2019年在世界各国的汽车保有量调查中,中国高居首位。高汽车保有量给我国带来了巨大能源环境问题。在我国积极推进碳中和的工作下,减少汽车行驶阻力,减少汽车燃油消耗与电能消耗具有积极的意义。汽车高速行驶状态下,空气动力阻力在所有阻力中占比超60%。应用流动控制技术,可以针对特定车体的流场结构进行优化,有主动与被动两种控制方法。本文将主动射流减阻技术应用在25°高阻Ahmed模型上,通过控制车体尾部流场来提升车体背压,从而减少车体行驶过程中的气动阻力。根据Ahmed原始模型和风洞试验阻塞比的要求,针对等比例缩小后的Ahmed高阻车模的结构特点创新提出了5组可变角度的激励器射流系统设置在车体尾部不同位置。实验过程中的雷诺数是1.67×10~5。在不同位置激励器的独自射流控制实验中,通过对各组激励器在不同射流激励角度和流量系数下进行实验。得到了不同位置激励器单独控制下的最优控制律。单激励器控制的下最大的减阻率仅为14%。在目前的工作中,本文提出了一种改进的蚁群优化（ACO）算法,它是加权采样和传统蚁群算法的结合,用于优化高阻力Ahmed模型的减阻。基于该算法,搭建了人工智能自动化操作平台,开展组合激励下的变角度射流控制实验研究。在进行了若干代数不同控制律下的实验测量之后。找到了最佳的控制参数组合。同时,实现了33%的减阻率。相比较于无控制状态下,组合射流控制后的模型尾部压力明显提升。改进后的蚁群算法控制下的变角度组合激励实验可以实现真正意义上的全局寻优,更好地对尾部流场结构进行控制。与人工开环控制结果相比,人工智能控制系统找到了更优的控制律参数。通过优化模型的激励器系统,模型的吹气角度可以任意变化,从而将吹气角度作为控制参数引入到ACO算法中。该方法为三维钝体减阻研究提供了一种新的可行方案。