本项目针对低成本原型赛车研发周期长、资源受限的痛点，开发了一套车架与气动性能数据驱动协同设计流程。项目以合作企业ASR车队的原型车开发为背景，融合机器学习与数值仿真技术，从车架力学性能与赛车空气动力学两个核心维度展开研究。一方面建立钢管空间车架的高保真碰撞与静载有限元模型并进行FIA规范对标，确保结构安全性；另一方面构建双段组合翼全自动CFD仿真管线与代理模型，实现气动性能预测与优化。

项目旨在实现原型车关键结构的轻量化安全设计与气动性能的高效智能优化。具体目标包括：1.建立钢管车架高保真有限元模型，在虚拟样机阶段对静载和碰撞工况下的刚度、强度与吸能进行FIA合规验证，以替代物理试验；2.构建双段组合翼参数空间，搭建零人工介入的“建模-打标-网格-求解”全自动CFD仿真流水线以获取样本；3.训练对比随机森林、多层感知机等代理模型，实现气动特性的毫秒级预测，并以此构建多场景气动寻优框架，缩短气动开发周期。

项目取得了如下成果：1.完成低成本车架设计与FIA合规性验证，仿真显示其静载与碰撞工况下的抗冲击和吸能表现均显著优于安全限值，保证了结构可靠性；2.搭建了稳定运行的全自动CFD仿真流水线，零人工干预高效产出批量高质量气动样本；3.对比了6种代理模型，极大减少气动开发的时间成本，打通了四种典型气动寻优场景，为本项目研究构型的气动优化以及后续ASR原型车空力进一步研发提供了科学的工程决策范式。