汽车空气动力学到底在研究什么

01一个系数背后的复杂性

谈阻力时最常出现的公式是：

其中 $F_D$ 是气动阻力，$\rho$ 是空气密度，$V$ 是车辆相对于来流的速度，$C_D$ 是阻力系数，$A$ 是定义阻力系数时采用的参考面积——对于乘用车通常取车辆正投影面积。这个公式没有问题。

真正的问题是：

为什么这个 $C_D$ 是这个数？

首先，$C_D$ 并不是一个脱离工况、永远固定不变的车型常数。

$C_D$ 是在特定的参考面积、车速、空气状态、偏航角、离地高度、车轮状态、地面边界条件以及试验或计算方法下得到的无量纲气动系数。

从连续介质力学的角度看，车辆表面的气动力来自压力和黏性应力。用总应力张量表示，可以写成：

其中 $\boldsymbol{\sigma} = -p\mathbf{I} + \boldsymbol{\tau}$ 是总应力张量，$p$ 是静压，$\boldsymbol{\tau}$ 是黏性应力张量，$\mathbf{n}$ 是车身表面的单位法向量。因此：

阻力只是这个表面积分在相应方向上的分量。^[1]

从阻力来源来看，还可以进一步理解为：

也就是压力阻力和黏性应力所贡献的阻力。对于典型道路车辆，压力阻力通常占据重要甚至主导地位，但具体比例取决于车型、几何、工况以及阻力分解方法。Ahmed body 的经典研究就是一个很典型的例子：在其特定的基本钝体模型和试验条件下，约 85% 的 body drag 来自压力阻力，而且其中大部分产生于车身后部。^[4]这个数字属于那个模型，它不是一个可以直接套用到所有汽车上的「85% 定律」。

因此，一辆车的 $C_D = 0.25$ 本身并不能告诉我们：哪些区域形成了主要压力阻力；哪些位置发生了流动分离；尾流中的低压区有多大；车轮和车底贡献了多少阻力；不同流动结构之间如何相互作用。这些问题才是空气动力学开发和研究真正需要解决的部分。

中国汽车工程学会的 T/CSAE 111-2019《乘用车空气动力学性能术语》专门对乘用车空气动力学相关术语和定义进行规范。这个标准本身并不提供某个具体车型的气动结论，但它反映出工程上的空气动力学本来就是一个比单一阻力系数更大的技术体系。^[9]

02整车首先是一个钝体外流问题

第一次接触汽车空气动力学时，很容易想到飞机。飞机的机翼经常被用来解释升力，因此人们很容易形成一个直觉：「空气动力学，就是让空气尽可能平顺地绕过物体。」但对于整车外流场而言，这个理解并不准确。

汽车整体上属于典型的钝体外流问题（bluff-body flow），它不是一个理想化的翼型。车头、挡风玻璃、A 柱、车顶、后窗、车尾、车底、轮胎和轮罩之间存在大量几何变化。空气绕过这些区域时，近壁流动不断受到压力梯度、曲率、车身运动以及周围三维流动结构的影响。

由于无滑移条件，紧贴固体表面的流体速度接近于零；随着距离壁面增加，速度逐渐向外部流动恢复。如果流动遇到不利压力梯度，近壁区域动量不足的流体可能无法继续沿壁面运动，最终发生分离。这就是流动分离。

分离以后，问题就不再只是「空气有没有绕过去」。分离剪切层会继续发展、卷起并产生非定常运动，与车身后方的尾流相互作用。尾流中的压力分布又会反过来影响车身表面的压力载荷。这也是钝体空气动力学与经典翼型问题之间很重要的区别。

当然，这并不意味着汽车上不存在翼型性质的局部结构。尾翼、前唇、扩散器、轮辋以及一些局部气动件都可以表现出明显的翼型、扩压或射流特征。只是从整车外流场来看，分离、尾流和压力恢复通常是更核心的问题。

钝体阻力的机理性研究，Sovran、Morel 和 Mason 编辑的 1978 年论文集是经典参考。^[2]Morel 随后针对具有倾斜后表面的车辆形钝体进行了系统试验，研究了后部斜角、离地高度、Reynolds 数、自由来流湍流以及后缘圆角等因素。^[3]这些研究的重要意义在于说明：

