レーシングカーの空力
理論と物理
概要
先生、レーシングカーの空力って市販車とは全然違うんですよね？
根本的に目的が異なる。市販車は空気抵抗（ドラッグ）の低減が主目的だが、レーシングカーはダウンフォース（負の揚力）を最大化しつつドラッグを許容範囲に収めることが目標だ。
F1マシンは時速300kmで約3.5Gのダウンフォースを発生する。車重を大幅に超える押し付け力で、理論上は天井に張り付いて走行できるんだ。
天井を走れるって、すごい力ですね。
このダウンフォースがコーナリング速度を決める。タイヤのグリップ力は垂直荷重に比例するから、ダウンフォースが増えればコーナリング限界が上がるんだ。
支配方程式と空力係数
ダウンフォースとドラッグは無次元係数で表される。
ここで$A$は前面投影面積だ。F1マシンでは$C_L \approx -3.0$--$-5.0$、$C_D \approx 0.7$--$1.2$、$L/D \approx 3$--$5$程度になる。
L/D比がレーシングカーの空力効率の指標なんですね。
そうだ。L/Dが高いほど少ない抗力で大きなダウンフォースが得られる。グラウンドエフェクト（地面効果）を活用するフロア設計がL/D向上の鍵だ。
ダウンフォース生成メカニズム
ダウンフォースの主要な生成源を整理しよう。
| 要素 | ダウンフォース寄与 | 主な原理 |
|---|---|---|
| フロントウイング | 25--30% | 反転翼型によるベルヌーイ効果 |
| リアウイング | 30--35% | 反転翼型+多段フラップ |
| フロア/ディフューザー | 35--45% | グラウンドエフェクト、ベンチュリ効果 |
| その他（バージボード等） | 5--10% | 渦生成による流れ制御 |
フロアが最大の寄与なんですか。
グラウンドエフェクトは地面との狭い隙間で流速が増加し、ベルヌーイの原理で大きな負圧が生じる。ドラッグ増加が小さいためL/Dが非常に高い。2022年以降のF1レギュレーションではグラウンドエフェクトを積極活用する設計になった。
レイノルズ数と流れの特徴
レーシングカー周りの典型的なレイノルズ数は車長ベースで $Re \approx 10^7$ だ。
流れの特徴:
- 前面は鈍頭物体の流れ: よどみ点、大規模剥離
- ウイング: 翼型まわりの流れ（高迎角）
- ホイール: 回転する鈍頭物体からの非定常渦
- ディフューザー: 拡大流路の逆圧力勾配下の流れ
- 後流: 複数の渦構造の干渉
車全体がいろんな空力現象の集合体なんですね。
グラウンドエフェクトカーはなぜ禁止されたか
1970年代後半、F1チームはフロア下面をウイング形状にして強烈なダウンフォースを発生させる「グラウンドエフェクトカー」を開発しました。コーナリングGが5G以上に達し、ドライバーは気絶寸前の状態で走行。1982年にFIAは安全上の理由でフラットボトム規制を導入し禁止しました。この技術が40年後の2022年レギュレーションで「地面効果の段階的復活」として再び認められたとき、空力エンジニアたちは「やっと戻ってきた」と歓声を上げたとか。
各項の物理的意味
- 時間項 $\partial(\rho\phi)/\partial t$：蛇口をひねった瞬間を思い浮かべてください。最初は水がバタバタと不安定に出て、しばらくすると安定した流れになりますよね？ この「変化している最中」を記述するのが時間項です。心臓の拍動で血流が脈打つのも、エンジンのバルブが開閉するたびに流れが変動するのも、すべて非定常現象。では定常解析とは？ 「十分時間が経って流れが落ち着いた後」だけを見る——つまりこの項をゼロにする。計算コストが大幅に下がるため、まず定常で解いてみるのがCFDの基本戦略です。
