01.技术特色
AiAero是基于深度学习算法的风阻系数及流场预测工具，在大量已有的仿真数据支持下，通过公司自研的长风软件提取整车特征参数和流场结果， 利用残差神经网络训练代理模型，实现对风阻系数和流场的快速预测。
AiAero颠覆性的将传统CFD仿真需要4到5天的工作量缩短至1个小时内，同时模型预测精度误差控制在5%以内，完全满足工程实际应用中对计算精度和效率的双重需求。该方法不仅大幅提升了汽车外气动的研发效率，还为汽车造型设计等领域的快速迭代提供强有力的技术支撑。
02.技术方案
AiAero预测类型有三种，分别是特征参数预测Cd，预测2D切片流场和Cd，以及预测3D流场和Cd。
特征参数预测Cd技术方案
利用自研的长风软件自动提取整车模型的42个关键特征参数和该模型对应的风阻系数（Cd值），创建样本集用于AI训练。整车所有零件的命名需满足一定的技术规范，确保特征提取参数提取的准确性，如不满足规范需手动进行修改。
>>整车特征参数
2D流场预测技术方案
设定固定尺寸的流场提取计算域，基于自研的长风软件，将2D切片流场像素化，计算各个像素点到车身表面的距离，提取像素点处的速度、压力等物理量值以及该模型对应的风阻系数（Cd值），创建样本集用于AI训练。
3D流场预测技术方案
与2D切片流场的算法一样，通过设定固定尺寸的流场提取计算域，将计算域像素化，计算各个像素点到车身表面的距离，提取像素点处的速度、压力等物理量值以及该模型对应的风阻系数（Cd值），创建样本集用于AI训练。
03.训练流程
AiAero的训练流程包括制作训练集、模型训练、保存训练好的模型参数以及AI预测。
其中训练集的制作占据大部分的工作量，通过公司自研的工具软件，不但可以批量将STARCCM+求解后的sim文件转为可读取识别的case文件，还可以自动提取结果数据，生成AI训练需要的样本集，全程无需人为干预。
这一自动化流程不仅大幅缩短的样本集制作周期，同时还保证了样本质量的一致性。
可视化训练过程
基于网页端的自动训练，训练过程的残差曲线可以实时查看。支持定时开始训练，或者通过检测样本数量，当样本数量达到设定限值即可自动开启新一轮训练。
04.训练成本
>>硬件资源：NVIDIAA800显卡
05.水密操作
在基于AI技术的整车风阻预测中，乘员舱密封性是至关重要的基础条件。
针对平台化的整车开发方法，常遇见的密封性问题有下车体凸出于上车体、轮毂与轮眉不匹配、乘员舱不封闭、上下车体不连接等。针对上述问题，借助于长风软件强大的几何修补处理功能，通过平移、补孔、投影等方法，可快速实现整车水密，满足AI预测要求。
06.预测精度
误差小于5%的正确率达92%，满足工程开发实际应用。
|
|
|
|
|
|
|
|
|
|
|
|
07.预测案例
