翼身融合飞行器气动 设计 的一大痛点，是变几何构型+多飞行工况下的 方案快速 迭代。 这类 飞行器机身与机翼 一体化 融合， 整体外形关联性紧密 ，叠加马赫数、攻角、飞行高度等 不同 飞行工况， 会产生 海量 “ 构型- 工况 ” 组合方案。传统仿真 针对每一组合需耗时数小时甚至数天， 制约 了设计 方案的快速迭代。

本案例依托Smart-SIM通用AI代理模型工具，实现变几何、变工况下气动力学响应的秒级预测，高效 实现 翼身融合飞行器气动设计与优化校核 。

01 仿真方案与数据集搭建

依托 Smart-SIM通用AI代理模型工具完成样本导入、模型训练、模型计算、模型导出全流程操作，搭建数据驱动的AI代理模型，实现对传统气动仿真的智能化替代。

分析 对象为翼身融合飞行器外形 ， 数据集由 CFD仿真生成 的 869组有效样本 构成， 搭配 TXT格式 工况 参 数 文件 ^[1] 。核心监测物理量为机体表面压力系数与三个方向的摩擦系数， 对应表面的压差受力与黏性摩擦受力。 训练前 进行全量样本 一致性校验，整体数据质量满足 AI模型训练要求。样本查看如图1所示，模型训练资源配置如图2所示。

  图 1 样本查看图

图 2 模型训练资源配置界面

样本处理完成后，采用平台专业模式开展模型训练，可自主选择算法类型，精细化设置模型参数与训练参数，适配高精度工程仿真需求，算法设置界面如图 3所示。

图 3 算法设置界面

02 Smart-SIM预测效果展示

Smart-SIM在本案例中实现了传统气动仿真到AI智能预测的效率跨越，变几何、变工况批量计算能力得到大幅提升。 基于 Smart-SIM构建的 AI 代理 模型可 支持非参 几何 结构 、飞行工况 的 调整， 导入新 几何模型 并设置 工况参数 ， 数秒内即可完成飞行器整体气动分析 。本案例模型训练时长约 2 h（ 4060Ti 单卡） ，适配工程多变的设计场景。

分析 完成后，用户可 通过云图 直观查看压力系数 、 摩擦系数 等气动 结果，如图 4所示， 压力系数最大值偏差不超过 2% 。

  图 4 仿真结果和模型计算结果的对比及误差云图

模型训练过程中，损失函数曲线平稳收敛（见图 5），表示模型学习充分，具备优异的稳定性与泛化能力。最终测试指标如图6所示，模型 R²值约0.86 ， RMSE、MAE误差指标均控制在工程可接受区间，无明显过拟合现象，精度可靠、误差可控，可替代传统数值仿真，用于翼身融合飞行器 流场分析与构型 优化 工作 。

  图 5 损失函数变化曲线示意图

  图 6 总体误差

03 模型复用与离线部署能力

模型精度验证达到可接受范围后，可直接保存备用如图 7，支持全新自定义几何模型导入+任意工况参数输入，实现变几何、多工况场景的通用化预测。本案例导入全新ST L 格式翼身融合飞行器几何模型，设置 飞行海拔 10.67km、雷诺数5E6、马赫数为0.1、迎角为0° 的工况下开展预测计算，软件可快速输出对应的流场，可视化云图如图 8所示。

  图 7 模型保存界面

  图 8 新几何预测结果云图

同时， Smart - SIM可将训练完成的模型导出独立exe程序如图9所示，导出的exe程序可脱离软件平台，通过命令行调用预测，满足工程自动化批量计算需求。程序最终自动输出 VTU格式结果文件，可通过新建工程作为样本导入查看，也可借助第三方可视化工具对结果进行查看，效果如图10所示，在几何与参数相同的情况下，与软件中图8的预测结果一致。

图 9 模型导出

  图 10 第三方后处理软件查看结果云图

04 案例总结

该翼身融合飞行器气动预测案例，落地价值清晰，精准解决行业核心痛点：

1. 解决变几何+ 多 飞行工况下批量仿真难度大、迭代与优化周期长的痛点，支撑翼身融合飞行器快速气动构型设计与方案迭代；

2. 仿真效率实现超百倍提升，同时精度保持在可接受范围，兼顾高效性与可靠性；

3. 模型泛化性、复用性强，可推广至常规布局飞行器、机翼/翼型等气动外形的表面气动场预测场景。

目前 Smart-SIM 智能快速预测工具 V1.0 已正式上线！

欢迎广大工程技术人员体验 AI极速仿真能力！

参考文献

[1] Sung N, Spreizer S, Elrefaie M, et al. BlendedNet++: A Large-Scale Blended Wing Body Aerodynamics Dataset and Benchmark[J]. arXiv preprint arXiv:2512.03280, 2025.