- 対流項 $\nabla \cdot (\rho \mathbf{u} \phi)$：川に落ち葉を落としたらどうなりますか？ 流れに乗って下流に運ばれますよね。これが「対流」——流体の動きが物を運ぶ効果です。暖房の温風が部屋の端まで届くのも、空気という「運び屋」が熱を対流で輸送しているから。ここが面白いところ——この項は「速度×速度」を含むため非線形です。つまり、流れが速くなるとこの項が急激に強くなり、制御が難しくなる。これが乱流の根本原因です。よくある勘違い：「対流と伝導は同じようなもの」→ 全然違います！ 対流は流れが運ぶ、伝導は分子が伝える。桁違いの効率差があります。
- 拡散項 $\nabla \cdot (\Gamma \nabla \phi)$：コーヒーにミルクを入れて放置したことはありますか？ かき混ぜなくても、しばらく経つと自然に混ざりますよね。あれが分子拡散です。では次の質問——ハチミツとお水、どちらが流しやすいですか？ 当然お水ですよね。ハチミツは粘性（$\mu$）が高いから流れにくい。粘性が大きいと拡散項が強くなり、流体は「もったりした」動きになります。レイノルズ数が小さい流れ（ゆっくり、ドロドロ）では拡散が支配的。逆にRe数が大きい流れでは対流が圧倒し、拡散は脇役になります。
- 圧力項 $-\nabla p$：注射器のピストンを押すと、液体が針先から勢いよく出ますよね？ なぜでしょう？ ピストン側が高圧、針先が低圧——この圧力差が流体を押す力になるからです。ダムの放水も同じ原理。天気図で等圧線がギュッと密になっている場所では？ そう、強風が吹きます。「圧力差があるところに流れが生まれる」——これがナビエ-ストークス方程式の圧力項の物理的意味。ここでの勘違いポイント：CFDの「圧力」は絶対圧ではなくゲージ圧のことが多い。圧縮性解析に切り替えたとたんに結果がおかしくなる場合、絶対圧/ゲージ圧の混同が原因かもしれません。
- ソース項 $S_\phi$：暖められた空気が上に昇る——なぜでしょう？ 周囲より軽く（密度が低く）なったから、浮力で押し上げられるのです。この浮力はソース項として方程式に追加されます。他にも、ガスコンロの炎で化学反応熱が発生する、工場の電磁ポンプで金属溶湯にローレンツ力がかかる…これらはすべて「外部から流体にエネルギーや力を注入する」作用であり、ソース項で表現します。ソース項を忘れるとどうなるか？ 自然対流の解析で浮力を入れ忘れると、流体は一切動かない——冬の部屋で暖房をつけたのに暖かい空気が上に行かない、という物理的にありえない結果になります。
仮定条件と適用限界
- 連続体仮定：クヌッセン数 Kn < 0.01（分子平均自由行程 ≪ 代表長さ）で成立
- ニュートン流体仮定：せん断応力と歪み速度が線形関係（非ニュートン流体では粘度モデルが必要）
- 非圧縮性仮定（Ma < 0.3の場合）：密度を一定として扱う。マッハ数0.3以上では圧縮性効果を考慮
- ブシネスク近似（自然対流）：密度変化を浮力項のみで考慮し、他の項では一定密度を使用
- 適用外ケース：希薄気体（Kn > 0.1）、超音速・極超音速流れ（衝撃波捕捉が必要）、自由表面流れ（VOF/Level Set等が必要）
次元解析と単位系
| 変数 | SI単位 | 注意点・換算メモ |
|---|---|---|
| 速度 $u$ | m/s | 入口条件で体積流量から換算する際、断面積の単位に注意 |
| 圧力 $p$ | Pa | ゲージ圧と絶対圧の区別。圧縮性解析では絶対圧を使用 |
| 密度 $\rho$ | kg/m³ | 空気: 約1.225 kg/m³@20°C、水: 約998 kg/m³@20°C |
| 粘性係数 $\mu$ | Pa·s | 動粘性係数 $\nu = \mu/\rho$ [m²/s] との混同に注意 |
| レイノルズ数 $Re$ | 無次元 | $Re = \rho u L / \mu$。層流/乱流遷移の判定指標 |
| CFL数 | 無次元 | $CFL = u \Delta t / \Delta x$。時間刻みの安定性に直結 |
数値解法と実装
解析手法の選択
レーシングカーのCFDではどんな解析手法が使われますか？
| 手法 | 計算規模 | 用途 | チームの使用状況 |
|---|---|---|---|