车辆的阻力并不是只由迎风面积或者车头形状决定的。后部几何可以显著改变分离流和尾流状态，从而改变整车阻力。

03车尾为什么如此重要

如果只从直觉出发，车头似乎应该是阻力最大的地方。空气首先在那里遇到汽车。但对于钝体车辆而言，真正决定阻力的重要因素之一，恰恰发生在车身后部。原因并不是简单的「空气撞在车头上」。

车头会形成高压区，但最终的净压力阻力取决于整个车身表面的压力分布，而车尾的压力恢复情况尤其重要。如果车身后部发生分离，尾流区域通常具有较低的平均静压。车尾低压区会降低后部的压力恢复，使车身前后表面形成较大的净压力差，从而贡献重要的压力阻力。

Morel 在 1978 年对车辆形钝体进行了系统研究，改变了后部斜面的角度，并考察了离地高度、Reynolds 数、自由来流湍流和后缘圆角等因素。^[3]试验显示，在某些后背斜角附近，阻力会出现明显的临界变化。这并不是一个「固定角度一定最好」的结论。相反，它说明：

车尾几何会显著影响分离位置、剪切层结构和尾流状态，而这种影响还会受到其他流动条件的共同作用。

也就是说，车尾并不是孤立地决定尾流，但它可以成为改变尾流状态的重要控制因素。

这件事情后来在 Ahmed body 的研究中得到了更加清楚的展示。Ahmed、Ramm 和 Faltin 对简化车辆模型进行了系统的压力、尾流和气动力测量，改变模型后部斜面的角度，并观察不同尾流状态下的气动力变化。^[4]在他们研究的基本车辆钝体及其试验条件下，约 85% 的 body drag 来自压力阻力，而且其中大部分产生于车辆后部。这个结果最值得注意的地方，不是「85%」这个数字，而是它背后的物理过程。

车尾流动发生分离以后，分离剪切层和尾流结构共同形成车后的低压区域。后部压力恢复受到影响，最终改变整个车身表面的压力分布。所以研究车辆阻力时，工程师不会只问 $C_D$ 是多少，他们还会问：

• 分离发生在哪里？
• 尾流有多大？
• 尾流中的低压区域如何形成？
• 哪些涡结构与阻力相关？
• 车尾压力如何恢复？
• 改变几何以后，流动状态发生了什么变化？

数字是结果，流动才是原因。

04Ahmed body 与 DrivAer

真实汽车非常复杂。车轮、轮罩、底盘、悬架、后视镜、冷却开口、底部结构以及各种局部几何细节同时存在。如果所有变量一起变化，很难判断某一个流动现象究竟由什么造成。所以汽车空气动力学长期依赖简化模型。

Ahmed body。

Ahmed body 是其中最著名的研究模型之一。它不是一辆真实汽车，而是一个高度简化的车辆钝体模型。通过改变后部斜面角度，可以比较不同分离状态、尾流结构和阻力之间的关系。Ahmed、Ramm 和 Faltin 的经典试验说明，随着后背斜角变化，车辆尾流可以发生明显的状态改变，并对应不同的阻力水平。^[4]

这类模型的重要性在于：

几何被简化了，但研究问题没有因此失去物理意义。

研究人员可以把注意力集中在后部几何、分离和尾流之间的关系上。后来，Lienhart 和 Becker 使用激光多普勒测速（LDA）、热线测速（HWA）以及静压测量，对简化车辆模型后方的流动和湍流结构进行了更加详细的试验。^[5]这类试验数据的一个重要用途，就是为数值模拟和湍流模型研究提供边界条件清楚、可以重复比较的参考数据。

这也是为什么 Ahmed body 到今天仍然经常出现在 CFD 研究中。它不是因为「像一辆车」，而是因为它把一个复杂的工程问题，变成了一个：

可以重复、可以测量、可以比较的问题。

DrivAer。

但研究不能永远停留在高度简化的模型。真实车辆需要更加复杂的几何，因此出现了 DrivAer。DrivAer 是一个面向汽车空气动力学研究的开放研究用通用车辆几何模型。与 Ahmed body 相比，它保留了更多真实车辆的几何特征，因此更适合用于 CFD、风洞试验以及不同研究团队之间的比较。需要注意的是：

DrivAer 是 generic research model，而不是某一辆真实量产车的开放 CAD。

2018 年的 DrivAer 研究对 25% 缩比模型进行了 CFD 和风洞试验，并比较了阻力、升力以及周围流场。研究还讨论了风洞试验段几何对 CFD 与试验相关性的影响。^[7]

