汽车外流场代理模型与风洞数字化

背景

汽车风阻系数（Cd）是影响高速能耗的关键参数，每降低 0.01 Cd 可节省约 0.5 L/100km 油耗。传统风洞实验成本高昂，CFD 单次 LES 仿真耗时数小时，代理模型成为汽车气动工程师的热门工具。

技术方案

数据来源：

• DrivAerML 数据集（德国亚琛工业大学，31 TB，含 DrivAer 车型多种变体）
• HiLiftAeroML（NASA / SAInternational，66.9 TB，含真实车型 LES 数据）

代理模型：

• Graph Neural Network（GNN）：处理非结构化表面网格
• FNO：处理场数据映射
• CNN + Attention：处理体网格场数据

关键结果

• GNN-based 代理模型在 DrivAer 数据集上 Cd 预测误差 < 3%
• FNO 在场重建任务（压力分布预测）上均方误差降低 40% vs. 传统 POD

适用场景

• 概念设计阶段快速评估（替代部分风洞实验）
• 气动套件（扰流板、底护板）参数优化
• 高速稳定性分析（侧向力、升力系数预测）

资源

• DrivAerML（需申请access，学术用途免费）
• HiLiftAeroML（需与 NASA/SAI 签署使用协议）