汽車風阻的案例
汽車風阻系數的水很深，一篇文章幫你理性吃瓜
最近某汽車風阻系數的話題很火，沒想到流體力學領域也能這么熱鬧，讓人興奮。
風阻系數的水很深，怕你把持不住。為了幫你看懂車企和博主到底在吵什么，水一篇。
一、什么是風阻系數
初中學過，物體在空氣中運動會受到摩擦力。
大學時候我們又學了一個概念，叫“壓差阻力”。即前方空氣受到擠壓形成高壓區，而后方由于氣流分離形成低壓區，前后壓力差產生的阻力。
因此定性地說：物體受到的總空氣阻力等于摩擦阻力+壓差阻力。速度越快，壓差阻力越明顯。
而定量地計算，總空氣阻力為：
嘿，你關心的“風阻系數”就出現了，就是上圖中的Cd，阻力系數。
有的資料還叫它“空氣阻力系數”、“氣動阻力系數”、“空氣動力學阻力系數”或者“形阻系數”。別迷糊，只是孫悟空和孫行者的區別。
二、風阻系數影響什么
主要是能耗。
航空屆歷來非常關注風阻系數，畢竟飛機在天上受到的阻力就只有空氣阻力。對更小阻力更大升力飛機的不懈追求，也極大促進了計算流體力學CFD的工程化應用。
但飛機畢竟太高，汽車才是普通人的好朋友。
低速行駛時，汽車受到的阻力主要是地面給輪胎的滾動阻力。但速度超過80km/h后，風阻占比就會超過一半。時速到120km，風阻占比甚至可達80%。
可以這么說：你跑高速時，斥巨資加的油充的電，基本都被風吹走了。
對新能源汽車來說，風阻系數每降低0.01，續航里程就能提升將近10km。
除了能耗，還有駕駛體驗。比如噪音，風噪通常和風阻成正相關。風阻太大，說話只能靠吼。
再比如加速性能，阻力大，汽車加速度自然減小，推背感瞬間減弱。
總之，減小風阻能讓汽車省錢又舒適，還不需要增加任何零件，性價比可謂頂天高。車企也都會成立空氣動力學優化團隊，猛攻風阻系數。
展開 『分享』關于汽車風阻系數的一點解釋
在許多車廠的產品介紹書中，常常會提及新車的風阻系數降低至多少多少Cd，而Cd所指的并不簡單是指我們一般所說的空氣阻力，而是流氣拉力系數（DRAG COEFFICIENT），一般而言氣流在車尾造成的拉力，數值越低，表示車尾氣流處理的越流暢，該部分的浮升力亦會越小，相對而言，車輛行走時的阻力會低一點，后輪的下壓力也會好一點。說到這里我們就應該明白，加裝尾翼并不一定會增加Cd值！如果加裝尾翼和尾擾流器后，車輛尾部氣流通過的流暢度增高，那么這輛車的Cd值反而應該降低。汽車設計的空氣動力學問題并不止于車尾，其實車頭的長度和寬度也會影響一部汽車的總拉力數值。比如前縱置引擎的中心點要比前軸的中心點更前，車頭就容易造得很長，而如果加闊前輪距來橫置擺放引擎，車頭部分就會隨著加闊，以上兩種情況都會影響到整體的氣流拉力（CdA）。雖然有可能一輛車的Cd造得很低，但是同樣難以彌補車頭部分增加的長度和寬度所帶來的整體氣流拉力數值的上升,舉個例子來說，一部汽車的風阻系數由原來的Cd0.40下降至Cd0.38，但是車頭的寬度卻增加了75MM，這時它的CdA數值約會上升5％，這樣一來等于完全抵消了Cd下降的效果。（比如新款的ACCORD，雖然風阻系數達到了驚人的Cd0.25,可是因為車體全面比上一代要加大許多,所有在高速時的穩定性表現,我個人估計不會有大幅的攀升，如果這方面的表現的確有所改進，也首先應該歸功于軸距的加長和懸掛設定的改進，空氣動力學的成就反而是次要的。因為民用車的空氣動力學表現必須兼顧降低風噪和燃油經濟性，所有在設計時必然會對汽車的下壓力作出一定的犧牲。）