| 定常RANS | 5000万--1億セル | 設計探索、パラメトリックスタディ | 全チーム |
| 非定常RANS | 1億--2億セル | 非定常空力特性 | 上位チーム |
| DDES | 2億--5億セル | ウェイク干渉、タイヤ渦 | トップチーム |
| LBM (PowerFLOW/XFlow) | 数億ボクセル | フルカーの非定常解析 | 一部のチーム |
F1チームってどのくらいの計算資源を使ってるんですか？
FIA規則でCFD使用量に制限がある（ATR: Aerodynamic Testing Restrictions）。2024年時点でチャンピオンチームは年間25テラフロップス・時が上限だ。これはおおよそ2000--3000コアのHPCクラスターで1年間フル稼働に相当する。
メッシュ戦略
フルカーのメッシュ生成では以下が重要だ。
- 壁面プリズム層: $y^+ \approx 1$, 20--30層。ウイングとフロアは特に重要
- MRF（Moving Reference Frame）: ホイール回転をモデル化
- 地面境界: 移動壁（moving wall）条件。車速と同じ速度で移動
- リファインメントゾーン: ウイング端、ディフューザー出口、後流域
- 総セル数: RANS 5000万--1億、DDES 2--5億
地面は移動壁にするんですか？
実際の走行では車が前進するのと同じことだが、CFDでは車を固定して地面を流速で移動させる。これを忘れて地面を固定壁にすると、地面境界層が発達してグラウンドエフェクトが正しく再現されないんだ。
乱流モデル
レーシングカーCFDで推奨される乱流モデルは？
SST k-omega が業界標準だ。SA モデルも使われるが、逆圧力勾配下の剥離予測ではSSTが優れている。
ウイングの詳細解析:
- SST k-omega: 定常RANS。ウイング面の圧力分布・剥離位置の予測に良好
- SST k-omega + gamma-Re_theta: 遷移予測が必要な場合（低Re翼型）
- DDES (SST ベース): ウイング後流の非定常渦構造の解析
回転ホイールの扱い
ホイールの回転はどうモデル化するんですか？
3つの手法がある。
レーシングカーCFDで推奨される乱流モデルは？
SST k-omega が業界標準だ。SA モデルも使われるが、逆圧力勾配下の剥離予測ではSSTが優れている。
ウイングの詳細解析:
ホイールの回転はどうモデル化するんですか？
3つの手法がある。
| 手法 | 概要 | 精度 | コスト |
|---|---|---|---|
| MRF (Frozen Rotor) | 回転座標系で定常計算 | 低--中 | 低 |
| Sliding Mesh | 回転領域を物理的に回転 | 高 | 高 |
| Overset Mesh | 回転メッシュをオーバーレイ | 高 | 中--高 |
定常RANSの設計探索フェーズではMRFが一般的だ。タイヤウェイクの非定常渦構造を正確に捉えたい場合はSliding MeshかOverset Meshを使う。STAR-CCM+のRigid Body Motionが使いやすいよ。
タイヤの変形（たわみ）はどう扱うんですか？
タイヤは路面との接地で変形するが、CFDでは多くの場合変形後の形状を固定STLとしてモデル化する。接地パッチの形状はタイヤメーカーのデータまたはFEM解析結果を使うんだ。
DRS（ドラッグリダクションシステム）の逆転発想
F1のDRSは「リアウイングを開いて空気抵抗を減らす」仕組みです。一見単純ですが、これは空力エンジニアの逆転発想の結晶。通常はコーナーのグリップのために大きなウイングが必要ですが、直線では邪魔なだけ。「ならウイングを動かそう」という発想で、2011年に導入されました。CFDでは「DRS開状態」と「DRS閉状態」の両方をシミュレーションし、その差分抗力（約0.1のCdx差）が設計目標になります。開閉の切替時間0.1秒以内という機械設計との連携も興味深いところです。
風上差分（Upwind）
