赛车空气动力学
赛车空气动力学的理论基础
概述
老师，赛车空气动力学与量产车完全不同是吗？
目的根本上不同。量产车以降低空气阻力（阻力）为主要目标，而赛车的目标是在最大化下压力（负升力）的同时将阻力控制在可接受范围内。
F1赛车在时速300km时产生约3.5G的下压力。这样的推压力大大超过车重，理论上车可以倒悬在天花板上行驶。
倒悬在天花板上？这真是非常强大的力量。
这个下压力决定了过弯速度。轮胎的抓地力与垂直荷载成正比，所以下压力增加就能提高过弯极限。
支配方程与空力系数
下压力和阻力用无量纲系数表示。
这里$A$是前投影面积。F1赛车中，$C_L \approx -3.0$--$-5.0$，$C_D \approx 0.7$--$1.2$，$L/D \approx 3$--$5$左右。
升阻比（L/D比）是赛车空气动力学效率的指标啊。
正是。升阻比越高，用较小的阻力就能获得更大的下压力。利用地面效应的底板设计是提高升阻比的关键。
下压力生成机制
让我们整理一下下压力的主要产生源。
| 单元 | 下压力贡献 | 主要原理 |
|---|---|---|
| 前尾翼 | 25--30% | 反向翼型伯努利效应 |
| 后尾翼 | 30--35% | 反向翼型+多段襟翼 |
| 底板/扩散器 | 35--45% | 地面效应、文丘里效应 |
| 其他（侧板等） | 5--10% | 涡流产生的流动控制 |
底板的贡献最大啊。
地面效应在地面与底板间的狭窄间隙中流速增加，伯努利原理产生大的负压。增加的阻力较小，所以升阻比非常高。2022年以后的F1规则积极采用地面效应设计。
雷诺数与流动特征
赛车周围的典型雷诺数（车长基础）为$Re \approx 10^7$。
流动特征：
- 前面是钝头物体流：停滞点、大规模分离
- 尾翼：翼型周围流（高迎角）
- 轮胎：旋转的钝头物体的非定常涡
- 扩散器：在逆压力梯度下的膨胀流道流
- 尾流：多个涡结构的干涉
整个车体是各种空力现象的集合啊。
地面效应赛车为何被禁止
1970年代后期，F1赛队开发了"地面效应赛车"，在底板下面采用翼型设计，产生强大的下压力。过弯G值超过5G，驾驶员在濒临昏迷的状态下行驶。出于安全考虑，FIA在1982年引入平底规则并禁止了这项技术。这项技术在40年后的2022年规则中以"地面效应的阶段性回归"的形式再次被允许，空力工程师欢呼雀跃地说"终于回来了"。
赛车空气动力学的数值计算方法
分析方法选择
赛车CFD使用哪些分析方法？
| 方法 | 计算规模 | 用途 | 队伍使用情况 |
|---|---|---|---|
| 稳态RANS | 5000万--1亿个单元 | 设计探索、参数研究 | 全队 |
| 非稳态RANS | 1亿--2亿个单元 | 非稳态空力特性 | 顶级队伍 |
| DDES | 2亿--5亿个单元 | 尾流干涉、轮胎涡 | 顶级队伍 |
| LBM (PowerFLOW/XFlow) | 数亿体素 | 全车非稳态分析 | 部分队伍 |
F1队伍用了多少计算资源呢？
FIA规则限制了CFD使用量（ATR：空力测试限制）。2024年，冠军队伍的上限是年25太浮点秒。这大约相当于2000--3000核的HPC集群连续运行一年。
网格策略
全车网格生成中以下几点很重要。
- 壁面棱柱层：$y^+ \approx 1$，20--30层。尾翼和底板特别重要
- MRF（多参考框）：轮胎旋转建模
- 地面边界：移动墙（moving wall）条件。地面以车速移动
- 细化区域：尾翼翼尖、扩散器出口、尾流区
- 总单元数：RANS 5000万--1亿，DDES 2--5亿
地面变成移动墙？
实际行驶中车向前移动是一样的道理，但CFD中固定车而地面以流速移动。如果地面设为固定墙，地面边界层会发展，地面效应无法正确再现。
湍流模型
赛车CFD推荐的湍流模型是什么？
SST k-omega是行业标准。SA模型也被使用，但在逆压力梯度下的分离预测上SST更优。
尾翼详细分析：
- SST k-omega：稳态RANS。对尾翼面压力分布和分离位置的预测良好
- SST k-omega + gamma-Re_theta：需要转捩预测时（低雷诺数翼型）
- DDES (SST 基础)：尾翼后流的非稳态涡结构分析
旋转轮胎的处理
轮胎旋转怎么建模？
有三种方法。
| 方法 | 概述 | 精度 | 成本 |
|---|---|---|---|
| MRF (冻结转子) | 在旋转坐标系中稳态计算 | 低--中 | 低 |
| 滑动网格 | 旋转区实际旋转 | 高 | 高 |
| 覆盖网格 | 旋转网格覆盖 | 高 | 中--高 |
