赛车空气动力学

分类: 流体解析(CFD) | 综合版 2026-04-06
CAE visualization for racing aero theory - technical simulation diagram
レーシングカーの空力

理论与物理

概述

🧑‍🎓

老师,赛车的空气动力学和量产车完全不同吧?


🎓

根本目的不同。量产车的主要目标是降低空气阻力(阻力),而赛车则是在将阻力控制在可接受范围内的同时,最大化下压力(负升力)。


🎓

F1赛车在时速300公里时可产生约3.5G的下压力。这个远超车重的下压力,理论上可以让车倒贴在天花板上行驶。


🧑‍🎓

能在天花板上跑,这力量真惊人。


🎓

这个下压力决定了过弯速度。因为轮胎的抓地力与垂直载荷成正比,下压力增加,过弯极限就会提高。


控制方程与气动系数

🎓

下压力和阻力用无量纲系数表示。


$$ C_L = \frac{-F_z}{\frac{1}{2} \rho V^2 A} \quad (\text{负为向下}) $$

$$ C_D = \frac{F_x}{\frac{1}{2} \rho V^2 A} $$

$$ L/D = \frac{C_L}{C_D} \quad (\text{气动效率}) $$

其中$A$是正面投影面积。F1赛车的典型值约为$C_L \approx -3.0$--$-5.0$、$C_D \approx 0.7$--$1.2$、$L/D \approx 3$--$5$。


🧑‍🎓

L/D比是赛车气动效率的指标呢。


🎓

是的。L/D越高,意味着能以更小的阻力获得更大的下压力。利用地面效应的底板设计是提高L/D的关键。


下压力生成机制

🎓

我们来整理一下下压力的主要来源。


部件下压力贡献主要原理
前翼25--30%反置翼型的伯努利效应
尾翼30--35%反置翼型+多段襟翼
底板/扩散器35--45%地面效应、文丘里效应
其他(破风板等)5--10%涡流生成与流动控制
🧑‍🎓

底板的贡献最大啊。


🎓

地面效应利用与地面之间的狭窄间隙使流速增加,根据伯努利原理产生巨大的负压。由于阻力增加小,因此L/D非常高。2022年之后的F1规则,设计上开始积极利用地面效应。


雷诺数与流动特征

🎓

赛车周围的典型雷诺数,基于车长约为 $Re \approx 10^7$。


🎓

流动特征:

  • 前部:钝头体流动 - 驻点、大规模分离
  • 翼面:翼型周围的流动(大迎角)
  • 车轮:旋转钝头体产生的非定常涡
  • 扩散器:扩张流道逆压梯度下的流动
  • 尾流:多种涡结构的相互干扰

🧑‍🎓

整车就是各种空气动力学现象的集合体啊。


Coffee Break 闲谈

地面效应赛车为何被禁止

1970年代末,F1车队开发了将底板下部设计成翼型以产生强劲下压力的"地面效应赛车"。过弯G力达到5G以上,车手在近乎昏厥的状态下驾驶。1982年,FIA出于安全原因引入平底板规则将其禁止。当这项技术在40年后的2022年规则中以"地面效应的阶段性回归"名义再次被允许时,据说空气动力学工程师们欢呼"终于回来了"。