因此，在大家談論Cd時，不應該認為Cd代表了一部汽車的整體空氣動力表現，更不能輕易的認為隨便加裝一只尾翼或者巨型擾流器就必然可以獲得更好的空氣動力學表現！其實充其量它只不過改善了空氣動力學中某個部分的表現而已。
展開 媒體報道：聚焦國產工業軟件破局之道
比如，想要優化一輛汽車的風阻，可以給天洑智能熱流體仿真軟件AICFD發送自然語言指令，要求幫助計算汽車風阻，后續所有的流程，包括模型的設置、計算過程以及結果的導出，都可以通過AI+工業軟件實現。
未來，天洑軟件仍繼續深化AI與工業軟件融合、加強產學研合作，普惠仿真計劃加速工業軟件普及。公司將堅持自主創新，推動國產工業軟件實現從跟跑到領跑的跨越！
什么是風阻系數？
空氣阻力系數，又稱風阻系數，是計算汽車空氣阻力的一個重要系數。空氣阻力是汽車行駛時所遇到最大的也是最重要的外力。它是通過風洞實驗和下滑實驗所確定的一個數學參數, 用它可以計算出汽車在行駛時的空氣阻力。風阻系數的大小取決于汽車的外形，風阻系數愈大，則空氣阻力愈大。現代汽車的風阻系數一般在0.2-0.5之間。
風阻是車輛行駛時來自空氣的阻力，一般空氣阻力有三種形式，第一是氣流撞擊車輛正面所產生的阻力，就像拿一塊木板頂風而行，所受到的阻力幾乎都是氣流撞擊所產生的阻力。 第二是摩擦阻力，空氣與劃過車身一樣會產生摩擦力，然而以一般車輛能行駛的最快速度來說，摩擦阻力小到幾乎可以忽略。第三則是外型阻力，一般來說，車輛高速行駛時，外型阻力是最主要的空氣阻力來源。外型所造成的阻力來自車后方的真空區，真空區越大，阻力就越大。 一般來說，三廂車的外型阻力會比旅行車小。
風阻系數可以通過風洞測得。當車輛在風洞中測試時，借由風速來模擬汽車行駛時的車速，再用測試儀器來測知這輛車需花多少力量來抵擋這風速，使這車不至于被風吹得后退。在測得所需之力后，再扣除車輪與地面的摩擦力，剩下的就是風阻了，然后再以空氣動力學的公式就可算出所謂的風阻系數。
當然了，這是一個理論值的運算公式，實際測試的時候當然還會有更多的不確定因素引入。但是從這個基礎公式中我們也不難發現，在同樣的車速下，空氣密度是一定的，同級別車型的正投影面積其實也差不多，所以真正影響到風阻大小的就是風阻系數。通過實際測算，車速100km/h的時候，大概有60%的動力輸出都被用來抵抗風阻，這也是為什么各大廠家要在降低車輛風阻系數上花大功夫的原因。
一般車輛在前進時，所受到風的阻力大致來自前方，除非側面風速特別大。不然不會對車輛產生太大影響，就算有，也可通過方向盤來修正。風阻對汽車性能的影響甚大。
展開 
為什么印度汽車沒有后視鏡，日本也喊著要取消？
首先，對于大車或底盤高的SUV和越野車，后視鏡能提供的視野其實十分有限；
其次，外后視鏡會增加風阻。傳統后視鏡設計在車的兩側，這兩個凸出來的“小耳朵”不可避免的會影響汽車風阻，除了會增加油耗之外，產生的噪音也是非常明顯的，相信很多朋友高速行車時深有體會。
如何避免這兩個缺點，采用其他的技術去擴展駕駛員的視野呢？
日本的方法是，運用高清攝像頭和視頻的組合。這種方式的優勢很多。首先，只要攝像頭布置合理、安裝到位，就能夠徹底消除盲區，甚至可以提供比后視鏡更加寬廣的視野。
其次，除了視野寬闊之外，夜間行車時，它還能提供比人眼觀察傳統后視鏡更加清晰的視野。