稳态RANS设计探索阶段通常用MRF。如果想准确捕捉轮胎尾流的非稳态涡结构，就用滑动网格或覆盖网格。STAR-CCM+的刚体运动功能很容易用。
轮胎的变形（压缩）怎么处理？
轮胎与路面接触时会变形，但CFD通常使用变形后的形状作为固定STL建模。接地面形状用轮胎制造商的数据或FEM分析结果。
DRS（阻力减少系统）的逆向思维
F1的DRS是"打开后尾翼以减少空气阻力"的系统。看似简单，但这是空力工程师逆向思维的结晶。通常需要大尾翼来获得过弯抓地力，但在直线上是累赘。"那就让尾翼动起来吧"这一想法在2011年被采纳。CFD中需要同时模拟"DRS打开状态"和"DRS关闭状态"，它们的阻力差（约0.1的Cd×差异）成为设计目标。打开关闭的切换时间0.1秒以内的机械设计联动也很有趣。
赛车空气动力学的实务应用
分析工作流
赛车队伍的CFD工作流是什么样的？
让我说一下F1队伍的典型工作流。
1. 形状修改：用CAD（CATIA/NX）修改零件
2. 表面网格：STL导出、表面质量检查
3. 体积网格：自动网格生成（5000万--1亿单元）
4. CFD运行：稳态RANS，500--2000次迭代（2--4小时）
5. 后处理：检查$C_L$、$C_D$、平衡（前后分配）
6. 设计判断：用$\Delta C_L$、$\Delta C_D$的基线差值评估
7. 参数研究：周20--50个案例的设计探索速度
一周50个案例？这个速度太快了。
自动化是关键。从网格生成到后处理全部用脚本自动化，在HPC上批处理运行。用STAR-CCM+的Java宏或Fluent的Journal文件实现自动化。
前后平衡评估
前后平衡是什么？
前轴和后轴的下压力配分。这是决定转向特性的最重要参数之一。
典型F1赛车的前后平衡在43--47%左右。根据驾驶员喜好和赛道特性调整。CFD中前后平衡变化$\Delta\%$要精确到0.5%。
0.5%的精度CFD能达到吗？
绝对值精度没那么高，但设计改动的相对差值（$\Delta$值）能以0.1--0.5%的精度预测。在赛车CFD中"相对值比绝对值更重要"。
尾翼设计要点
前尾翼的设计参数：
| 参数 | 影响 | 典型范围 |
|---|---|---|
| 襟翼角度 | 下压力量 | 10--40度 |
| 翼端板形状 | 翼尖涡控制 | 复杂3D形状 |
| Gurney襟翼高度 | DF增加/阻力增加 | 翼弦1--3% |
| 翼间间隙宽度 | 边界层控制 | 2--5mm |
| 离地高度 | 地面效应 | 15--30mm |
间隙宽度2--5mm这样的微细几何啊。
所以网格解像度很重要。间隙内至少要5--10个单元，否则流动无法正确再现。这个区域单独就会用几百万个单元。
常见失败与对策
| 症状 | 原因 | 对策 |
|---|---|---|
| DF与风洞不符 | 地面边界条件错误 | 确认移动墙+边界层移除 |
| 轮胎尾流不准确 | MRF的局限 | 改为滑动网格 |
| 扩散器DF过大 | 网格不足，底板下分离未捕捉 | 加强底板下方解像度 |
| 前后平衡偏离 | 散热器压力损失未考虑 | 用多孔体模型再现散热器 |
从Formula SAE学CFD的学生为何能立即上手
大学生参加的Formula SAE竞赛被称为赛车CFD的"道场"。学生队伍用OpenFOAM，从尾翼优化到车体周围流场可视化都要做。最重要的是"失败也不会要人命"的环境让他们可以积极试错。企业人力资源部门中有个共识："SAE的CFD负责人进入实务后上手特别快"。在学习成本最低的地方体验本番级别的问题，这就是这个竞赛的价值。
赛车空气动力学的软件对比
主要工具
赛车队伍用什么CFD软件？
| 工具 | 使用队伍示例 | 特点 |
|---|---|---|
| STAR-CCM+ | 多支F1队伍 | 自动网格、覆盖网格、Java宏自动化 |
| Ansys Fluent | F1/IndyCar | 密度基求解器、丰富的物理模型 |
| OpenFOAM | 下级赛事、个人队伍 | 免费、HPC友好 |
| PowerFLOW (Dassault) | 部分F1队伍 | 格子Boltzmann法、非稳态解析强 |
| ICON CFD | 部分F1队伍 | 基于OpenFOAM，赛车专用 |
STAR-CCM+在F1用的最多吗？
份额很高。原因是覆盖网格（零件替换容易）、Java宏完全自动化、多面体网格的高效性。每周50个以上案例要跑，没有自动化是不行的。
STAR-CCM+的赛车CFD
典型设置：
- 网格：trim+棱柱层（$y^+=1$，20层）
- 湍流模型：SST k-omega
- 轮胎：MRF (稳态) / 刚体运动 (非稳态)
- 地面：移动墙（车速相同）
- 散热器：多孔体（Porous Region）
