基于改进遗传算法的汽车散热器优化设计

　　期目介日项简稿金者收基作江苏省自然科学基金资助项目（BK2003048）；江苏省“青蓝工程”资助项目唐爱坤（1981―男，江苏盐城人，博士研究生（tycoonujseducn），主要从事热工过程优化设计与模型建立等的研究。

　　潘剑锋（1978―），男，江苏常州人，副教授，博士（mkedu叫，主要从事动力机械的燃烧过程和微动力系统的研究。

　　随着我国汽车工业的蓬勃发展，人们对汽车用散热器（俗称水箱）的设计要求也日益提高，在满足换热需求的同时，如何使汽车散热器的体积更小，耗材更少，效率更高已成为一种发展趋势。遗传算法是一种自适应全局优化概率搜索算法，凭借着较强的鲁棒性，它在各个领域中都有了一些应用。近年来，国内不少学者已尝试采用遗传算法对各类换热器进行优化设计，并取得了一些成效。

　　这些研究中很少有人针对汽车散热器采用遗传算法进行优化，而且对于其他类型的换热器大多数采用了基本遗传算法，对算法本身也没有作出相关的改进。笔者针对换热器优化过程的特点，对基本遗传算法进行一定的改进，据此来指导汽车散热器的结构优化，并通过计算实例对其适用性进行验证。

　　唐爱坤等：基于改进遗传算法的汽车散热器优化设计1优化模型的建立11优化目标针对汽车散热器的工作特点以及目前铜、铝等材料价格上涨幅度较高的情况，考虑生产厂家降低成本的要求，在保证散热量和阻力要求的前提下，选取散热器的总换热面积小作为优化目标，目标函数可表示为12优化变量在散热器设计时，扁管横截面长L1、横截面宽W 1波纹带的波高、波距w等尺寸（如所示）是影响总换热面积的主要因素，考虑到散热器在汽车上的安装尺寸限制，将散热器芯体的总宽W与上述4个参数一起作为优化设计的决策变量，即Amm（X）13约束条件决策变量不可能任意变化，根据生产实际和加工工艺，它们应当有各自的限定值，笔者所采用模型的约束条件可描述如下：fAP　　在不断分析群体进化过程的基础上，结合散热器设计过程中决策变量和其他变量之间的关系，笔者对基本遗传算法中种群初始化的方法以及基本算子等作了相应的改进。

　　22初始化群体风阻是各决策变量的应变量，当它的值过小时，大部分的初始个体会因为不满足风阻要求而被惩罚函数淘汰，这样就会导致初始群体过少，从而失去了种群的多样性，遗传算法的收敛性也得不到保证。基于这种情况，笔者提出一种多次积累的初始化群体方法，即将经典的初始化方法放入循环体内，将产生的个体中满足风阻要求的个体保存起来，若个体的总数量未达到群体总数，继续第二次初始化，并继续保存满足条件的个体，这样不断累积，直到数量足够为止。

　　23遗传操作遗传算子有不同的操作方法，同样的遗传代码应用在不同领域里，往往有的能得到很好的计算结果，而有的根本不收敛。因此，选取合理的遗传算子并加以改进是实现优化的重要保证。

　　231选择算子为合理选取选择算子，笔者对比了两个经典的选择算子：轮盘赌法和联赛法。为相同运行参数下（无风阻约束限制时），分别采用轮盘赌法和联赛法时，每一代佳个体的的值以及结果收敛性情况。

　　从图中可以看出，在无风阻约束限制的情况下，若使用轮盘赌法，在第40代以后结果就开始收敛于的值，而联赛法则不断地向优解收敛，因此轮盘赌法较早地失去了种群的多样性，导致过早地出现随机漫游的现象，而联赛法则始终保持了种群的多样性，没有出现早熟的现象。但如果加上风阻约束，由于使用惩罚函数，会导致大量不满足风阻的个体的适应度为0若选用联赛法，这些个体具有同等的概率会被选择遗传到下一代，而轮盘赌法的下一代中不会出现适应度为0的个体。因此，笔者综合这两方面的因素，通过对优化过程中被惩罚函数惩罚的个体占总群体的比例，来动态地判断选择轮盘赌法还是联赛法：当被惩罚的个体基因数目超过总群体10时，程序会选择轮盘赌法，反之，则选择联赛法以提高结果的收敛精度，这种动态的选择可大大地提高选择算子的效果，增强算法的适用性。