再次，后期通過車載系統聯網，甚至還能主動預測危險，進而與車內其他系統協同合作來預防危險的發生。
隨著汽車智能化的全面發展，或許日本這一做法會逐漸得到其他車企以及國家的認可，也就逐漸會有國家取消汽車必配后視鏡的法規限制。
然而真到那個時候，開車時習慣左顧右盼看后視鏡的老鐵們，你能接受嗎？
本文來源：汽車（ID：iiiqiche）
點擊下方機械學霸小程序，
獲取資源更直接！
免責聲明：
本文系網絡轉載，版權歸原作者所有。如涉及版權問題，請與機械學霸聯系，我們將第一時間協商版權問題或刪除內容。
展開 為什么印度汽車沒有后視鏡，日本也喊著要取消？
首先，對于大車或底盤高的SUV和越野車，后視鏡能提供的視野其實十分有限；
其次，外后視鏡會增加風阻。傳統后視鏡設計在車的兩側，這兩個凸出來的“小耳朵”不可避免的會影響汽車風阻，除了會增加油耗之外，產生的噪音也是非常明顯的，相信很多朋友高速行車時深有體會。
如何避免這兩個缺點，采用其他的技術去擴展駕駛員的視野呢？
日本的方法是，運用高清攝像頭和視頻的組合。
這種方式的優勢很多。
首先，只要攝像頭布置合理、安裝到位，就能夠徹底消除盲區，甚至可以提供比后視鏡更加寬廣的視野。
其次，除了視野寬闊之外，夜間行車時，它還能提供比人眼觀察傳統后視鏡更加清晰的視野。
再次，后期通過車載系統聯網，甚至還能主動預測危險，進而與車內其他系統協同合作來預防危險的發生。
隨著汽車智能化的全面發展，或許日本這一做法會逐漸得到其他車企以及國家的認可，也就逐漸會有國家取消汽車必配后視鏡的法規限制。
然而真到那個時候，開車時習慣左顧右盼看后視鏡的老鐵們，你能接受嗎？
展開 仿真中的“體力活”：網格驗證能不能自動化？
你做汽車風阻模擬，當車速從60km/h提升到120km/h，尾跡區會變化。原本精心調整的網格，可能在新的工況下完全錯位。
你算液冷，如果更換了流質，例如從水換成乙二醇，由于雷諾數的變化，邊界層的厚度也會隨之改變。這意味著要重新走一遍網格無關性驗證流程。
有沒有辦法讓算法自己尋找需要加密的地方？天洑AICFD的AI網格正是為了解決這一痛點。
在AI網格流程下，你只需要提供一套基礎的、覆蓋幾何形狀的粗網格。算法在計算過程中會實時監控物理場的變化，自動計算物理量梯度，自動加密大梯度區域。
AI網格確保了網格分布始終與物理現象同步，即便換了工況、換了流速，也能自動追蹤新的高梯度區域并適配，無需人工干預。
回到標題，CFD模擬能不能不做網格無關性驗證？
當前階段，重復性、迭代性的工作非做不可，但人不必動手，交給算法就好。
AI網格提高了效率，更重要的是提高了仿真的可靠性。由于去除了人為劃定加密區的主觀性，網格分布更加符合流體力學底層規律。對于復雜的問題，AI網格能夠捕捉到人類工程師可能疏忽的微小渦流或局部過熱點。
一個好的工具，應該讓人從低效的勞動中解脫出來。當工程師不再被枯燥流程所束縛，他們才能更好摸魚，摸累了去探索更深層的工程問題，得到更優的設計方案。
展開 做仿真，除了自己信，別人都不信
再比如，在汽車、家電、石油化工領域都會用的熱交換器，假設你向客戶保證你的換熱器能穩定工作10年。怎么證明？
總不至于裝在試驗臺讓它連續運轉10年，廠子都拖黃了。
這時往往要做加速試驗，在有限時間內模擬產品整個生命周期的損傷累計過程。比如適當增大壓力，適當提高溫度，適當增大振動的幅度，做到“試驗臺一天，抵實際一年”。