1次風上: 数値拡散が大きいが安定。2次風上: 精度向上するが振動のリスク。高レイノルズ数流れでは必須。
中心差分（Central Differencing）
2次精度だが、Pe数 > 2で数値振動が発生。低レイノルズ数の拡散支配流れに適する。
TVDスキーム（MUSCL、QUICK等）
リミッタ関数により数値振動を抑制しつつ高精度を維持。衝撃波や急勾配の捕捉に有効。
有限体積法 vs 有限要素法
FVM: 保存則を自然に満足。CFDの主流。FEM: 複雑形状・マルチフィジックスに有利。SPH等のメッシュフリー法も発展中。
CFL条件（クーラン数）
陽解法: CFL ≤ 1が安定条件。陰解法: CFL > 1でも安定だが、精度と反復回数に影響。LES: CFL ≈ 1を推奨。物理的意味: 1タイムステップで情報が1セル以上進まないこと。
残差モニタリング
連続の式・運動量・エネルギーの各残差が3〜4桁低下で収束と判断。質量保存の残差は特に重要。
緩和係数
圧力: 0.2〜0.3、速度: 0.5〜0.7が一般的な初期値。発散する場合は緩和係数を下げる。収束後は上げて加速。
非定常計算の内部反復
各タイムステップ内で定常解に収束するまで反復。内部反復数: 5〜20回が目安。残差がタイムステップ間で変動する場合は時間刻みを見直す。
SIMPLE法のたとえ
SIMPLE法は「交互に調整する」手法。まず速度を仮に求め（予測ステップ）、その速度で質量保存が満たされるよう圧力を補正し（補正ステップ）、補正された圧力で速度を修正する——このキャッチボールを繰り返して正解に近づく。2人で棚を水平にする作業に似ている：片方が高さを合わせ、もう片方がバランスを取り、これを交互に繰り返す。
風上差分のたとえ
風上差分は「川の流れに立って上流の情報を重視する」手法。川の中にいる人が下流を見ても水の出所は分からない——上流の情報が下流を決めるという物理を反映した離散化手法。精度は1次だが、流れの方向を正しく捕捉するため安定性が高い。
実践ガイド
解析ワークフロー
レーシングチームのCFDワークフローはどんな感じですか？
F1チームの典型的なワークフローを示そう。
1. 形状変更: CAD（CATIA/NX）でパーツを修正
2. 表面メッシュ: STLエクスポート、表面品質チェック
3. ボリュームメッシュ: 自動メッシュ生成（5000万--1億セル）
4. CFD実行: 定常RANS、500--2000反復（2--4時間）
5. 後処理: $C_L$, $C_D$, バランス（前後配分）の確認
6. 設計判断: ベースラインとの差分$\Delta C_L$, $\Delta C_D$で評価
7. パラメトリックスタディ: 20--50ケース/週のペースで設計探索
週に50ケースって、ものすごいペースですね。
自動化が鍵だ。メッシュ生成からポスト処理までスクリプトで全自動化し、HPC上でバッチ実行する。STAR-CCM+のJavaマクロやFluentのJournalファイルで自動化するんだ。
前後バランスの評価
前後バランスって何ですか？
前軸と後軸のダウンフォース配分のことだ。これがハンドリングを決める最重要パラメータの1つだよ。
典型的なF1マシンでは前後バランスが43--47%程度。ドライバーの好みやサーキット特性に応じて調整する。CFDでは前後バランスの変化$\Delta\%$が0.5%単位で評価されるんだ。
0.5%の精度ってCFDで出せるものなんですか？
絶対値の精度はそこまで高くないが、設計変更による相対的な差分（$\Delta$値）は0.1--0.5%の精度で予測可能だ。レーシングCFDでは「絶対値よりもデルタ」が重要なんだよ。
ウイング設計のポイント
フロントウイングの設計パラメータ:
| パラメータ | 影響 | 典型的な範囲 |
|---|---|---|
| フラップ角度 | ダウンフォース量 | 10--40度 |
| エンドプレート形状 | 翼端渦制御 | 複雑な3D形状 |
