随着我国汽车保有量的不断增加,伴随而来的能源紧张和环境污染问题愈加突出。为了减少能源消耗并推动汽车行业可持续发展,国务院和工信部明确要求:到2025年,乘用车平均燃料消耗量降到4.0L/百公里。除去一些不可避免的能量消耗,汽车在日常行驶过程中只能依靠减少空气阻力来提高能源利用率。本文以某款MPV车型为研究对象,从理论分析、数值仿真、网格变形、参数筛选和预测模型搭建等方面研究了该车型的风阻性能,并进行了整车风阻系数的预测。本文主要研究内容如下所示:1.整车风阻仿真模型的搭建。以某款MPV车型为研究对象,依据该车型实际尺寸按照1:1比例搭建整车风阻仿真模型。为使模型精度尽可能的高,重点研究了模型计算域尺寸、面网格和体网格的划分方式以及合理的边界条件和仿真计算设置,使得仿真模型精度达到99.44%。2.关键外形参数筛选。针对传统的关键外形参数筛选方法的弊端,提出了一种新的筛选关键外形参数的方法:（1）对11个汽车外形参数:车高、轴距、后悬、发罩倾角、前挡倾角、后挡倾角、离去角、离地间隙、接近角、前悬和车宽进行了耦合仿真分析;（2）利用灰色关联分析法、Vroman灵敏度分析和纯相关性分析法计算11个参数和整车风阻系数的相关性大小;（3）利用模糊数学对计算结果进行综合分析,筛选出对整车风阻系数具有显著性影响的关键外形参数:轴距、离地间隙、前挡倾角、后悬、后挡倾角和车宽。3.整车风阻预测模型的建立。针对关键外形参数搭建基于BP神经网络的整车风阻预测模型。主要包括隐含层节点数、隐含层激励函数和训练算法的选取。通过30组训练确定最佳隐含层节点数为9。仿真结果表明激励函数为Sigmoid,训练算法为RPROP算法的BP神经网络具有更低的平均相对误差,误差为5.45%。4.闪电搜索算法优化BP神经网络预测模型。针对BP神经网络初始权值和阈值的不确定性以及容易陷入局部极小值的问题,利用闪电搜索算法对其优化。利用闪电搜索算法进行整车风阻系数的训练和预测,并将其与遗传算法和粒子群算法进行比较。三种算法优化后的预测精度均高于优化前,优化后平均相对误差分别为2.83%、3.79%和3.45%。闪电搜索算法具有最低的预测误差。