顯然，加速試驗也有偏差，有可能試驗臺一天只相當于實際一個月，也可能相當于實際兩年。
但這些因素外人并不知道——這試驗臺咣咣地振，還能騙我不成？
二、做仿真只有自己信
仿真能代表真實世界嗎？
更不能。仿真的本質是在電腦中建立真實世界的數學模型，在這個過程中，為了防止電腦爆炸，必須做到抓大放小。忽略或簡化那些不重要的特征，在精度和計算量之間做權衡。
比如做汽車風阻仿真，通常簡化輪轂結構、刪除輪胎花紋、雨刮器等。
比如做結構強度仿真，經常將薄壁結構簡化為面單元，將細長桿結構簡化為梁單元，將彈簧結構簡化為彈簧單元等等。
刪除哪些，簡化哪些，這其中就有仿真工程師的經驗。所以不同的人對同一個問題用同一款軟件做仿真，很可能得到不同的結果，一個和真實情況相差2%，另一人則相差5%。
他們都沒錯，因為仿真和真實世界之間本就有偏差，而且這個偏差往往比試驗的偏差更大。只要偏差在可容忍范圍，或者對同一類問題，仿真結果與試驗的變化趨勢是一致的，那么仿真結果就可接受，有工程價值。
仿真工程師做了哪些簡化，自己心知肚明，具有相當的理論自信。但外人并不知道這些——你的仿真整個一黑箱模型，我又看不見它咋算的，憑什么讓我信？
三、你們不要再打了啦
試驗和仿真都是對現實世界的模擬，各有優缺，它們二者之間不應是對立和取代的關系，而應是互補。
展開 行業分享丨AI賦能流體仿真：從虛擬風洞到智能設計的實踐與案例
3.PhysicsAI 預測汽車風阻
首先我們來看 AI 和汽車空氣動力學結合的案例。在汽車主機廠通常需要進行風洞實驗，仿真方法是采用虛擬風洞模擬汽車的空氣動力學，通常這類模型規模較大，并涉及多輪設計變動，需要花費很多時間建模、修改、消耗計算資源和人工。總之、實驗成本較高，仿真也不便宜。
Altair PhysicsAI 是學科中立的，基于幾何深度學習，本質是數據驅動的，不論預測的是結構、電磁還是流體場都可以適用。在空氣動力學仿真中，我們通常關注一些氣動參數，比如阻力系數 Cd 或升力系數 Cl。
接下來我們看一下在 PhysicsAI 中如何快速預測這些空氣動力學參數。這里我們使用了 DrivAer 標模，因為是公開數據，有詳細的數據可供下載。PhysicsAI 優勢在于無需參數化，傳統參數優化需要用戶定義尺寸參數，如懸架高度、車身寬度等，而參數定義本身就會帶來約束，且整車氣動外形很難用少量參數精確表達。因此，用幾何深度學習方法預測風阻是一種較理想的方式。
第一步是準備樣本。如果已有歷史數據，車身表面數據，Pressure 和 Wall Shear Stress 可直接作為訓練集。如果沒有，可以使用 HyperMesh 中的 Morph 功能進行形狀變形，比如調整后視鏡或車尾。在這個例子中，訓練集包含98個樣本，測試集20個，訓練使用了1張 A100 GPU，峰值顯存消耗23G，訓練時間13小時，但預測速度僅需幾十秒。
訓練完成后，形成一個 AI 代理模型，用于快速預測空氣動力學性能。預測時只需輸入表面網格或 CAD 數據，輸出為h3d格式的仿真結果，在 CFD-Post 模塊中可以查看表面壓力、剪切力，并通過輸入參考速度等參數計算氣動系數。
展開 技術 | 汽車空氣動力學中不得不說的兩種關系
隨著汽車在日常生活中越來越普及，汽車的低油耗以及高速行駛時的穩定性和安全性，都已成為汽車用戶關注的焦點，而這些都和汽車空氣動力學密切相關。本期作者將帶你了解汽車空氣動力學中不得不說的兩種關系。