- 自动化：Java宏从网格→分析→后处理一条龙
OpenFOAM的应用
OpenFOAM能用来做赛车CFD吗？
Formula SAE（学生方程式）和个人队伍广泛使用。还有基于OpenFOAM的商用方案ICON CFD。
OpenFOAM的问题是什么？
网格的自动化和质量控制是最大课题。snappyHexMesh在复杂形状中容易出现质量不稳定问题。加上没有STAR-CCM+那样统一的GUI，工作流自动化需要相应的脚本技能。
工具选择指南
| 级别 | 推荐工具 | 理由 |
|---|---|---|
| F1/LMDh | STAR-CCM+ / PowerFLOW | 自动化、大规模并行、实绩 |
| GT3/GT4 | Fluent / STAR-CCM+ | 成本性能比 |
| Formula SAE | OpenFOAM | 免费、教育效果 |
| 个人/个体队伍 | OpenFOAM + SimScale | 云HPC活用 |
F1的CFD时间在规则中被规制
F1从2021年起就在技术规则中限制"CFD计算时间"本身。规定了年间CFD时间上限，排名靠前的队伍限制更严。这是用分档制阻止大队伍用钱无限计算的措施。也就是说"用有限的CFD时间进行多少有意义的计算"成了队伍竞争力。选用什么工具只是表面，"计算什么"的优先级才是CAE工程师手艺的体现。
赛车空气动力学的先进研究
地面效应分析
2022年以后F1重要的地面效应分析技术请教一下。
底板下的文丘里结构成了下压力的主力源。分析的课题是离地高度（ride height）变化对空力特性的急剧变化。
侧摇用CFD能预测吗？
非稳态CFD + 车辆运动模型的耦合在定性上能再现。但包括轮胎弹簧特性和阻尼特性的多物理场耦合都需要，计算成本巨大。
机器学习的应用
赛车CFD中的机器学习应用快速发展。
FIA的CFD使用限制有，案例数少才能最大化成果啊。
正是。ATR限制下"计算什么形状"的选择是胜负。贝叶斯优化或主动学习以少计算次数高效选择下一设计点的手法受瞩目。
DrivAer / Ahmed车身基准
赛车CFD验证用的基准：
| 基准 | 概述 | 用途 |
|---|---|---|
| Ahmed车身 | 25度/35度斜背钝头物体 | 尾流结构验证 |
| ASMO车身 | 通用汽车形状 | 阻力预测验证 |
| DrivAer | 慕尼黑工科大详细车辆模型 | 汽车CFD标准基准 |
| SAE参考车 | F-SAE用 | 学生方程式 |
赛车空气动力学的故障处理
常见故障与对策
赛车CFD频繁出现的问题请教一下。
1. 下压力与风洞不符
现象：CFD的下压力与风洞偏离10%以上
对策：
- 地面边界条件确认：是否是移动墙，边界层吸出设置是否正确
- 轮胎旋转：MRF区域大小和旋转轴是否正确
- 风洞堵塞：风洞试验的闭塞修正是否应用
- 散热器：多孔体模型的压力损失系数是否与实测值一致
- 支持装置：风洞的支撑架、支柱的干涉是否考虑
2. 扩散器性能过度预测
听说CFD中扩散器的下压力容易比实际高啊。
现象：扩散器下压力比风洞/实车高
原因：RANS倾向延迟底板下薄边界层的分离
对策：
- 用SST k-omega模型（k-epsilon低估分离）
- 底板下棱柱层确保$y^+=1$
- 非稳态RANS或DDES考虑分离的非稳态性
- 扩散器扩大角超过10度时注意分离
3. 非稳态振动不收敛
现象：稳态RANS中$C_L$/$C_D$振动，不收敛
原因：大规模涡脱落不能被稳态解容纳
对策：
- 确认振动频率。是物理涡脱落就转为非稳态分析
- 非物理振动则：降低CFL数，初期用1阶精度后升2阶
- 尾流和后尾翼的涡本身就是非稳态现象，稳态解有极限
- 用时间平均值评估空力系数
4. 网格依赖性大
网格改变结果大幅变化啊。
对策：
- 尾翼前缘、后缘充分细化（前缘半径至少10个单元）
- 扩散器封闭部（侧边）网格细化
- 尾流分辨率分阶段评估（粗→中→密，$\Delta C_L < 1%$确认）
- 可视化确认尾翼翼尖涡是否被解析
风洞-CFD相关性改进
CFD与风洞相关性改善的诀窍是什么？
从零件单体逐步积累很重要啊。
全车模型直接调也很难找出原因。尾翼单体→尾翼+车体→全车按阶段提高复杂度，各阶段都确认CFD与风洞相关性是最佳做法。
尾翼振动导致CFD误差的故事
赛车的后尾翼在行驶中微小振动，尾翼迎角在±0.5°变化。CFD通常用"固定形状"计算，但振动的非稳态效果可能使平均下压力变化数%。"CFD与实测重复不符"时，结构振动模态与CFD边界条件不一致可能是原因。考虑流体与结构联成的流固联成（FSI）分析价值。计算成本是单纯RANS的5~10倍，但原因不明的误差会消失。
更详细
错误