孙 浩 ，汪怡平 ，张成才 ，苏楚奇 ，苏建军

(1.现代汽车零部件技术湖北省重点实验室，武汉理工大学，武汉 430070 2.汽车零部件技术湖北省协同创新中心，武汉理工大学，武汉 430070 3.湖北省新能源与智能网联车工程技术研究中心，武汉理工大学，武汉 430070 4. 湖北省齐星汽车车身股份有限公司，湖北，随州 441300)

随着汽车产业的发展及消费者对出行品质要求的提升，气动噪声作为高速行驶时的主要噪声也日益受到乘客及研发人员的重视，而后视镜作为汽车的重要组件及主要气动噪声源，如何设计开发低噪的后视镜成为众多学者研究的课题。

国内外各大汽车公司为了降低汽车的气动噪声，修建能够进行整车试验的声学风洞，但风洞只能进行原型车的气动噪声测试[1]。通过气动声学数值模拟进行结构优化，需要研发人员具有深厚的理论功底和丰富的工程经验，而且采用基于瞬态流场的气动声场的优化需要耗费大量的计算资源和时间，从而导致开发周期长、成本高等问题。

机器学习作为现代计算机科学与人工智能的核心，其本质是通过算法直接从已知数据中“挖掘”信息并“学习”规律，进而将“学习”到的规律应用到新的数据样本中，从而实现对未知数据的预测[2]。利用机器学习对已有的后视镜气动噪声数据进行学习，从而预测得到不同特征下后视镜的气动噪声值，不仅降低了研发成本，还缩短了开发周期，更重要的是可以避免工程人员重复工作，有助于训练新的工程师[3]。……