本發(fā)明涉及空氣動力學(xué)，具體而言，涉及一種車輛風(fēng)阻系數(shù)的預(yù)測方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、風(fēng)阻系數(shù)是衡量物體在流體中運動時所受空氣阻力的一個重要參數(shù)，直接影響交通工具的燃油效率和高速行駛性能。傳統(tǒng)風(fēng)阻系數(shù)預(yù)測方法依賴于物理模型和實驗測試，不僅成本高昂，而且難以實時反饋設(shè)計改動的影響。隨著計算機技術(shù)的發(fā)展，計算流體動力學(xué)(computational?fluid?dynamics，cfd)軟件成為預(yù)測風(fēng)阻系數(shù)的重要工具。cfd通過數(shù)值模擬流體流動，能夠提供詳細(xì)的流場信息，包括壓力分布、流線等，進(jìn)而計算風(fēng)阻系數(shù)。盡管cfd技術(shù)相對精確，但它需要高性能計算資源，且模擬設(shè)置與驗證復(fù)雜，對使用者的專業(yè)知識有較高要求。

2、使用cfd進(jìn)行風(fēng)阻系數(shù)計算一般涉及以下幾個核心步驟：步驟一：幾何建模，是指通過cad軟件完成汽車的三維計算機模型。此模型能夠反映汽車的外形細(xì)節(jié)，包括車身、底盤、輪胎等。步驟二：網(wǎng)格劃分，即將三維模型劃分為有多個體積單元組成的網(wǎng)格。網(wǎng)格質(zhì)量直接影響計算的準(zhǔn)確性和效率，需要根據(jù)流場特性選擇合適的網(wǎng)格類型和密度。越細(xì)的網(wǎng)格能夠捕捉更復(fù)雜的流體特性，但也會增加計算資源的需求。步驟三：邊界條件設(shè)定：即是設(shè)定流場的邊界條件，包括但不限于流體流體入口速度、壓力、溫度以及壁面條件(如滑移或無滑移)。對于風(fēng)阻計算，通常關(guān)注車輛周圍的自由流場條件。步驟四：湍流模型選擇：由于實際流體多為湍流，選擇合適的湍流模型至關(guān)重要。常用模型有雷諾平均navier-stokes模型(如k-ε模型)、大渦模擬(les)或直接數(shù)值模擬(dns)。選擇模型還需要考慮計算成本與所需精度之間的平衡。步驟五：求解控制方程：利用cfd軟件求解納維-斯托克斯方程(navier-stokes?equations)或其簡化形式，以模擬流體在車輛周圍的流動。這一步通常涉及迭代計算，直至收斂至預(yù)定的容差標(biāo)準(zhǔn)。步驟六：后處理與分析：計算完成后，對結(jié)果進(jìn)行后處理，分析流場特性，如速度場、壓力分布、漩渦結(jié)構(gòu)等。通過計算車輛表面的壓力分布，可以集成這些壓力值以計算總的風(fēng)阻力，進(jìn)而確定風(fēng)阻系數(shù)(cd)。步驟七：驗證與優(yōu)化：將計算結(jié)果與風(fēng)洞實驗數(shù)據(jù)或其他可信數(shù)據(jù)對比，驗證cfd模型的準(zhǔn)確性。根據(jù)驗證結(jié)果，可能需要調(diào)整網(wǎng)格、邊界條件或模型參數(shù)以提高預(yù)測精度。此外，利用cfd進(jìn)行參數(shù)化研究，探索不同設(shè)計變量對風(fēng)阻系數(shù)的影響，指導(dǎo)優(yōu)化設(shè)計。步驟八：趨勢分析與報告：分析風(fēng)阻系數(shù)隨設(shè)計變化的趨勢，總結(jié)設(shè)計優(yōu)化策略，并編寫詳細(xì)的技術(shù)報告，包括計算方法、結(jié)果分析、誤差評估等內(nèi)容。