| ガーニーフラップ高さ | DF増加/ドラッグ増加 | 翼弦の1--3% |
| 翼間スロット幅 | 境界層制御 | 2--5mm |
| 地上高 | グラウンドエフェクト | 15--30mm |
スロットの幅が2--5mmとか、非常に微細なジオメトリですね。
だからメッシュ解像度が重要なんだ。スロット内に最低5--10セルを配置しないと流れが正しく再現できない。この領域だけで数百万セルを使うこともある。
よくある失敗と対策
| 症状 | 原因 | 対策 |
|---|---|---|
| DF が風洞と合わない | 地面境界条件の誤り | 移動壁＋境界層除去を確認 |
| ホイール後流が不正確 | MRFの限界 | Sliding Meshに変更 |
| ディフューザーDFが過大 | メッシュ不足でフロア下面の剥離を捉えていない | フロア下面の解像度を強化 |
| 前後バランスがずれる | ラジエータの圧力損失未考慮 | 多孔体モデルでラジエータを再現 |
Formula SAEでCFDを覚えた学生が即戦力になる理由
大学生が参加するFormula SAEコンテストは、レーシングカーCFDの「道場」として知られています。学生チームはOpenFOAMを使い、ウイングの最適化から車体周りの流れ場可視化まで一通り経験する。しかも「ミスしても命に関わらない」環境なので、試行錯誤が積極的にできる。企業の採用担当者の間では「SAEのCFD担当者は実務に入っても飲み込みが圧倒的に早い」というのが定評になっています。学習コストが一番安い場所で本番レベルの問題を経験できるのがこのコンテストの価値です。
解析フローのたとえ
CFDの解析フローは「水族館の水槽を設計する」感覚で考えてみてください。まず水槽の形を決め（計算領域）、水の入り口と出口を設計し（境界条件）、ポンプの強さを設定する（流量条件）。魚がどう泳ぐか見たければ粒子追跡。水温が気になれば熱解析を追加。…どうですか？ 意外と直感的ではありませんか？
初心者が陥りやすい落とし穴
「y+って何ですか？」——この質問が出たら要注意。壁面近くのメッシュ解像度を表すy+は、CFDの結果精度を左右する最重要パラメータの1つ。壁関数を使うなら30〜300、壁を完全に解像するなら1以下。これを確認せずに「摩擦抵抗が合わない！」と悩む人がとても多い。体温計の先端をちゃんと脇に挟まないで「熱がないのに37.5度って出た！」と慌てているようなものです。
境界条件の考え方
入口の境界条件は「蛇口をどのくらい開けるか」と同じ。ちょろちょろ出すか（低速）、全開にするか（高速）。でもCFDではもう一つ——「どのくらい暴れた水を出すか」（乱流強度）も指定する必要があります。蛇口の開け方を間違えると、下流のシンク全体の流れが変わりますよね？ CFDでも入口条件のミスは下流全体に波及します。
ソフトウェア比較
主要ツール
レーシングチームはどのCFDソフトを使っていますか？
| ツール | 使用チーム例 | 特徴 |
|---|---|---|
| STAR-CCM+ | 多数のF1チーム | 自動メッシュ、オーバーセット、Javaマクロ自動化 |
| Ansys Fluent | F1/IndyCar | 密度ベースソルバー、豊富な物理モデル |
| OpenFOAM | 下位カテゴリ、プライベーター | 無償、HPC向き |
| PowerFLOW (Dassault) | 一部のF1チーム | 格子ボルツマン法、非定常解析に強い |
| ICON CFD | 一部のF1チーム | OpenFOAMベース、レーシング特化 |
STAR-CCM+がF1で一番使われているんですか？
シェアは高い。理由はオーバーセットメッシュ（部品の差し替えが容易）、Javaマクロによる徹底した自動化、ポリヘドラルメッシュの効率の良さだ。週に50ケース以上を回すには自動化が命だからね。
STAR-CCM+でのレーシングCFD
典型的な設定:
- メッシュ: トリム+プリズム層（$y^+=1$, 20層）
- 乱流モデル: SST k-omega