風阻系數和風阻的關系
話說，這是非常容易混淆的兩個概念。
但是，必須強調的是，它們有關系，但是絕對不等同。
談論一輛汽車的空氣動力學性能通常會用到風阻系數這項參數。比如說，與氣流方向垂直的平板具有1.25的Cd值，目前市場上空氣動力學性能較好的量產車型具有0.25左右的Cd值。
然而，Cd值低的汽車卻不能代表它的風阻低。
要評價風阻大小，必須同時考慮汽車的正投影面積。 正投影面積是指從正前方觀察到的汽車橫截面積。
汽車受到的風阻越低，在任何給定的速度下行駛所消耗的動力就越少。一輛全尺寸的汽車和其對應的比例模型具有相同的Cd值，但是全尺寸汽車因為其更大的正投影面積，則需要更多的動力來實現加速。
以捷豹XJ6為例，新系列的Cd為0.38、正投影面積為2.06平方米，舊系列的Cd為0.44、正投影面積為1.98平方米。 因此新系列XJ6的CdA為0.7828，舊系列的CdA為0.8712。這意味著捷豹XJ6新系列相比舊系列來說，在任何特定的速度下都能用較少的動力來驅動，并且在相同的功率下會達到更快的速度。
雖然有可能某輛汽車的Cd很低，但是同樣難以彌補車頭部分增加的長度和寬度所帶來的整體風阻的上升。
總之，比較汽車的風阻大小，更準確的對比參數是CdA（阻力系數乘以正投影面積）。
風壓中心和行駛穩定性的關系
氣流氣動力在汽車上的作用點，稱為風壓中心。
由于汽車外型的對稱性，風壓中心在汽車的對稱平面內，但它不一定與重心重合，風壓中心與重心的相對位置對于汽車的穩定性至關重要。
風壓中心由汽車外形和風向共同決定，可以看做所有“風產生的力”都施加在這個點上。
展開 新書推薦《CAD/CAE/CFD/VPT/SC軟件協作技術》
ADINA并進行汽車風阻系數計算 118
5.3.3 讀入Nastran汽車模型轉入ADINA并進行Roof Crush模擬 119
第二篇 CFD軟件篇 121
第1章 CFD的計算機解決方案 124
第2章 理論基礎 126
2.1 CAD幾何建模 126
2.1.1 幾何建模方法 126
2.1.2 幾何建模技術 129
2.1.3 幾何建模格式 130
2.2 CFD網格劃分 132
2.2.1 單塊結構網格生成技術 133
2.2.2 分區結構網格方法 134
2.2.3 非結構網格生成技術 136
2.3 CFD計算求解 138
2.4 CFD后處理 140
第3章 CAD幾何建模的Solidworks實現 142
3.1 Solidworks介紹 142
3.2 Solidworks的建模方法 144
3.3 Solidworks建模實例 145
第4章 ICEM CFD的Solidworks直接CAD界面（DCI） 150
4.1 安裝方法 150
4.2 使用Swmif 157
第5章 CFD網格劃分的ICEM CFD實現 168
5.1 ICEM CFD介紹 168
5.2 ICEM-CFD的處理思路 168
5.3 ICEM CFD各模塊概述 170
5.3.1 CAD處理模塊 170
5.3.2 網格生成與處理模塊 174
5.3.3 網格輸出模塊 176
5.4 ICEM CFD網格劃分實例 177
5.4.1 啟動ICEM CFD 178
5.4.2 進入AutoHexa模塊 178