　　5变异率a9联赛法212交叉算子遗传算法的编码方式采用的是浮点数编码，故交叉算子采用了算术交叉。设在两个个体之间进行算术交叉，则交叉运算后所产生出的两个新个体为由进化代数所决定的变量，这里a取03213变异算子遗传算法的运行参数中，初始变异率选择为0 9为了把相对较优秀的个体尽可能保存下来，不希望在变异中被破坏掉，笔者将群体中的个体根据适应度的大小分成两部分，这两部分有着不同的变异率，它们各自的变异率与运行参数Pm的关系如下：应度，favg为各代的平均适应度；fitneSSmax为当前代中的大适应度。

　　234精英函数精英函数可以扩大遗传算法运行参数的设置范锾能让算法更好地收敛于优解。它将当代中优秀的个体（即适应度大的个体）进行保存用于替换下代中适应度差的个体，或是直接遗传到下一代，这样有效的保证了优秀的个体基因不会在交叉或变异操作中被破坏，可使交叉率与变异率的设置范围扩大，从而便于遗传算法更好的搜索到全局优觯24运行参数由于采用了精英保存策略，把每一代的优个体进行了保存，并且对变异操作也作了改进，所以不必担心变异率太高而失去优解。经分析对比，遗传算法的运行参数确定为：群体大小M为200交叉概率p.为06变异概率Pm为09终止代数T取300 3空气侧传热和阻力预测模型目前，对于百叶窗翅片的传热和阻力计算，国内外广泛米用的是DavenportCJ5以及ChangYujuei等人提出的关联式，但对于国内厂家，由于散热器的结构形式、生产工艺及材料的不同，采用上述两个关联式的计算值与试验值对比偏差较大。笔者根据扬州通顺散热器厂提供的试验数据，采用多重非线性回归分析的方法，拟合出散热器空气侧jf因子计算模型，来预测散热器的传热和流动阻力特性，并对模型的可靠性进行了验证，模型形式如下：唐爱坤等：基于改进遗传算法的汽车散热器优化设计数，F，为翅片的宽度；Lp为百叶窗的缝间距。

　　4优化实例优化模型建立后，利用C语言的集成开发环境MicrosoftVisualStudio 2005编制了相应的优化设计软件。为验证优化模型和改进遗传算法的正确性，选取扬州通顺散热器厂的水管排数为3的某款散热器原型，在相同的工况条件下进行优化。

　　散热器设计工况：散热量Q度tu =265°C，进水温度k =86°C，水质量流量Gw空气质量流量Ga=069kg/s在保持原散热器的管排数及水管与波纹带排列方式不变的基础上，用遗传算法对该散热器进行结构参数的优化，决策变量的约束条件如所示。

　　优化前后散热器的结构尺寸对比如表1所示，原散热器的总面积为1866m2，经改进遗传算法优化后的散热器总面积为12 84m2，相比之下，总换热面积减少了312，优化效果比较明显。原散热器在该工况下的出风温度ta2= 7470°C，出水温度=8078°，风阻妒=549优化后的新散热器的预测出风温度ta2 =8075°C，风阻AP=52Pa可见优化后的散热器完全能够满足散热要求，而且空气侧的流动阻力也在限定范围之内。

　　约束条件设定对话框散热器波距w/波高HH/通道数N水管截面长与宽散热器芯体尺寸mm总换热面积am2原模型优化后模型5结论通过对基本遗传算法的种群初始化方法以及选择算子、变异算子等的改进，以总换热面积小作为优化目标函数，对汽车散热器芯体的结构参数进行了优化设计。优化实例表明，改进的遗传算法用于汽车散热器的结构优化，收敛性好、计算速度快、优化效果明显，对于指导生产厂家进行换热器的结构设计以及其他领域的优化工作具有一定的价值。