中国汽研王庆洋：数据+AI驱动的先进汽车空气动力学开发技术

10月30-31日，2024汽车技术与装备发展论坛在苏州召开，政府领导，院士专家，装备、汽车及产业链企业高层齐聚，围绕“共筑汽车产业新质生产力”年度主题，聚焦新技术、新装备、新生态展开深入研讨，探索装备制造与汽车产业的融合发展路径。论坛由1场闭门会、1场开幕大会、2场特色活动和4场分论坛构成，搭建起国内首个聚焦“汽车技术与装备发展”领域的高端对接平台。其中，在2024汽车技术与装备发展论坛之检测认证高质量发展论坛上，中国汽研检测工程事业部风动中心副主任王庆洋发表了演讲。以下内容为现场发言实录：

各位领导、专家，大家下午好！非常荣幸，也很高兴有这么一个机会在台上跟大家分享一下关于汽车空气动力学，或者更聚焦一些是关于汽车风动的在数据和AI我们做的一些尝试和探索，因此在这里主要给大家带来我们几个重点的板块。

首先介绍一下汽车空气动力学或者是汽车风动一些开发的现状，包括我们汽车风动正一在进行的很多数据库的积累工作，以及数据和AI赋能我们智慧开发、智慧设计，最后是带来我们风动虚拟测评专业的软件平台，叫CAERI数字风动。

今天报告主要是以下四个板块，首先我简单介绍一下我们中国汽研风动中心。其实大家可以看一下右手边的这个图，应该说在中国汽车风动目前还是比较稀少的一个重大的科学装备，目前来讲国内能够正式对外进行汽车整个风动测试的只有四座。

第一座在上海同济大学，是2009年落成的，10年之后就是在我们重庆中国汽研，是国内第二座汽车风动。第三座是在天津中汽中心，第四座是在今年的广汽研究院，也是在今年上半年正式落成，所以在汽车风动行业应该说还是一个稀缺的检测测试的资源。

上面那幅图是在重庆我们汽研院的一个风动所在的位置，刚好在我们公司偏西的位置。中国汽研风动中心应该说围绕我们在做低风阻、低风噪，还有优秀热管理性能开发、测试这样一个板块开展对外的一些技术服务。

简单说一下行业的需求，应该说国家的节能减排战略，还有包括电动化，对汽车的能耗发展提出了新的需求，必须重视对于汽车空气动力学设计，增强相应的正向开发能力，来提高我们对于空气动力学性能优质的目标。汽车风动应该说是汽车空气动力学开发一个重要的基础装备，包括像我们协会对于节能路线图的2.0这里也进行了预估，从2025年到2035年，应该说平均每5年对乘用车能量的修耗就会降低大于30%，对于节能减排能耗的需求，包括对于像国际清洁交通委员会ICCT，对于风阻或者是低风阻开发，风阻降低10%，那么二氧化碳排放对应也将减少3%，所以对应对于节能减排的需求，会直接驱动我们对于汽车空气动力学开发一个高度的需求。

应该说值得关注的我们从传统燃油车时代过渡到电动车时代，我们从右边这个图可以看到，燃油车时代风阻只占我们能量消耗的15%，但是当过渡到电动车时代，随着我们发动机的消失，由于燃烧和排放的损耗，这里基本上消失没有了，风阻的占比也会增加到35%。所以从整个行业来讲，我们低风阻的占比，风阻对能耗占比，过渡到电动车时代之后，能量消耗占比将会越来越大。

这幅图也是我们团队总结了一下我们汽车低风阻开发整个行业的现状，我觉得从2010年前后作为一个起点，在2010年之前汽车整体风阻的设计依托于汽车造型的设计，这里对于风阻带来能耗的影响考虑的并不多。在2010年之后，随着我们汽车电动化之后，对于车辆风阻的要求越来越严格，就进入到了我们风阻的局部造型优化，以及很多性能套件开发的阶段。

我们可以看到这里做了一些初步的预估，比如说到2026年之后很多风阻系数小于0.20的车是不断地出现，它的控制手段也从总体优化过渡到我们局部优化，以及对应一些性能套件的设计开发说明。

这里也是给大家稍微列举了几个行业内比较亮眼的车型设计，我们可以看到传统来讲，对于商用车主要还是大于0.5的风阻系数，现在比较值得关注的是中国重汽的黄河X7，这里风阻系数也已经做到0.349，其实基本上是0.35。我们看它所处位置，基本上属于很接近于我们乘用车的状态。再说一下电动的SUV，比如说乐道L60，这也是今年蔚来旗下的一款车型，它已经做到了电动SUV，它也是溜背的一款SUV，它已经做到了0.229的低风阻的状态。

最近像小米SU7它的风阻系数也是做到了0.195，已经小于0.20这样一个状态。最近应该说电动车尤其是电动轿车很多的风阻系数都定到了0.20以下。昨天小米SU7也是发布了它的UItra版本，应该说它对综合的气动性包括抓地力的控制提出了更多的需求。

