(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111280119.5 (22)申请日 2021.10.28 (71)申请人 北京建筑大学 地址 100044 北京市西城区展览馆路1号 (72)发明人 李杰　陶龙　陈颖　顾佳玲　 高紫钰　周一健　 (74)专利代理 机构 北京理工大 学专利中心 11120 代理人 杨常建 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) F16D 65/12(2006.01) F16D 65/847(2006.01)G06F 119/08(2020.01) F16D 65/78(2006.01) (54)发明名称 一种通风式制动盘的分段式倾斜槽叶片特 征参数优化方法 (57)摘要 本发明公开了一种通风式制动盘的分段式 倾斜槽叶片特征参数优化方法， 该优化方法包 括： 步骤一， 建立制动盘的分段式倾斜槽叶片模 型； 确定分段式倾斜槽叶片所需优化的结构特征 参数； 确定优化目标及约束条件； 步骤二， 采用分 段式倾斜槽叶片模型进行数值仿真， 基于最优拉 丁超立方方法进行数据采样， 拟合响应面代理模 型并验证代理模型的准确性； 步骤三， 采用NSGA ‑ II求解两个目标函数得到的Pareto优 化解集； 步 骤四， 通过TOPSIS决策方法得到Pareto优 化解集 中的最优解， 并进行C FD验证。 上述优化方法能够 优化改进制动盘中分段式倾斜槽叶片的特征参 数， 提高制动盘的对流散热性能。 权利要求书2页 说明书8页 附图6页 CN 114218688 A 2022.03.22 CN 114218688 A 1.一种通风式制动盘的分段式倾斜槽叶片特征参数优化方法， 其特征在于， 通风式制 动盘具有两个外摩擦面、 两个相对设置的内表面以及连接于两个所述内表面之 间的多个散 热叶片； 多个所述散热叶片 绕所述制动盘的周向均匀分布； 每个所述散热叶片由中间的倾 斜槽分隔为沿所述制动盘的径向排列的内叶片和外叶片； 所述倾斜槽与所述内叶片的径向 中心线之 间形成开口朝向所述制动盘外部的夹角， 所述倾斜槽用于将处于压力侧的流体引 入到吸力侧以减小回流区域； 该优化方法包括以下步骤： 步骤一， 建立制动盘的分段式倾斜槽 叶片模型； 确定通风式制动盘分段式倾斜槽 叶片 所需优化的结构特征参数， 包括分段式倾斜槽叶片的倾斜槽开口宽度H、 倾斜槽开口倾斜角 度α和叶片个数N； 确定优化目标及约束条件， 两个优化目标为通过内部通道的最大质量流 量m和最大 换热系数h； 步骤二， 采用分段式倾斜槽 叶片模型进行数值仿真， 基于最优拉丁超立方方法进行数 据采样， 拟合响应面代理模型并验证代理模型的准确性； 步骤三， 采用NSGA ‑II求解两个目标函数(m， h)得到的Pareto优化 解集； 步骤四， 通过TOPSIS决策方法得到Pareto优化解集中的最优解， 并将结果进行CFD验 证。 2.如权利要求1所述的优化方法， 其特征在于， 在步骤一中， 设计变量中结构特征参数 的变化范围为： 优化参数倾斜槽开口宽度H的取值分布区间为8m m～13mm； 优化参数倾斜槽开口倾 斜角度α 的取值分布区间为3 0°～60°； 优化参数叶片个数N的取值分布区间为20～40 。 3.如权利要求2所述的优化方法， 其特征在于， 在步骤二中， 响应面代理模型是通过最 小二乘法拟合出目标函数的多 项式， 实现目标函数的显示 化； 目标函数的基本表达式为： 其中， xi为n维自变量x的第i个分量， β0是常数项待定系数， βi是一次项待定系数， βij是 二次项待定系数， 构成列向量β， n 为设计变量的个数， ε为 误差。 4.如权利要求3所述的优化方法， 其特征在于， 为了计算结果的精确性， 采用方差的形 式对拟合方程的精确度进行判定， 其判定的基本表达式为： 其中， N为样本点数量， yi为真实响应值， 为响应面模型计算所得的响应值， 为真实 响应值的平均值。 5.如权利要求 4所述的优化方法， 其特 征在于， 步骤三包括以下 具体步骤： 通过随机方式产生规模为N的初始种群， 对初始种群进行非支配排序后通过选择、 交权　利　要　求　书 1/2 页 2 CN 114218688 A 2叉、 变异三个遗传算法的基本操作得到第一代子代种群； 从第二代开始， 将子代种群和父代种群合并， 通过快速非支配排序， 同时对每个非支配 层中的个体进行拥挤度计算， 根据个体的非支配关系和个体的拥挤度按选择条件选取N个 个体组成新的下一代种群； 再通过选择、 交叉、 变异操作产生 新的子代种群依次循环， 直到满足程序结束的条件。 6.如权利要求5所述的优化方法， 其特 征在于， 步骤四包括以下 具体步骤： 假设有n个评价对象， 每 个评价对象都有m个指标， 则决策矩阵为： X＝(xij)n×m(i＝1， 2，…， n； j＝1， 2， …， m)； 对初始矩阵进行归一 化： 设置加权因子wj， 将上述归一 化矩阵加权为： aij＝wj×bij； 确定正理想解Z+和负理想解Z‑： 计算各评价对象到正、 负理想解的距离： 计算贴近度ri： 权　利　要　求　书 2/2 页 3 CN 114218688 A 3