各项的物理意义
  • 时间项 $\partial(\rho\phi)/\partial t$:想象一下拧开水龙头的瞬间。最初水流会不稳定地喷溅,过一会儿才变成稳定的水流,对吧?描述这个"变化过程中"的就是时间项。心脏搏动导致血流脉动,发动机气门每次开闭引起流动变化,这些都是非定常现象。那么定常分析是什么?就是只看"经过足够时间流动稳定后"的状态——也就是令此项为零。计算成本大幅降低,因此先用定常分析求解是CFD的基本策略。
  • 对流项 $\nabla \cdot (\rho \mathbf{u} \phi)$:把落叶扔进河里会怎样?会被水流带着往下游漂,对吧?这就是"对流"——流体的运动携带物质的效果。暖气的热风能送到房间另一端,也是因为空气这个"搬运工"通过对流输送热量。这里有个有趣的地方——这项包含"速度×速度",因此是非线性的。也就是说,流速越快,这项会急剧增强,变得难以控制。这就是湍流的根本原因。常见的误解:"对流和传导差不多"→ 完全不一样!对流是流动携带,传导是分子传递。效率有天壤之别。
  • 扩散项 $\nabla \cdot (\Gamma \nabla \phi)$:有过在咖啡里倒入牛奶后放置不管的经历吗?即使不搅拌,过一会儿也会自然混合。那就是分子扩散。那么下一个问题——蜂蜜和水,哪个更容易流动?当然是水,对吧?因为蜂蜜的粘度($\mu$)高,所以不易流动。粘度越大,扩散项越强,流体的运动就变得"粘稠"。雷诺数小的流动(缓慢、粘稠)中扩散占主导。相反,Re数大的流动中,对流占压倒性优势,扩散则成为配角。
  • 压力项 $-\nabla p$:推注射器的活塞,液体会从针头有力地射出,对吧?为什么?因为活塞侧压力高,针头侧压力低——这个压力差产生了推动流体的力。大坝放水也是同样原理。天气图上等压线密集的地方会怎样?没错,会刮强风。"有压力差的地方就会产生流动"——这就是纳维-斯托克斯方程压力项的物理意义。这里的误解点:CFD中的"压力"通常指表压而非绝对压力。切换到可压缩分析时结果突然出错,原因可能就是混淆了绝对压力/表压。
  • 源项 $S_\phi$:受热的空气会上升——为什么?因为比周围空气轻(密度低),被浮力推上去了。这个浮力作为源项添加到方程中。还有,燃气灶的火焰产生化学反应热,工厂的电磁泵对金属熔液施加洛伦兹力……这些都是"从外部向流体注入能量或力"的作用,用源项表示。忘记源项会怎样?自然对流分析中忘记加入浮力,流体就完全不动——就像冬天在房间里开了暖气,但暖空气却不往上走,得到这种物理上不可能的结果。
假设条件与适用范围
  • 连续介质假设:克努森数 Kn < 0.01(分子平均自由程 ≪ 特征长度)时成立
  • 牛顿流体假设:剪切应力与应变速率呈线性关系(非牛顿流体需要粘度模型)
  • 不可压缩假设(Ma < 0.3时):将密度视为常数。马赫数0.3以上需考虑压缩性效应
  • 布西涅斯克近似(自然对流):仅在浮力项中考虑密度变化,其他项使用恒定密度
  • 不适用的情形:稀薄气体(Kn > 0.1)、超音速/高超音速流动(需要捕捉激波)、自由表面流动(需要VOF/Level Set等方法)
量纲分析与单位制
变量SI单位注意事项·换算备忘
速度 $u$m/s入口条件从体积流量换算时,注意截面积单位
压力 $p$Pa区分表压和绝对压力。可压缩分析使用绝对压力
密度 $\rho$kg/m³空气: 约1.225 kg/m³@20°C、水: 约998 kg/m³@20°C
粘性系数 $\mu$Pa·s注意与运动粘度系数 $\nu = \mu/\rho$ [m²/s] 混淆
雷诺数 $Re$无量纲$Re = \rho u L / \mu$。层流/湍流转换的判断指标
CFL数无量纲$CFL = u \Delta t / \Delta x$。直接关系到时间步长的稳定性

数值解法与实现

分析方法的选择

🧑‍🎓

赛车CFD使用哪些分析方法?


🎓

RANSDES/DDES、LES都有各自的应用场景。


方法计算规模用途车队使用情况
定常RANS5000万--1亿单元设计探索、参数化研究所有车队
非定常RANS1亿--2亿单元非定常气动特性上游车队
DDES2亿--5亿单元尾流干扰、轮胎涡顶级车队
LBM (PowerFLOW/XFlow)数亿体素整车的非定常分析部分车队
🧑‍🎓

F1车队大概使用多少计算资源?


🎓

FIA规则对CFD使用量有限制(ATR: 空气动力学测试限制)。2024年,冠军车队的年度上限是25万亿次浮点运算·时。这大约相当于一个2000--3000核的HPC集群全年满负荷运行。


网格策略

🎓

整车网格生成中以下几点很重要。


  • 壁面棱柱层: $y^+ \approx 1$, 20--30层。翼面和底板尤其重要
  • MRF(移动参考系): 模拟车轮旋转
  • 地面边界: 移动壁条件。以与车速相同的速度移动
  • 细化区域: 翼端、扩散器出口、尾流区
  • 总单元数: RANS 5000万--1亿、DDES 2--5亿

🧑‍🎓

地面要设置成移动壁吗?


🎓

实际行驶中车向前运动,但在CFD中通常将车固定,让地面以流速移动。如果忘记这点而将地面设为固定壁,地面边界层会发展,导致地面效应无法正确再现。


湍流模型

🧑‍🎓

赛车CFD推荐使用什么湍流模型?


🎓

SST k-omega 是行业标准。SA模型也有使用,但在逆压梯度下的分离预测方面SST更优。


🎓

翼面详细分析:

  • SST k-omega: 定常RANS。对翼面压力分布、分离位置预测良好
  • SST k-omega + gamma-Re_theta: 需要预测转捩时(低Re翼型)
  • DDES (基于SST): 分析翼面尾流的非定常涡结构

旋转车轮的处理

🧑‍🎓

车轮的旋转怎么建模?


🎓

有三种方法。


方法概述精度成本
MRF (冻结转子)在旋转坐标系中进行定常计算低--中
滑移网格物理上旋转旋转区域
重叠网格将旋转网格叠加中--高
関連シミュレーター

この分野のインタラクティブシミュレーターで理論を体感しよう

シミュレーター一覧

関連する分野

この記事の評価
ご回答ありがとうございます!
参考に
なった
もっと
詳しく
誤りを
報告
参考になった
0
もっと詳しく
0
誤りを報告
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — サイトマップ