理想MEGA也是今年特别火的一款车，在MPV这个细分市场领域它的风阻系数肯定是行业最优秀的，是在0.215，很接近很多优秀电动轿车的水平。

能够看到在这样一个电动化大的环境背景需求下，汽车空气动力学开发带来更多的低风阻生产车型已经成为行业热点，也有很多电动车我们看到很多发布会，很多企业的老大们都已经开始来炫风阻系数或者说风噪性能这些汽车开发二级性能指标。

现在汽车空气动力开发面临什么样的问题还是有几个问题特别值得我们关注，首先是我们的新车型的目标开发越来越严峻、严苛，到2023甚至2024年到现在很多电动轿车或者电动SUV风阻系数的开发目标都已经定到了0.20左右，其实已经到了非常难以达到的状态。很多人说风阻系数没有最好、只有更好，到底会不会有无底洞，会不会有更低的风阻系数出现。

我们知道现在国内造车周期非常短，早期可能是两三年，现在很多整车造车周期都控制在18个月，留给我们做空气动力学气动开发周期就更为短暂，往往很多是5个月、6个月甚至小于半年的开发周期。同时像今年由于汽车产业的降本降价带来的一系列变革，应该说企业对于成本管控提升到一定的话题。在这样的对于时间、成本以及目标高难度的几个状态下，对于我们的汽车空气动力学开发有很多的挑战，我这里也列了几点，刚才提到目标难以制定，还有包括我们在开发阶段其实由于很多数据，因为汽车空气动力学随着电动化这五六年才兴起的学科，缺乏很多严谨的数据支撑，还有由于风动资源毕竟还是稀缺资源，很多风动实验费用还是比较昂贵的，而且很多做实验的周期往往一般比较长，做实验要做模型周期就会比较长。

另外我们做汽车空气动力学开发往往还会用很多CFD仿真的策略做CFD仿真，但是CFD仿真往往与风动实验有一定的差距，精度难以保障。在这样的大环境背景下，我们觉得以数据和AI作为我们新的手段和方法来赋能我们传统的空气动力学的开发，来达到高精度、高效率和低成本的空气动力学开发来更低的挑战风阻系数，更短的开发周期，降低对应的成本应该说是一种行之有效的方法。

后面三个板块也是我将对风动这几年做的尝试给大家做些分享，首先是对风动数据积累形成的一些数据库助力我们的产业开发。这里也提出了多元融合风动数据库的概念，应该说我们对于风动或者虚拟仿真往往很多数据源还是比较零散的，这里有一个智慧风动对于实体风动的测试数据，每天都会产生大量的风动测试数据。还有包括我们很多超算平台，我们在做很多仿真计算会有很多虚拟计算的仿真数据。这些目前风动中心也已经基本搭建成型，具备自动上传来收集实验数据和仿真数据，并且来进行入库解析，形成不同的数据类型进行打标签分类用于未来支持我们目标制定、行业数据分析这样一个功能的作用。

在右图可以看到，它现在已经基本具备了功能输出，比如说对于我们行业的优秀的低风阻车型预测还有包括低风噪车型预测都已经达到了风动数据库的目标。

这个数据库包含很多，像车辆信息、气动力的测试数据、气动噪声的测试数据，应该说很多把我们具体的数据具像化，定量来给大家提供更多的数据展示。用于多车型、多工况以及多通道的结果交叉对比分析，来达到车型的目标设定和开发过程中用于数据支撑的目标。

数据库的应用还有一些更为拓展的应用，比如说我们从数据角度来定量行业的发展趋势，来战略性对我们汽车空气动力学开发性能提供参考，来提升我们对应的开发效率。这里也依托我们的数据库制定很多像低风阻、低风噪的一些资源性认证的规程，应该说给行业树立了很多典型的标杆，包括我们依托于行业平台也发布了年度十佳低风阻、低风噪的车型，这样就给消费者选车、用车提供更多的定量以及行业的数据参考。

我想给大家分享的是中间的一幅图，中间的图是来自于我们的数据库有几个维度进行分解，大家能够看到蓝色的圆点是自主品牌的轿车，其实大家记住蓝色的点是自主品牌的车型，橙色的点是合资品牌的车型，绿色的点是进口的高端品牌车型。其实横坐标是我们车辆的参考售价，纵坐标是低风噪认证的评分等级。评分等级越高代表车的风噪性能越好。

我们比较有意思的现象能够看到，自主品牌关系的斜率是比较大的，也就是说这个价格上涨一点点风噪性能提升很大，但是绿色的进口高端品牌斜率是比较小的，价格往往提升很多，我的风噪性能才会提高很多。这就给我们一个信号，对于国产车来讲往往我们国产车做得越来越好，对于成本的投入来讲，其实只要投入成本那么风噪水平就会提升很大，往往国外的进口车一是价格比较高，二是价格区间往往很多时候会把这个价格投资很多才会取得一个比较好的风噪性能的提升。因为大家做很多NVH或者噪声开发的一分钱、一分料、一分NVH性能水平。所以从这个表中能够看到，自主品牌汽车开发能力也越来越强。