3、前述使用cfd進(jìn)行風(fēng)阻系數(shù)計算的方案存在以下缺陷：1、模型復(fù)雜，需要消耗大量的計算資源和時間；2、模擬設(shè)置和驗證復(fù)雜，對使用者的專業(yè)知識有較高要求；3、前期車輛造型的概念方案多，如果每個造型都采用cfd建模并計算的話，會花費大量的時間，無法及時響應(yīng)。

4、有鑒于此，特提出本發(fā)明。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種車輛風(fēng)阻系數(shù)的預(yù)測方法、裝置、控制器及介質(zhì)，以通過孿生網(wǎng)絡(luò)預(yù)測車輛的風(fēng)阻系數(shù)，減少了對大量計算資源的需求，從而降低了研發(fā)成本，提高了多個方案或者設(shè)計變更后風(fēng)阻系數(shù)的計算效率。

2、為了實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、第一方面，本發(fā)明提供了一種車輛風(fēng)阻系數(shù)的預(yù)測方法，包括：

4、獲取待訓(xùn)練車輛模型數(shù)據(jù)，所述待訓(xùn)練車輛模型數(shù)據(jù)至少包括第一車輛三維模型數(shù)據(jù)和第一車輛三維模型數(shù)據(jù)對應(yīng)的第一風(fēng)阻系數(shù)值，以及第二車輛三維模型數(shù)據(jù)和第二車輛三維模型數(shù)據(jù)對應(yīng)的第二風(fēng)阻系數(shù)值；所述第一車輛三維模型數(shù)據(jù)和所述第二車輛三維模型數(shù)對應(yīng)的車型的結(jié)構(gòu)外形不同；

5、基于所述第一車輛三維模型數(shù)據(jù)和所述第二車輛三維模型數(shù)據(jù)的各頂點屬性進(jìn)行簡化處理，得到簡化率滿足預(yù)設(shè)簡化率閾值的第一車輛簡化模型數(shù)據(jù)和所述第二車輛簡化模型數(shù)據(jù)；

6、將所述第一車輛簡化模型數(shù)據(jù)和所述第二車輛簡化模型數(shù)據(jù)分別輸入到風(fēng)阻訓(xùn)練孿生網(wǎng)絡(luò)模型的第一子網(wǎng)絡(luò)和第二子網(wǎng)絡(luò)進(jìn)行深度特征提取，得到第一車輛深度特征和第二車輛深度特征；

7、根據(jù)所述第一車輛深度特征和所述第二車輛深度特征得到第一預(yù)測風(fēng)阻系數(shù)值和第二預(yù)測風(fēng)阻系數(shù)值；

8、根據(jù)所述第一預(yù)測風(fēng)阻系數(shù)值和所述第二預(yù)測風(fēng)阻系數(shù)值，以及所述第一風(fēng)阻系數(shù)值和所述第二風(fēng)阻系數(shù)值對所述風(fēng)阻訓(xùn)練孿生網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練以及參數(shù)調(diào)整得到風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型，所述風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型使輸出的所述第一預(yù)測風(fēng)阻系數(shù)值和所述第二預(yù)測風(fēng)阻系數(shù)值分別與所述第一風(fēng)阻系數(shù)值、所述第二風(fēng)阻系數(shù)值相比較的預(yù)測差值滿足預(yù)設(shè)差值閾值；

9、獲取待預(yù)測車輛三維模型數(shù)據(jù)，將所述待預(yù)測車輛三維模型數(shù)據(jù)進(jìn)行簡化處理后輸入到所述風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型，得到待預(yù)測車輛的預(yù)測風(fēng)阻系數(shù)值。

10、第二方面，本發(fā)明提供了一種車輛風(fēng)阻系數(shù)的預(yù)測裝置，包括：

11、獲取模塊，用于獲取待訓(xùn)練車輛模型數(shù)據(jù)，所述待訓(xùn)練車輛模型數(shù)據(jù)至少包括第一車輛三維模型數(shù)據(jù)和第一車輛三維模型數(shù)據(jù)對應(yīng)的第一風(fēng)阻系數(shù)值，以及第二車輛三維模型數(shù)據(jù)和第二車輛三維模型數(shù)據(jù)對應(yīng)的第二風(fēng)阻系數(shù)值；所述第一車輛三維模型數(shù)據(jù)和所述第二車輛三維模型數(shù)對應(yīng)的車型的結(jié)構(gòu)外形不同；

