自驾游的兴起,给人们带来了很多生活上的乐趣,行李架的使用也给旅途带来了很多方便。但是方便的同时,因为它不完善的造型可能增加汽车的气动阻力以及气动噪声,这不仅会增加汽车的燃油消耗还会降低本身的舒适性。降低气动阻力和气动噪声已然成为提高汽车经济性和舒适性的重要环节。但行李架造型的改变对降低气动阻力与气动噪声的效果是不一致的,所以如何权衡这两者之间的关系变得至关重要。协同优化（Collaborative Optimization,CO）可以较好的对两者进行约束从而寻找到最优的解决方案。本文以某款SUV汽车模型为基础,在其上安装一款市面上常见的行李架后来作为研究对象,先将降阻和降噪作为单独的两个子学科进行研究,分别寻找出影响气动阻力和气动噪声重要的关键因素,利用网格变形技术对行李架造型的关键部位进行参数化建立模型。然后通过CFD数值仿真模拟软件对选取的样本点进行计算,同时建立可靠的Kriging响应面模型。最后基于两个子学科的近似模型,构建协同优化模型寻找最优的低阻低噪方案。本文的主要研究内容如下:一、仿真计算前模型处理。对某SUV车型填补车身内外之间的缝隙并且忽略无关的细节,加装行李架。设置五层网格加密区充分捕捉流场细节,并且进行网格无关性验证,同时满足检测噪声频率在5000Hz所需要网格尺寸。二、原始模型的阻力与噪声的数值仿真计算。设置11个远场监测点对远场噪声监测。分别对阻力及噪声仿真模拟,对流场结果进行分析,并对选用阻力和噪声影响较大的部位作为优化设计变量。三、阻力和噪声的单目标优化。使用最优拉丁超立方抽样法对设计变量选取了样本点,并且利用网格变形技术建立样本点模型,然后利用CFD数值仿真进行计算。再用Kriging近似模型分别构建设计变量与气动阻力与气动噪声的响应关系,根据决定系数R2等方法分析了近似模型的精度,分别确定气动阻力与气动噪声的最佳近似模型,最后利用多岛遗传算法对两个目标进行单目标寻优得到低阻和低噪的设计变量,并分别建立模型进行验证分析。四、阻力与噪声的协同优化。基于前面建立的近似模型在Isight软件上构建协同优化框架寻找低阻低噪模型,权衡两者的关系最终寻找到最优的模型,并进行仿真验证分析。本论文最终得到结论如下:（1）阻力通过单目标优化降低了1.76%,误差0.26%;噪声通过单目标优化降低了15.39%,误差3.07%,优化结果和数值仿真模拟结果误差均在5%以内,具有较高的可信度。（2）协同优化低阻低噪结果:气动阻力降低了1.60%,误差0.17%;气动噪声降低了14.92%,误差3.84%。优化结果和数值仿真模拟结果误差均在5%以内,均有较高的可信度。（3）本文通过对气动阻力与气动噪声的单目标优化以及最后的权衡两单目标的比例进行协同优化得到较低的阻力和噪声的模型,为汽车气动外形优化提供一定的参考意义,并且可以为选取经济性以及舒适性较好的行李架提高参考价值。