第三个板块给大家分享下我们对于数据和AI来驱动我们智慧设计的工作，其实给大家分享两个场景案例，一是风阻系数的智能预测，往往在进行风阻性能的设计的时候，有两种手段，一种是我们做仿真，另外一种是我们来做风动实验，都可以获得风阻系数。我们在考虑能不能有一种我们来用已有的历史数据或者说加上车辆相关的造型类型的设计参数，来建立一些模型来预测风阻系数，我们来得到第三种对于风阻系数的获取方法。在这里通过我们团队的初步实现，这个模型应该说是基本的已经建立了，通过我们的方法来依托于我们风动已有很多大量的风阻系数的量产车，再加上归纳总结与风阻系数强相关的23个宏观设计参数，我们就预测出来或者说得到了我们数据和知识双驱动的风阻系数快速的预测模型。

这样一个通过机器学习方法得到的智能预测模型，我们能够看到右手边其实也是给了误差范围，能够看到横坐标是预测值，纵坐标是风阻系数实验实测值，应该说很好地能够落在正负6%误差带之内。也就是说最大的误差在这里是可以达到基本一定指导我们设计的精度，在6%左右的风阻系数的预测精度。

给大家分享第二个案例，主要是我们对车内热环境的开发，大家知道很多做车辆开发尤其是空调开发，往往有一个自动空调的概念或者自适应空调的概念，也就是说空调的出风角度、风量、风速会随着人体的舒适性会发生变化。这个做自动空调前提条件你要感知人体是否舒适，你要知道人表面的温度。这个温度我们在车辆行驶或者使用过程中我们的驾驶员或者乘客，这个温度往往是很难获得的，我们通过一种来机器学习进行预测的方法不需要用传感器测试，我们就把这个成员或者驾驶员的温度拿到。其实车内成员或者驾驶员周边的温度往往是和外部的温度相关输入是有关系的，像外部的日照、环境温度、空调出风、车速等等都会影响我们成员或者驾驶员温度的感知。

依托于大量的实验道路数据，以及实验的环境风动数据，我们建立起这些外部的量和车内的相关温度的AI智能预测模型，这里我们建立了基于时间序列的申请网络模型。就可以对瞬时的人的头部像右图的预测结果和实验结果进行瞬时比照。也是通过这样的预测模型我们在结合一些相关的智能空调的预测，可以说是很好地把人的热舒适性的感知，像传统的控制方法和智能空调的控制方法进行比较，应该很好地可以降低我们对于控制实现的动态热感受的脉动降低了很多，我们控制热舒适性越来越稳定。同时我们通过更好地预测温度实现智能空调控制，来进一步降低我们空调待机的能耗。

应该说对于数据+AI这样一个结合方式我们是在车外的风阻和车内的温度以及空调设计上，提供了更多的思路。

最后给大家带来一个风动虚拟测评的技术分享，大家知道我们有实体风动，可以直接获得我们的风阻系数，是否有一个跟实体风动高度一致的虚拟检测的平台，我们这里也就推出了中国汽研的数字风动软件，这款软件明天也会有一个线上发布会，我们进行进一步信息的发布。它主要就是依托于实体风动所有物理边界以及流场的边界条件进行百分百的复刻，相当于我们针对于实体风动为大家建立了N个虚拟可以用于测试的风动。他的测试结果经过我们很大量的调校，包括空风动包括带车的调校，它的结果是与实体风动高度一致的。依托于这样一个求解计算的调校过程我们又对应开发了前处理自动网格划分模块以及后处理包括很多数据分析以及出报告的模块，形成了一个完整数字风动的计算平台，为行业来提供更多的虚拟检测、虚拟测评的方法。

在很多实体风动资源是紧缺的行业背景下，我们打造了虚拟风动平台，为企业来提供更好的虚拟检测的方式。包括精度小于3%，这也是与实体风动一个对标获得的结果，大量的提高了我们的自动化的程度以及高效率还有低成本。因为我们数字风动平台本身对超算平台进行了大量优化，同时会降低我们很多计算成本。具体在这里包括先进技术这里不再详细展开了，包括对于很多车型造型的一些智能自动提取的方法，还有包括对于模型参数的自适应设定的方法，以及对于软硬件协同的加速的，对于超算平台的打造，都是位于我们数字风动提供很多很好的先进技术。

最后给大家进行一个总结，中国汽研风动中心应该说是一直在数字化和智能化产品来进行赋能，包括刚才我提到中间的数据库以及智能预测，以及赋能的虚拟测评的数字风动软件的平台，还有我们对应也正在进行中的智慧风动的概念，这里是对于我们相当于智慧实验室，打造一套对于复杂的汽车检测装备的全生命周期智能运维的装备。也在形成全产业链从硬件到软件到平台的智能化和数字化的赋能。

以上是我的报告，谢谢大家！

（注：本文根据现场速记整理，未经演讲嘉宾审阅）