5.4.3 在ICEM CFD MED中編輯網格 183
5.4.4 將網格輸出到CFD求解器 185
第6章 CFD計算求解的Fluent
展開 
CFD專欄丨基于幾何深度學習的車輛空氣動力學快速預測
（包含場值結果）
用戶可以對AI生成的h3d文件進行常規 CFD 后處理，例如沿著車身創建切面，分析每個切面風阻貢獻量，以及風阻發展累計曲線。
3.7 AI 驅動風阻優化
訓練好的 DrivAer 代理模型（文件尺寸僅30M）嵌入到傳統的 DOE 參數優化流程，替代原先的 CFD 求解器，加速設計迭代。如圖所示，采用AI代理模型對DrivAer 的6個 Morph 變量進行了9輪迭代尋優，將從0.254降低到0.2505。 且優化過程無須調用HPC，可以在普通筆記本電腦完成。
優化迭代曲線
4
總結
傳統的車輛空氣動力學仿真需要經歷幾個步驟：CAD 模型簡化和清理，網格生成，求解器參數設定，HPC 計算和后處理的步驟。通常一輪設計迭代需要數天時間。而 PhysicsAI 工具可以在一分鐘內從整車幾何或面網格上預測出相當準確的空氣動力學參數。幾何深度學習在復雜模型流體力學模擬中展現出革命性潛力：實現實時仿真，推動快速設計優化。
幾何深度學習的預測精度不僅依賴于訓練樣本的可靠性，樣本數量，樣本的多樣性。訓練方法，如超參數的微調，聚類方法，離群值的識別等因素也會產生顯著影響。
展開 智能熱流體仿真軟件AICFD 2023R2新版本功能介紹
AICFD 2023R2進一步豐富和完善前后處理功能，包含：
■ 新增多種網格文件格式導入；
■ 支持千萬級網格的導入、前后處理和求解，充分滿足工程應用需求；
■ 材料庫新增汽車行業常用材料，比如玻璃、隔熱材料等；
■ 新增邊界條件復制粘貼、導入導出功能，操作便捷易用；
■ 新增渦量、聲源強度、六分力等更多變量輸出；
■ 優化后處理界面響應速度，平均提升響應速度較之前版本提升7倍以上；
■ 提升工程文件保存速度；
■ 優化噪聲后處理，在同一個后處理界面可進行噪聲遠場、近場分析。
圖2 支持8000萬以上規模的網格導入、顯示交互和求解計算
圖3 邊界條件的復制粘貼和導入導出功能
2）支持有界中心差分等動量方程數值格式，兼顧計算精度和穩定性
AICFD提供多種數值計算格式，用戶可根據流體仿真問題的特性選擇數值格式，提升計算精度和穩定性。AICFD 2023R2新增有界中心差分等數值格式，特別適用于汽車外氣動計算場景，可有效提升計算精度和穩定性。
（a）車身壓力分布云圖
（b）仿真結果與實驗對比
圖4 某汽車模型的風阻計算，計算精度與實驗偏差在3個count以內
3）豐富和優化湍流模型，提升計算精度
AICFD具備15種湍流模型，覆蓋雷諾平均（RANS）、分離渦模擬（DES）、大渦模擬（LES）類型，可計算穩態和瞬態湍流流動。AICFD 2023R2新增IDDES（Improved Delayed DES）瞬態湍流模型，適合求解汽車外氣動瞬態問題，提升氣動噪聲仿真精度。
展開 空氣動力學在汽車造型設計中的運用
一般來說，歐洲的車廠比較注重汽車的美學設計，同時也很在意SPORTS SEDAN和RACING EDITION之間的分別。所以，歐洲的車廠比較忌用尾翼，而日本的車廠則將尾翼作為賣點推給顧客，從這種分別中也可以輕易的體會出不同國家造車哲學的不同。
對Cd值的一點解釋