- ホイール: MRF (定常) / Rigid Body Motion (非定常)
- 地面: Moving Wall (車速と同じ)
- ラジエータ: 多孔体（Porous Region）
- 自動化: Javaマクロでメッシュ→解析→ポスト処理を一貫実行
OpenFOAMの活用
OpenFOAMでレーシングCFDはできますか？
フォーミュラSAE（学生フォーミュラ）やプライベーターチームでは広く使われている。ICON CFDのようなOpenFOAMベースの商用パッケージもある。
OpenFOAMでの課題は何ですか？
メッシュの自動化と品質管理が最大の課題だ。snappyHexMeshは複雑な形状で品質が不安定になることがある。また、STAR-CCM+のような統合GUIがないため、ワークフローの自動化には相応のスクリプティングスキルが求められるよ。
ツール選定の指針
| レベル | 推奨ツール | 理由 |
|---|---|---|
| F1/LMDh | STAR-CCM+ / PowerFLOW | 自動化、大規模並列、実績 |
| GT3/GT4 | Fluent / STAR-CCM+ | コストパフォーマンス |
| Formula SAE | OpenFOAM | 無償、教育効果 |
| 個人/プライベーター | OpenFOAM + SimScale | クラウドHPC活用 |
F1のCFD時間はレギュレーションで規制されている
F1では2021年から「CFD計算時間」そのものが技術規則で制限されています。年間のCFD時間上限が定められており、上位チームほど制限が厳しくなるハンディキャップ制。大きなチームがお金に任せて無制限に計算を回せないようにする措置です。つまり「限られたCFD時間でいかに有意義な計算を行うか」という計算資源の最適配分がチームの競争力になった。どのツールを使うかだけでなく、何を計算するかの優先順位付けがエンジニアの腕の見せどころです。
選定で最も重要な3つの問い
- 「何を解くか」：レーシングカーの空力に必要な物理モデル・要素タイプが対応しているか。例えば、流体ではLES対応の有無、構造では接触・大変形の対応能力が差になる。
- 「誰が使うか」：初心者チームならGUIが充実したツール、経験者ならスクリプト駆動の柔軟なツールが適する。自動車のAT車（GUI）とMT車（スクリプト）の違いに似ている。
- 「どこまで拡張するか」：将来の解析規模拡大（HPC対応）、他部門への展開、他ツールとの連携を見据えた選択が長期的なコスト削減につながる。
先端技術
グラウンドエフェクト解析
2022年以降のF1で重要になったグラウンドエフェクトの解析技術を教えてください。
フロア下面のベンチュリ構造がダウンフォースの主力源になった。解析上の課題は、ライドハイト（車高）変化に対する空力特性の急激な変化だ。
ポーパシングはCFDで予測できるんですか？
非定常CFD + 車両運動モデルの連成で定性的には再現できる。ただしタイヤのばね特性やダンパー特性も含めたマルチフィジックス連成が必要で、計算コストは莫大だ。
機械学習の活用
レーシングCFDでの機械学習の活用が急速に進んでいる。
- サロゲートモデル: 数千ケースのCFDデータでニューラルネットワークを訓練。設計空間の探索を10000倍高速化
- 形状最適化: 遺伝的アルゴリズム + CFD → MLサロゲートで置換
- セットアップ最適化: サーキット特性に応じたウイング角度・ライドハイトの最適化
- 異常検知: CFDの収束異常を自動検出
FIAのCFD使用制限があるから、少ないケース数で最大限の情報を引き出す必要があるんですよね。
その通り。ATR制限下では「どの形状を計算するか」の選択が勝負を分ける。ベイズ最適化やアクティブラーニングで次に計算すべき設計点を効率的に選ぶ手法が注目されているんだ。
DrivAer / Ahmed Bodyベンチマーク
レーシングCFDの検証に使われるベンチマーク:
| ベンチマーク | 概要 | 用途 |
|---|---|---|
