目前节能减排成为了汽车行业关心的重点之一,在满足动力性的同时又提高燃油经济性的直接方法就是降低汽车的行驶阻力。同时,人们对美好生活的追求又要求汽车具有良好的驾驶舒适性和良好的隔绝性。随着车速的提高,空气动力学因素也成了汽车行驶时不可忽视的外在因素,汽车的气动阻力和气动噪声就成了影响汽车的燃油经济性和驾驶舒适性的关键因素之一。因此减小汽车高速行驶时的气动阻力和气动噪声就成了提高燃油经济性和驾驶舒适性的关键,降低汽车的气动阻力和气动噪声又涉及到多学科优化的相关方法,而多学科方法中的协同优化算法能很好地解决阻力和噪声的耦合问题。本文以某SUV的实车模型为基础,该车的后视镜为具体研究对象,从空气动力学角度,以低阻低噪为优化目标展开研究。将气动阻力和气动噪声分为两个子学科,通过对原始模型的流场分析,找出后视镜处会影响气动阻力和气动噪声的变量,针对该变量进行优化分析,引入协同优化的算法,在分别得到气动噪声和气动阻力的单独最优的结果上,搭建低阻低噪的协同优化模型,并完成最终的结果优化和验证分析。具体的研究内容如下:对模型进行计算域的建立、初步划分网格,并做网格的无关性验证,对后视镜处的网格进行网格加密并设置多个网格加密区。在左前侧窗后视镜气流的影响区域,建立了八个气动噪声监测点,按照相关工程经验,进行稳态与瞬态计算,对计算结果进行空气动力学分析,得出原始的后视镜造型会在后方造成较大的湍动能损耗,影响后部流场,并产生较强的气动噪声。根据对模型的流场分析,找出该车型后视镜处造成较大气动阻力和气动噪声的原因可能为后视镜与车身的夹角不合理、后视镜相对车身的距离不合理。根据原始模型的仿真结果分析,以后视镜与车身的夹角、后视镜相对车身的距离为变量进行优化设计,在不改变车身整体造型风格和违反相关道路法规的基础上,确定了两个变量的变量范围,并通过拉丁超立方取样方法在变量范围内选取20组样本。使用网格变形技术,依照样本对原始模型进行先旋转角度再平移距离的变形策略进行外形优化并进行仿真,并分别将气动阻力最优组和气动噪声最优组与原始模型进行对比分析。采用kriging近似模型构建响应面,并基于决定系数~2进行误差分析,确定了阻力值以及其中一个噪声监测点为满足精度的样本点并用于之后的优化计算。使用多岛遗传算法对阻力和气动噪声值进行单独寻优,得到了单侧后视镜阻力的最小最大值分别为5.75N与12.70N,该监测点气动噪声最小值与最大值分别为113.26dB与126.29dB。根据遗传算法的单目标寻优结果,建立协同优化的数学表达式与优化基本流程,并搭建低阻低噪的协同优化平台。设置了三种不同的优化权重,并从优化结果中最终选取一组作为最终的优化结果,并做误差分析。最终的优化结果为:阻力值的最终优化值为7.27N,结果较原始模型降低2.43 N,降幅达25.05%,与预测值的误差为4.34%。声压级最终优化值为113.93dB,较原始模型降低8.48 dB,降幅为6.93%,与预测值的误差为0.43%。通过本研究,发现在该车型上,在不影响视野的情况下适当增大后视镜的后倾角度,同时适当增大后视镜与车身的间距,可有效地较低气动噪声与气动阻力值大小。并为汽车开发时后视镜的造型及布置提供一定的参考。