最后值得一提的倒是普遍存在的對Cd值的一些誤解。在許多車廠的產品介紹書中，常常會提及新車的風阻系數降低至多少多少Cd，而Cd所指的并不簡單是指我們一般所說的空氣阻力，而是流氣拉力系數(DRAG COEFFICIENT)。
一般而言氣流在車尾造成的拉力，數值越低，表示車尾氣流處理的越流暢，該部分的浮升力亦會越小，相對而言，車輛行走時的阻力會低一點，后輪的下壓力也會好一點。說到這里我們就應該明白，加裝尾翼并不一定會增加Cd值!如果加裝尾翼和尾擾流器后，車輛尾部氣流通過的流暢度增高，那么這輛車的Cd值反而應該降低。汽車設計的空氣動力學問題并不止于車尾，其實車頭的長度和寬度也會影響一部汽車的總拉力數值。比如前縱置引擎的中心點要比前軸的中心點更前，車頭就容易造得很長，而如果加闊前輪距來橫置擺放引擎，車頭部分就會隨著加闊，以上兩種情況都會影響到整體的氣流拉力(CdA)。雖然有可能一輛車的Cd造得很低，但是同樣難以彌補車頭部分增加的長度和寬度所帶來的整體氣流拉力數值的上升,舉個例子來說，一部汽車的風阻系數由原來的Cd0.40下降至Cd0.38，但是車頭的寬度卻增加了75MM，這時它的CdA數值約會上升5%，這樣一來等于完全抵消了Cd下降的效果。(比如新款的ACCORD，雖然風阻系數達到了驚人的Cd0.25,可是因為車體全面比上一代要加大許多,所有在高速時的穩定性表現,我個人估計不會有大幅的攀升，如果這方面的表現的確有所改進，也首先應該歸功于軸距的加長和懸掛設定的改進，空氣動力學的成就反而是次要的。
展開 技術 | 汽車空氣動力學漫談
汽車行業目前已有一種共識，具有良好空氣動力學性能的汽車，加速性能更好、行駛穩定性更強、燃油經濟性更佳。隨著節能環保汽車的呼聲愈強，汽車空氣動力學性能相比以往任何時候，都更被車企所重視。本期作者將帶你走近汽車空氣動力學。
引言
如果一輛汽車以105公里/小時的速度駛向墻壁，將會發生什么？
可以想象：汽車車架會斷裂，玻璃會破碎，當然，安全氣囊也會彈出試圖保護司機和乘客，但即使現代汽車在安全方面已有著巨大進步，這樣的撞車也將會是一次嚴重的事故。因為汽車根本不可能通過任何改良設計而順利穿過一面磚墻。
但是大自然中卻存在著另外一種“墻”，汽車通過改良設計就可以順利從中穿過，這就是“空氣墻”——當汽車高速行駛時遇到的“墻”。
也許大多數人并不認可這種說法，空氣或者風怎么能算一堵墻呢。
汽車低速行駛或風不大時，我們總是很難注意到空氣與車輛的相互作用；但是高速行駛或異常大風時，空氣阻力（空氣對運動物體的作用力）對汽車的加速性能、行駛穩定性和燃油經濟性都有巨大的影響。
空氣動力學是力學的一個分支，主要研究物體與氣體相對運動時的受力特性、氣體流動規律以及伴隨發生的物理化學變化。空氣動力學在航空、航天、汽車領域都有廣泛的應用。
近幾十年來，汽車設計不同程度的考慮了空氣動力學，汽車制造商們也進行了各種各樣的創新設計，試圖使“空氣墻”更容易被穿過。
在了解空氣動力學如何應用于汽車行業之前，先了解一下“風阻系數（Cd）”。
風阻系數（Cd）
風阻系數（Cd）是衡量汽車空氣阻力的數值。
汽車以110公里/小時的車速行駛時，空氣對汽車的阻力比60公里/小時車速行駛時多出四倍。通常使用風阻系數來衡量汽車的空氣動力學能力。簡單來講，風阻系數越低，汽車的空氣動力學相對更佳，也更容易通過“空氣墻”。
一起來看幾個阻力系數值。
展開 