这背后其实是一个非常重要的工程问题：

你计算的到底是哪一个物理系统？

如果试验是在一个有壁面、有支撑、有特定试验段尺寸的风洞里进行，而 CFD 却计算一个完全不同的自由空间，那么两个 $C_D$ 即使都叫「车辆阻力系数」，它们对应的边界条件也并不完全相同。

所以汽车空气动力学中的相关性，从来不只是：

做一个减法。首先需要问：

两个结果是不是在描述足够可比的物理问题？

这条路线并不是某一个项目的固定流程。但它反复出现在汽车空气动力学研究中：

先把问题简化，再逐步把真实世界加回来。

05地面、车轮与六分量气动载荷

汽车和飞机还有一个很重要的区别：

汽车长期在接近地面的条件下运行。

真实道路中的地面相对于车辆是运动的。因此，车底流动并不是一个可以简单忽略的区域。车辆底部的流动受到很多因素影响：离地高度；地面边界条件；车轮旋转；轮胎和轮罩；底盘结构；悬架部件；底部护板；扩散器；车身姿态。如果风洞试验中的地面条件、车轮状态与真实车辆运行状态存在明显差异，车底流动以及由此产生的气动力也可能发生变化。

所以汽车空气动力学风洞会特别关注：移动地板；车轮旋转；模型离地高度；轮胎和轮罩处理；模型支撑；风洞堵塞效应；试验段边界条件。这不是为了让风洞看起来「更高级」，而是因为这些边界条件本身就是车辆外流场的一部分。

六分量气动载荷。

如果只讨论空气动力载荷，车辆表面的压力和黏性应力可以通过面积分得到一个合力，以及一个相对于指定参考点的合力矩。可以表示为：

也就是三个力分量和三个力矩分量。这里首先需要明确坐标系。以下采用车辆固定坐标系：x 轴沿车辆纵向指向车头；y 轴沿车辆横向；z 轴沿车辆垂向。在这个约定下：

这里有一个非常容易犯的错误。$M_x$、$M_y$、$M_z$ 中的下标表示的是：

绕哪个轴旋转。

因此：

而不是把 $M_x$ 和 $F_x$、$M_y$ 和 $F_y$、$M_z$ 和 $F_z$ 简单配成三组。

力矩还需要一个参考点。

力矩与力不同，力矩必须相对于某个参考点定义：

其中 O 是参考点，r_O 是从参考点指向表面载荷作用位置的矢量。这意味着：

同一个车辆流场，如果参考点不同，M_x、M_y、M_z 的数值也可能不同。

因此，在比较 CFD、风洞和车辆动力学结果时，不能只看「力矩是多少」，还必须确认坐标系、正负号约定、力矩参考点、力矩系数的参考长度以及参考面积。

车轴系与风轴系也不是一回事。

还需要特别注意一个容易被忽略的问题：当车辆存在偏航角时，车辆纵向轴与相对来流方向并不重合。因此，$F_x$ 如果定义在车辆坐标系中，是车辆纵向力分量；而 $F_D$ 则是沿相对来流方向定义的阻力。两者在零偏航角情况下可以重合，但在存在偏航角时不能无条件画等号。这也是为什么汽车空气动力学中需要明确区分 vehicle/body axes 和 wind-relative axes。对于侧风、偏航角以及道路工况的讨论，这个区别尤其重要。

因此，一辆汽车的空气动力学性能很难由一个 $C_D$ 完整描述。阻力只是多个气动载荷分量中的一个。例如 $F_z$ 会改变轮胎垂向载荷；$F_y$ 会影响车辆横向运动；$M_x$ 会影响车身侧倾以及左右轮载荷分配；$M_y$ 会影响前后轴载荷分配和俯仰姿态；$M_z$ 会直接影响车辆横摆响应。这些载荷最终会进入车辆动力学系统。

所以从这里开始，空气动力学已经不再只是一个「风阻问题」。它成为整车动力学的一部分。

06侧风不是一个小修正

没有侧风的时候，可以把问题近似为：

车辆 + 正向来流。

存在侧风以后，车辆相对于来流会产生偏航角。可以用：

表示相对来流的偏航角，其中 $V_x$ 和 $V_y$ 分别表示相对于车辆的纵向和横向来流速度分量。随着偏航角变化，车辆的 $C_D$、$C_Y$、$C_L$ 以及 $C_l$、$C_m$、$C_n$ 都会发生变化。这里首先要区分两个不同的问题。