| Ahmed Body | 25度/35度スラントバック鈍頭物体 | 後流構造の検証 |
| ASMO Body | 汎用自動車形状 | 抗力予測の検証 |
| DrivAer | ミュンヘン工科大の詳細車両モデル | 自動車CFDの標準ベンチマーク |
| SAE Reference Car | F-SAE向け | 学生フォーミュラ |
トラブルシューティング
よくあるトラブルと対策
レーシングカーのCFDで頻出する問題を教えてください。
1. ダウンフォースが風洞と合わない
症状: CFDのダウンフォースが風洞と10%以上乖離
対策:
- 地面境界条件の確認: 移動壁になっているか、境界層吸い出しは設定されているか
- ホイール回転: MRFのゾーンサイズと回転軸が正しいか確認
- 風洞ブロッケージ: 風洞テストの閉塞補正が適用されているか確認
- ラジエータ: 多孔体モデルの圧力損失係数が実測値と一致しているか
- 支持装置: 風洞のストラット・スティングによる干渉を考慮
2. ディフューザーの性能過大予測
ディフューザーのDFがCFDで実際より高く出がちだと聞いたんですが。
症状: ディフューザーのダウンフォースが風洞/実車より過大
原因: RANSがフロア下面の薄い境界層からの剥離を遅らせる傾向
対策:
- SST k-omegaモデルを使用（k-epsilonは剥離を過小予測）
- フロア下面のプリズム層を$y^+=1$で確保
- 非定常RANS or DDESで剥離の非定常性を考慮
- ディフューザー拡大角が10度を超える場合は剥離に注意
3. 非定常振動が収束しない
症状: 定常RANSで$C_L$/$C_D$が振動して収束しない
原因: 大規模な渦放出が定常解に収まらない
対策:
- 振動の周波数を確認。物理的な渦放出なら非定常解析に移行
- 非物理的な振動なら: CFL数を下げる、1次精度で初期化してから2次に切り替え
- ホイール後方やリアウイングの渦はそもそも非定常現象なので、定常解には限界がある
- 時間平均値で空力係数を評価する
4. メッシュ依存性が大きい
メッシュを変えると結果が大きく変わってしまうんですが。
対策:
- ウイング前縁・後縁に十分な解像度を確保（前縁半径に対して10セル以上）
- ディフューザーのシール部（サイドエッジ）のメッシュを細分化
- 後流の解像度を段階的に評価（粗→中→密で$\Delta C_L < 1%$を確認）
- ウイングの翼端渦が解像されているか可視化で確認
風洞-CFD相関の改善
CFDと風洞の相関を良くするコツはありますか？
部品単体から積み上げるのが大事なんですね。
フルカーでいきなり合わせようとしても原因特定が困難だ。ウイング単体→ウイング+ボディ→フルカーと段階的に複雑度を上げて、各段階でCFDと風洞の相関を確認するのがベストプラクティスだよ。
リアウイングの振動がCFDの誤差を生む話
レーシングカーのリアウイングは走行中に微小振動しており、ウイング迎角が±0.5°程度変動しています。CFDでは通常「固定形状」で計算しますが、振動による非定常効果が平均ダウンフォースを数%変化させることがある。「CFDと実測が繰り返しずれる」という場合、構造の振動モードとCFDの境界条件の不一致が原因のことも。流体と構造を連成させる流体構造連成（FSI）解析を検討する価値があります。計算コストはRANS単体の5〜10倍になりますが、原因不明の誤差が消えることがあります。
「解析が合わない」と思ったら
- まず深呼吸——焦って設定をランダムに変えると、問題がさらに複雑になる
- 最小再現ケースを作る——レーシングカーの空力の問題を最も単純な形で再現する。「引き算のデバッグ」が最も効率的
- 1つだけ変えて再実行——複数の変更を同時に行うと、何が効いたか分からなくなる。科学実験と同じ「対照実験」の原則
- 物理に立ち返る——計算結果が「重力に逆らって物が浮く」ような非物理的な結果なら、入力データの根本的な間違いを疑う
関連トピック
なった
詳しく
報告