12、簡化模塊，用于基于所述第一車輛三維模型數(shù)據(jù)和所述第二車輛三維模型數(shù)據(jù)的各頂點屬性進(jìn)行簡化處理，得到簡化率滿足預(yù)設(shè)簡化率閾值的第一車輛簡化模型數(shù)據(jù)和所述第二車輛簡化模型數(shù)據(jù)；

13、特征提取模塊，用于將所述第一車輛簡化模型數(shù)據(jù)和所述第二車輛簡化模型數(shù)據(jù)分別輸入到風(fēng)阻訓(xùn)練孿生網(wǎng)絡(luò)模型的第一子網(wǎng)絡(luò)和第二子網(wǎng)絡(luò)進(jìn)行深度特征提取，得到第一車輛深度特征和第二車輛深度特征；

14、特征處理模塊，用于根據(jù)所述第一車輛深度特征和所述第二車輛深度特征得到第一預(yù)測風(fēng)阻系數(shù)值和第二預(yù)測風(fēng)阻系數(shù)值；

15、訓(xùn)練模塊，用于根據(jù)所述第一預(yù)測風(fēng)阻系數(shù)值和所述第二預(yù)測風(fēng)阻系數(shù)值，以及所述第一風(fēng)阻系數(shù)值和所述第二風(fēng)阻系數(shù)值對所述風(fēng)阻訓(xùn)練孿生網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練以及參數(shù)調(diào)整得到風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型，所述風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型使輸出的所述第一預(yù)測風(fēng)阻系數(shù)值和所述第二預(yù)測風(fēng)阻系數(shù)值分別與所述第一風(fēng)阻系數(shù)值、所述第二風(fēng)阻系數(shù)值相比較的預(yù)測差值滿足預(yù)設(shè)差值閾值；

16、預(yù)測模塊，用于獲取待預(yù)測車輛三維模型數(shù)據(jù)，將所述待預(yù)測車輛三維模型數(shù)據(jù)進(jìn)行簡化處理后輸入到所述風(fēng)阻目標(biāo)孿生網(wǎng)絡(luò)模型，得到待預(yù)測車輛的預(yù)測風(fēng)阻系數(shù)值。

17、第三方面，本發(fā)明提供了一種電子設(shè)備，包括：

18、至少一個處理器，以及與至少一個所述處理器通信連接的存儲器；

19、其中，所述存儲器存儲有可被至少一個所述處理器執(zhí)行的指令，所述指令被至少一個所述處理器執(zhí)行，以使至少一個所述處理器能夠執(zhí)行上述的車輛風(fēng)阻系數(shù)的預(yù)測方法。

20、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，所述介質(zhì)上存儲有計算機指令，所述計算機指令用于使所述計算機執(zhí)行上述的車輛風(fēng)阻系數(shù)的預(yù)測方法。

21、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

22、1、響應(yīng)速度快：本發(fā)明能夠快速反饋多個方案或者設(shè)計變更后的風(fēng)阻系數(shù)，提高汽車外形設(shè)計的效率；

23、2、降低成本：本發(fā)明可以通過自研的孿生網(wǎng)絡(luò)來預(yù)測風(fēng)阻，減少了對大量計算資源的需求，從而降低了研發(fā)成本；

24、3、提高精度：通過學(xué)習(xí)大量的實驗數(shù)據(jù)和模擬數(shù)據(jù)，捕捉到傳統(tǒng)方法可能忽略的復(fù)雜非線性關(guān)系，從而提高風(fēng)阻計算的精度，降低物理試驗的依賴。

25、4、適應(yīng)性強：適用于汽車、航空航天等多個領(lǐng)域的空氣動力學(xué)性能優(yōu)化；

26、5、高效率：采用網(wǎng)格簡化算法對三維模型進(jìn)行簡化，提高模型算法的效率。