固定偏航角：空气动力学问题。

在风洞中，可以固定车辆姿态，通过改变来流方向研究偏航角到气动载荷的映射——也就是研究气动力和气动力矩如何随偏航角变化。这是典型的偏航空气动力学问题。

车辆发生运动：气动—车辆动力学耦合。

如果进一步考虑车辆在侧风作用下发生横摆、侧移、侧倾以及车身姿态变化，那么车辆姿态本身就会改变相对来流。于是问题变成：

流场 → 气动力 → 车辆运动 → 相对来流 → 流场

这才是更完整的气动—车辆动力学耦合。两者不能混为一谈。前者主要回答：

不同偏航角下，车辆产生什么气动力？

后者进一步回答：

这些气动力会怎样改变车辆运动，而车辆运动又如何反过来改变气动力？

Bayraktar、Landman 和 Baysal 对 Ahmed body 进行了试验和计算研究，考察了后背角以及偏航角对气动力的影响。^[6]这类结果非常适合用来理解偏航条件下钝体流动的基本规律。但它仍然是简化模型，不能直接拿来预测某一辆量产车在真实道路侧风中的横摆响应。工程上真正需要做的是，把气动力模型与车辆动力学模型连接起来，再通过适当的试验建立可信度。

因此，侧风相关的气动载荷不能简单理解为：

这样一个固定组合。在车辆侧风响应中，侧向力、滚转力矩和横摆力矩通常尤其重要，但实际车辆响应还受到车辆质心位置、前后轴载荷、轮胎侧偏刚度、横摆惯量、车速、风速和风向、偏航角、悬架特性、车身滚转以及轮胎与路面条件等因素的共同影响。

所以更准确的说法是：

侧风改变的是整个气动载荷状态，而车辆动力学决定这些载荷最终会产生怎样的运动响应。

07CFD、风洞与验证

CFD 并不是「把汽车放进电脑，然后电脑告诉你风阻是多少」。它解决的是一个更加具体的问题：在给定的几何、计算域、边界条件、物性以及数学模型下，求解流体运动方程，并得到压力、速度、湍流量、壁面剪切等流场信息，然后再从这些结果中计算整车气动力。一个典型的外流场计算可以抽象成：

有了 CFD，不等于有了正确答案。

计算结果会受到很多因素影响：几何是否准确；网格是否足够；边界条件是否合理；地面和车轮如何处理；湍流模型是否适用于当前问题；数值格式如何设置；收敛标准是否合理；稳态还是非定常求解；时间步长是否足够；采样时间是否足够；风洞边界还是自由来流条件；模型支撑和堵塞如何处理。

中国汽车工程学会发布的 T/CSAE 112-2019《乘用车空气动力学仿真技术规范》，就是用于规范和指导乘用车空气动力学数值仿真以及行业技术交流的标准。它规定的是工程仿真的技术框架，并不是对某个 CFD 结果正确与否的自动认证。^[10]

一个漂亮的速度云图不能证明计算是正确的。真正重要的问题是：

这个计算有没有被正确求解？

以及：

这个物理模型有没有得到试验数据的支持？

这两个问题并不是同一个问题。

Verification、Validation 与 Correlation。

这三个概念最好分开。

Verification。

数值方法有没有正确求解所定义的数学问题？例如：网格收敛、时间步长敏感性、离散误差、迭代收敛以及数值实现。

Validation。

这个物理模型是否能够在可接受范围内描述真实物理现象？这需要试验数据、可比的边界条件以及对不确定度的考虑。

Correlation。

汽车工程中经常讨论 CFD–WT correlation，它更多是在工程开发语境下描述 CFD 与风洞结果之间的对应程度。因此：

Correlation 不能简单等同于 Validation。

同样：

CFD 与风洞存在差异，也不意味着其中一个结果必然是「错的」。

CFD 和风洞不是替代关系。

CFD 可以直接观察计算域中的三维流场，并适合进行大量设计方案的比较；风洞则可以在受控条件下测量真实模型上的压力、力和力矩，以及其他流场信息；道路试验则提供更接近真实运行环境的车辆级数据，但同时也带来更多环境扰动和边界条件变化。所以更准确的关系不是：

CFD → Wind Tunnel → Road

像一条固定的流水线，而是更接近：

CFD ↔ Wind Tunnel ↔ Road Test

不同工具承担不同层次的问题。假设 CFD 得到：

而风洞得到：

差值是：

但这个数字本身并不能直接告诉我们「CFD 差了 0.007」。工程师首先要问的是：

两个结果是不是在描述同一个物理问题？

差异可能来自网格、湍流模型、数值方法、几何细节、轮胎与轮速、移动地板、风洞支撑、堵塞效应、来流湍流度、模型姿态、数据采样、测量系统以及边界条件。甚至可能只是参考面积、坐标系或者数据处理方式没有保持一致。

