾角、侧尾板倾角和尾板长度为设计变量,仅通过31组数据集样本便收敛至最优解,且近似模型预测气动阻力系数误差仅为0.18%。相比初始尾板,优化后的尾板使得GTS模型气动阻力下降9.38%,证明了自适应PSO-LSSVR近似模型优化算法对小样本快速寻优问题具有较好的可行性。

依托动网格技术,并采用局部节点位移方式,研究城市道路方案分别为重型商用车经过位于其背风侧的单个建筑物、经过位于其迎风侧的单个建筑物和连续经过位于其迎风侧的2个建筑物3种情况下的瞬态气动特性。方案中网格节点位移速度即重型商用车行驶速度定为15 ms,侧风速度为10 m/s。结果显示,建筑物对重型商用车瞬态气动特性的影响较为明显,行驶过程中侧向力系数与横摆力矩系数在1 s内变化值达到5.0之多,相应的侧向力和横摆力矩变化值约为12 kN和30 kN·m,变化率峰值可达-12kN·s^-1和35 kN·m·s^-1,并且方向在行驶过程中发生改变。