一种汽车空气动力学性能智能预测方法与流程

技术特征：
1.一种汽车空气动力学性能智能预测方法，其特征在于包括以下步骤：s1、获取车辆的外形结构参数化数据、流场仿真数据、流场试验数据；s2、根据步骤s1中获取的数据，搭建数据系统；s3、采用集成卡尔曼滤波方法对数据库中数据进行滤波去噪，提取与气动性能强相关的特征数据，并进行数据分析及融合；s4、利用非线性拟合或人工神经网络方法，建立空气动力学性能目标函数与车辆结构参数、流场压力、流场速度各变量之间的函数关系，实现空气动力学性能参数智能预测；s5、对预测结果和实测结果之间的差异采用均方根误差进行分析，根据分析结果对汽车空气动力学预测模型标定和优化，从而更新汽车空气动力学预测函数，实现汽车空气动力学性能预测。2.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s1中通过自动识别算法获取车辆外形结构参数化数据，数字风洞方法获取车辆流场仿真数据，气动声学风洞方法获取车辆流场试验数据。3.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s1中外形结构参数包括汽车各部件角度数据、高度数据及部件之间角度数据、距离数据。4.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s2中数据库系统通过风洞试验、道路试验、cfd仿真获取的车辆空气动力学性能参数；车辆空气动力学性能参数包括气动力、汽车周围的风速、压力分布。5.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s3中数据融合采用高斯回归的方法，对仿真及试验获得的数据进行融合。6.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s4中函数关系公式如下：cd＝k*f(x
n
,p
n
,v
n
),其中，c
d
为风阻系数；xn＝(x1,x2,...x
n
)为汽车造型几何结构化参数；p＝(p1,p2,...p
n
)为流场内压力；v＝(v1,v2,...v
n
)为流场内速度。7.根据权利要求1所述的一种汽车空气动力学性能智能预测方法，其特征在于，步骤s4空气动力学性能参数智能预测过程中，采用自适应空间变换对已知参数进行标度。

技术总结
本发明提供了一种汽车空气动力学性能智能预测方法，包括：获取车辆外形结构参数化数据，流场仿真数据、流场试验数据，并搭建数据系统；对数据库中数据进行滤波去噪，提取与气动性能强相关的特征数据，并进行数据分析及融合；实现空气动力学性能参数智能预测；更新汽车空气动力学预测函数，实现汽车空气动力学性能预测。通过搭建汽车研发领域空气动力学数字化开发应用场景，在降低开发成本、提升开发效率和质量等方面具有广泛的行业应用价值。该技术展示了全开发流程中，运用机器学习和数字化的手段，可以为汽车企业提供高效、低成本及高质量的数字化解决方案，具有一定的行业示范效应。应。应。


技术研发人员：刘学龙 袁海东 秦青 许翔 王丹 张扬 陈向阳 牟连嵩 王海洋 张艺伦
受保护的技术使用者：中国汽车技术研究中心有限公司
技术研发日：2022.02.17
技术公布日：2022/5/31