不确定度也必须进入讨论。

更进一步，工程相关性不能只看两个 $C_D$ 数字之间的差值，还需要考虑风洞测量不确定度、测力天平重复性、几何制造误差、模型安装误差、偏航角误差、堵塞修正、支撑干扰、CFD 网格敏感性、数值不确定度以及湍流模型不确定度。因此，一个 $\Delta C_D$ 到底是不是「显著差异」，取决于这些不确定度的量级。

这也是为什么真正的工程 correlation 并不是简单地追求：

而是要先建立：

comparable physics + comparable boundary conditions + validated methods

最后才讨论两个数字之间的差异。DrivAer 的公开研究就是一个很具体的例子：当 CFD 设置中考虑风洞试验段几何后，计算与试验之间可以获得更好的相关性。^[7]这说明：

相关性问题首先是物理系统的问题，然后才是数字的问题。

08从低风阻到整车流动系统

空气阻力最终还是会回到一个非常现实的问题：

它消耗多少能量？

空气阻力为：

如果只考虑空气阻力，那么车辆克服空气阻力所对应的功率需求为：

这里的 $V^3$ 很重要。在其他条件近似不变时，气动阻力对应的功率需求会随着车速的三次方增长。这意味着随着巡航速度提高，空气动力学在车辆总功率需求中的占比通常会越来越重要。但需要明确：$P_D$ 只是空气阻力对应的功率需求，它不是车辆的总驱动功率。真实车辆还需要克服滚动阻力、传动系统损失、附件功率、坡度、加速需求以及动力系统效率变化。因此不能简单地说「车辆能耗与 $V^3$ 成正比」，更准确的说法是：

空气阻力对应的功率需求，在其他条件不变时与 $V^3$ 成正比。

这也是为什么高速巡航条件下，$C_D$ 和车辆正投影面积 $A$ 对能耗越来越重要。于是，工程设计开始关注封闭式前脸、空气帘、车轮和轮毂、底部护板、扩散器、主动进气格栅、主动扰流装置以及车身局部压力恢复。

但空气动力学开发并不是简单地把 $C_D$ 一路往下压。因为车辆还有其他要求：冷却、制动、轮胎、操稳、风噪、NVH、制造、成本、造型、法规。如果一个设计把 $C_D$ 降低了，却导致冷却流量不足、制动温度升高或者车辆横摆特性恶化，它就不能被简单地称为「更好的空气动力学设计」。工程开发面对的其实是一个约束系统，空气动力学只是其中的一部分。

可以把这个过程简单地写成：

所以，$C_D$ 并不是空气动力学的终点，它只是从整个流动系统中提取出来的一个工程指标。

数据正在进入这个过程。

汽车空气动力学研究最近又出现了一个很实际的变化：公开数据开始变多。过去很多研究依赖单个模型、单个风洞或者单个 CFD 项目；现在，研究人员开始把车辆几何、CFD 结果以及数据集放在一起。DrivAerML 就是一个例子。

Ashton 等人在 2024 年公开了 DrivAerML 数据集。数据集基于 DrivAer notchback 模型生成了 500 个参数化车辆几何变体，并采用论文所称的 high-fidelity、scale-resolving CFD workflow 生成对应的外流场数据。^[8]它的目的，是为道路车辆空气动力学中的机器学习研究提供公开的数据基础。

这件事情的意义并不在于「AI 要取代 CFD」——目前没有这样的证据。更准确的说法是：

数据开始成为空气动力学研究链的一部分。

机器学习可以用于代理模型、快速预测、设计空间搜索、参数优化、早期方案筛选以及降低部分重复计算成本。但训练数据本身仍然需要物理定义，而用于工程预测的 CFD 方法，也仍然需要通过适当的 verification、validation 和试验相关性研究建立可信度。

所以可以把一个典型的研究关系理解成：

Physics → CFD → Experiment → Data → ML

但这不是唯一的工程链条。实际研究中，它更可能是一个循环：

Physics ↔ CFD ↔ Experiment ↔ Data ↔ ML

机器学习可以帮助加速其中一些环节，但它不会自动消除物理模型、边界条件和试验验证。

AI 可以改变研究工具，但不会让物理规律消失。