随着我国经济的发展,近年来我国的机动车保有量迅速增加,目前已经位居全球第一。伴随汽车行业的快速发展,由汽车引起的能源损耗和环境污染问题越发严重,而减小汽车阻力是一条有效且可行的重要解决途径。目前大量的研究基于Ahmed汽车模型展开,关于汽车模型减阻的一个方法是利用流动控制技术改变模型的尾流结构,控制方法包括被动控制和主动控制。本文旨在减小0度Ahmed汽车模型的阻力,在汽车模型后背面边缘设计了4个激励器,并运用一种基于人工智能方法的主动控制技术,在低速风洞环境下开展实验研究。针对实验内容和研究目的,设计了Ahmed汽车模型开环控制实验,实验包括了脉冲吹气控制和定常吹气控制。基于雷诺数为1.67×105的环境,在脉冲吹气控制下研究了不同的吹气角度,吹气频率以及吹气出口形状下的模型阻力与后背面压力变化,寻找最佳的控制组合。在定常吹气控制下也进行了类似的实验研究。在开环实验中取得的最大减阻率为3.6%,由此确定了最佳吹气角度为向内45度,最佳吹气出口形状为圆孔阵列。以单激励器开环控制实验的结果为基础,设计了Ahmed汽车模型多激励器的线性遗传编程人工智能控制实验,吹气方式包括脉冲吹气与定常吹气。实验以线性遗传编程作为算法基础,进行若干个代数的数据测量与计算,最终在脉冲射流和定常射流中都寻找到最优的控制组合,在脉冲射流控制下取得10.5%的后背面压力回升、8.8%的减阻率,在定常射流控制下取得11.5%的后背面压力回升、9.5%的减阻率。设计了Ahmed汽车模型多激励器的组合算法人工智能控制实验,以拉丁超立方采样和单纯形方法相结合的组合算法为基础,进行了脉冲吹气与定常吹气相结合的吹气控制实验。进一步提高了减阻效果,取得了16.0%的后背面压力回升以及12.9%的减阻率。结果表明人工智能主动控制方法具有一定的优越性。