汽车的空气动力学性能对燃油经济性、高速稳定性、驾乘安全性和舒适性有直接影响。在设计阶段，一般采用cfd虚拟仿真技术进行风险评估和改进优化；在验证阶段，则使用样车试验方法进行性能确认。随着市场竞争的加剧，车辆成本和开发费用进一步受到限制，而性能要求却越来越高。因此，在空气动力学性能虚拟开发过程中，需要更低成本、更高效率、更高稳健性的cfd仿真方法。

为提高cfd仿真精度，需要高保真度的网格边界和高分辨率的数值算法。但这将导致计算规模急剧增加。传统的有限体积方法和增加cpu并行核数的方法具有一定局限性和高成本性。对此，格子玻尔兹曼方法(lbm)由于具有良好的计算稳定性、高效并行加速性和易于处理的边界条件，成为国际上近十年迅速发展的热点算法之一。lbm算法中具有大量简单的数字运算和较少的数据调用，使得数值计算能力获得几个数量级的加速效果。结合gpu在并行计算方面的独有优势，lbm与gpu并行计算相结合的方法可以很好地解决上述难点问题。

(资料图片)

本文将从ultrafluidx软件中的lbm与gpu并行计算方法出发，分析评估其在空气动力学性能开发中的几个典型应用，并与风洞试验结果进行比较，以验证其仿真可靠性。

LBM

lbm（lattice boltzmann method）方法与传统的有限差分、有限体积及有限元方法不同，它从微观动力学角度出发，将连续介质看作大量位于格子节点上的离散流体质点粒子。在lbm方法中，粒子按照碰撞和迁移规则在格子上运动，通过对各格子流体质点运动特征的统计，获得流体宏观运动规律，即把宏观物理量视作微观统计平均的结果。这种方法的核心思想是构造简化的玻尔兹曼动力学模型，使模型的宏观行为与宏观方程表现一致。相比于传统连续介质假设导出的ns方程，lbm方法能够更深刻地解释流体的物理内涵，并可以捕捉更多的流场细节。

lbm模型与传统cfd方法最显著的区别在于前处理建模。在lbm模型中，输入的面网格仅用于定义壁面边界位置，而不参与实际计算。因此，三角形面网格的质量不再重要，面网格可以容许穿透和重叠，并且不需要严格封闭的面网格。这也意味着，在引入新的部件时，不需要缝合相邻网格节点。相比之下，采用传统cfd方法，一台整车的cfd模型至少需要一个熟练工程师花费一个月的时间进行建模，并且需要对模型进行大量简化。而采用lbm方法建模，则只需一周即可完成，而且几乎无需简化模型，最大限度地保持模型的真实性。对于汽车空气动力学设计来说，其需要面临数百甚至上千次的设计变动，采用lbm模型不仅可以极大提高cfd仿真效率，还能因为高保真度的模型质量而获得更高的仿真精度。

2 GPU高性能计算

ultraFluidX软件基于GPU并行计算的LBM方法架构开发，其并行计算效率可以采用每秒百万格子迭代次数（MillionLatticeUpdatesPerSecond，MLUPS）指标来评估。为了测试GPU的性能，采用不同型号和数量的NVIDIAP100和V100显卡测试进行对比。图5显示单块V100的峰值速度是上代产品P100的1.9倍。如图6所示，当格子数量较少时，由于多GPU之间的数据通讯消耗较多资源，导致V100多GPU加速性能明显折损，随着格子数量增多，其加速性能变强。整车空气动力学虚拟风洞模型格子数量一般超过1亿，由图6可知，1亿多的格子数量在8GPU上会有比较理想的加速比。

3 应用及验证分析

3.1 CFD对标应用分析

在项目开发前期，往往需要对对标车进行全面剖析，掌握其各性能的在项目开发前期，往往需要对对标车进行全面剖析，掌握其各性能的状态，为车型开发提供参考。在气动性能开发过程中，一般会选择低风阻车型开展风洞试验获得各状态下的气动六分力指标，同时，也会基于CFD方法分析其低风阻流场机理。如图7所示，某纯电轿车两个工况下的仿真精度达到99%，基本与风洞试验一致；从Y0面速度分布可以看出其尾部涡流覆盖区域小，上卷下洗气流强度相当。

3.2 中央气坝影响验证分析

某自主品牌量产紧凑SUV车型中央气坝高度对风阻影响较大，且该处流场分离剧烈，能否准确捕捉分离流是仿真精度高低的关键。选定3个方案进行研究，模型定义分别为：M1，无中央气坝；M2，中央气坝高40mm；M3，中央气坝高60mm。

中央气坝（AirDam）一般位于车辆前端，小腿保护板下方，如图8所示。安装气坝一方面可有效阻挡底部高速气流对前副车架等不平整部件的冲击，从而减少气动阻力；另一方面，还会影响流经车辆底部的气流分布，继而影响前轮升力；此外，还会影响机舱内外压差，从而影响冷却模块风量。由于气坝周围流场非常复杂，采用传统CFD方法难以准确获得其气动性能影响量，因此，本文采用ultraFluidX软件对其效果进行分析验证。

从图中车身表面压力系数Cp可以看出，中央气坝不仅会避免下车底后部零部件受到气流的直接冲击，还会影响下车体气流速度大小，继而影响尾部压力分布。如从图可以看出，风阻系数仿真绝对误差最大值6.3count，远小于传统CFD方法的10count，仿真值总体比试验值高，中央气坝影响量趋势与试验趋势一致，且影响量与风洞试验值非常接近，最大绝对误差仅1.4count，该误差值可覆盖大部分改进方案影响量。

3.3 A柱影响验证分析

A柱涡流不仅影响风噪还会影响气动阻力，因此，在开发过程中往往以降低A柱涡流强度为目标。对A柱三种截面形状进行仿真及试验对比研究，如图11所示，这三款A柱均会产生非常强的涡流，A2方案涡流强度最大，因而其风阻系数也最大。从图12可以看出，仿真与试验的最大绝对误差为3count，且各方案影响量仿真趋势与试验一致，可以采用该软件对其A柱或者造型其他细节方案进行优化分析。

3.4 扰流板与扩散器匹配影响验证分析

在SUV与MPV等方背车型的气动开发过程中，由于其尾部涡流结构非常复杂，采用稳态仿真方法一般难以准确捕捉其尾流特征，因此，一般采用瞬态仿真方法进行仿真分析，评估各方案的影响量，为方案决策提供支撑。本文选定7种扰流板及扩散器组合方案进行试验仿真对比，研究其仿真的可靠性及各组合方案的流动机理，组合方案如表1所示。从图13可以看出，C1方案与C4方案尾部静压分布比较接近，且两个负压中心相对呈平衡状态，强度相当，而其余方案两个负压中心呈不平衡状态，且强度差异较大。在无扰流板状态下，扩散器最优方案为扩散器1，在扩散器1的基础上，扰流板1方案，即与顶棚下降趋势一致的方案为最优方案。从图14可以看出，7个组合方案的仿真绝对值与试验值非常接近，最大绝对误差小于8count，且六个方案的影响量仿真趋势与试验非常一致，因而，利用该软件获得的尾部流场分布极具机理分析参考价值，可为方案寻优提供工具支撑。