12、赛车空气动力学的数据挖掘应用

赛车空气动力学的数据挖掘应用

1. 引言

工程设计是将科学理论应用于实际，在合理时间内达成现实目标。过去，工程师只能通过物理实验评估复杂设计的优劣。随着计算技术的发展，仿真成为了可行的替代方案。然而，工程师在数据分析方法上的进步却较为缓慢，数字时代前的统计方法仍被广泛使用，这严重限制了效率和最终成果。

优化方案在设计领域应用广泛，它能找到满足用户需求的单一设计。但这种方法存在一些问题，比如丢失了达到最终设计的中间路径，导致难以根据新条件调整最终设计，也难以评估为何特定设计优于其他方案。此外，优化代码还存在用户知识利用有限、计算成本高以及算法难以收敛到全局最优等问题。

设计空间探索是一种新兴的解决方案，它通过数据挖掘技术，定性和定量地确定变量（设计空间）与结果（解空间）之间的关系。这让用户能理解变量对结果的影响，确保设计空间包含最优性能的参数范围，为设计过程提供了灵活性。

2. 问题陈述

传统工程设计方法在处理新的计算技术时，效率不再理想，尤其是在评估仿真数据时。数据挖掘技术在这方面具有很大潜力，但尚未得到充分验证。

3. 应用领域

当前的计算方法无法完全实现实验所能达到的效果，因此可能的设计领域受到限制。计算流体动力学（CFD）在空气动力学设计中是一个合适的选择，特别是翼型设计，因为它有大量的几何生成方法记录，并且与优化方案的竞争方法相比，可以评估数据挖掘的价值。

对于现代赛车来说，空气动力学性能至关重要。一级方程式赛车的前翼对车辆的整体性能和空气动力学表现有巨大影响。由于赛车的低行驶高度，前翼的工作处于地面效应区域，气流特性难以预测。本研究将应用范围限制在前翼主平面的外侧