استكشاف التصميم السريع باستخدام الديناميكيات الهوائية وعقود الفروقات والنماذج البديلة

المكاسب:

• كن قادرًا على شرح كيفية استخدام الذكاء الاصطناعي في الإعداد وتفسير النتائج وإنشاء النماذج البديلة في عملية ديناميكيات الموائع الحسابية (CFD).
• القدرة على مسح مساحة تصميم كبيرة بسرعة وتصنيف الأشكال الهندسية المرشحة باستخدام نماذج بديلة قائمة على التعلم الآلي
• القدرة على التحقق من صحة النواتج الديناميكية الهوائية التي تعمل بالذكاء الاصطناعي مع التقارب واستقلال الشبكة ومعايير المعقولية المادية

كيف ينتج الجناح قوة الرفع، وكيف يقسم جسم الطائرة الهواء، وكيف يحرف سطح التحكم التدفق؛ الديناميكا الهوائية هي علم هذه القوى غير المرئية. يتعلم المهندس هذه القوى بطريقتين: عن طريق التجربة في نفق الرياح أو عن طريق ديناميكيات الموائع الحسابية بالكمبيوتر (CFD؛ ديناميكيات الموائع الحسابية، وهي طريقة تحل معادلات التدفق رقميًا على شبكة حسابية). عقود الفروقات قوية ولكنها باهظة الثمن: يمكن أن يستغرق التشغيل المعقد ساعات، أو حتى أيام، مما يؤدي إلى نقطة تصميم واحدة. المهندس الذي يريد تجربة مئات التصاميم يواجه عنق الزجاجة هنا.

ويفتح الذكاء الاصطناعي عنق الزجاجة هذا في مكانين. أولاً، في عملية CFD نفسها: التحكم في الإعداد وتفسير النتائج وإعداد التقارير. ثانيا، والأكثر تحويلا، هي النماذج البديلة (نموذج التعلم الآلي الذي يتعلم العلاقة بين المدخلات والمخرجات لمحاكاة باهظة الثمن ويعطي تنبؤا تقريبيا في ثوان). بفضل النموذج البديل، يتم مسح مساحة تصميم كبيرة في ثوانٍ بدلاً من ساعات، ويتم اختيار عدد قليل من المرشحين الواعدين، ويتم حسابهم فقط باستخدام عقود الفروقات الكاملة وبدقة عالية. في هذه الوحدة، نحافظ على القاعدة الثابتة عند تضمين الذكاء الاصطناعي في سير العمل هذا: لا يتم قبول أي نتائج مبسطة دون إظهار التقارب واستقلال الشبكة والمرور عبر مرشح المعقولية المادية.

المفاهيم: التقارب: الحل يستقر عند قيمة ثابتة مع تقدم التكرارات؛ إذا لم يكن مناسبا، فإن النتيجة غير موثوقة. استقلال الشبكة: لا تتغير النتيجة بشكل ملحوظ عند تشديد شبكة الحساب. CL/CD: معامل الرفع/معامل السحب؛ المقياس الأساسي للكفاءة الديناميكية الهوائية. النموذج البديل: تقليد تقريبي سريع للمحاكاة.

مكانة الذكاء الاصطناعي في سير عمل عقود الفروقات

يتكون تشغيل عقود الفروقات من خمس خطوات تقريبًا: إعداد الشكل الهندسي، وإنشاء الشبكة، وإعداد الحل، والتشغيل، والمعالجة اللاحقة. يساعد الذكاء الاصطناعي بشكل مختلف في كل خطوة، لكن ليس له الكلمة الأخيرة في أي منها.

في إنشاء الشبكة، يمكن للذكاء الاصطناعي حساب الارتفاع الأولي للخلية تقريبًا بالنسبة إلى هدف y+ لدقة الطبقة الحدودية. بالنسبة لاختيار نموذج الاضطراب (مثل k-omega SST) في إعداد الحل، قد يقترح خيارات مناسبة لنظام التدفق، مع وجود مبرر. في مرحلة ما بعد المعالجة، يمكن للمرء كتابة برنامج نصي بلغة Python لاستخراج معاملات الرفع والسحب والعزم من آلاف الأسطر من ملف النتائج وإنشاء مخطط زاوية اكتساح الهجوم. ولكن ما إذا كانت قيمة y+ على الهدف حقًا، وما إذا كان نموذج الاضطراب يناسب هذا التدفق، وما إذا كانت النتيجة متقاربة أم لا يتم فحصها بعين المهندس.

المكان الأكثر استخدامًا هو تعليق النتيجة. عندما تسأل الذكاء الاصطناعي "لماذا ينكسر منحنى CL-alpha عند 14 درجة"، فإنه يذكرك بإمكانية التوقف (ينفصل التدفق عن الجناح مع زيادة زاوية الهجوم وانخفاض الرفع) ويسرد مؤشرات فصل التدفق التي يجب عليك التحقق منها. هذا هو مولد الفرضيات. التأكيد موجود مرة أخرى في البيانات.

تحذير: يمكن للذكاء الاصطناعي تفسير نتيجة عقود الفروقات بطلاقة، ولكن إذا كانت النتيجة نفسها خاطئة، فسيكون التفسير خاطئًا أيضًا. الجملة "قيمة السحب هذه معقولة" لا تعني شيئًا إذا لم يتقارب الحل. تأكد أولاً من صحة الرقم ثم التعليق.

النماذج البديلة: مسح مساحة التصميم في ثوانٍ

إن منطق إنشاء نموذج بديل بسيط. أولاً، يتم حساب عينة مختارة بعناية (على سبيل المثال 40-80 نقطة تصميم؛ ويتم توزيع التصميم التجريبي بواسطة وزارة الطاقة) باستخدام عقد الفروقات الكامل. ثم يتم تدريب نموذج التعلم الآلي (انحدار/كريجينج عملية غاوسي، وظيفة الأساس الشعاعي أو الشبكة العصبية) مع أزواج المدخلات والمخرجات. يتنبأ النموذج الآن بـ CL/CD لهندسة جديدة في ثوانٍ. يتم فحص آلاف المرشحين باستخدام هذا النموذج غير المكلف، ويتم إعادة حساب أفضل 3-5 مرشحين والتحقق منهم باستخدام عقد مقابل الفروقات (CFD) كامل.

النقطة الحاسمة هنا هي فترة الثقة. لا توفر النماذج مثل Kriging تنبؤًا فحسب، بل توفر أيضًا مدى ثقتهم في هذا التنبؤ (عدم اليقين). ويتزايد عدم اليقين في مناطق بعيدة عن نقاط التدريب؛ هناك، تتم إضافة نقطة CFD جديدة بدلاً من الثقة العمياء في النموذج. تُعرف حلقة "إضافة عينة جديدة حيث يكون عدم اليقين مرتفعًا" بالتعلم النشط وتقوم بمسح مساحة كبيرة بكفاءة باستخدام عدد صغير من عمليات التشغيل باهظة الثمن.

الطريقة

تكلفة نقطة تصميم واحدة

الدقة

متى

عقود الفروقات الكاملة (RANS)

الساعات

عالية

التحقق النهائي، عدد قليل من المرشحين

النموذج البديل (كريجينج)

ثواني

متوسطة إلى عالية (في منطقة التعليم)

مسح مساحة كبيرة وتحسينها

طريقة اللوحة / الطلب المنخفض

ثانية-دقيقة

منخفض متوسط

القضاء في وقت مبكر جدا، فكرة تقريبية

نفق الرياح

أيام-أسابيع

أعلى (حقيقي)

التحقق النقدي، وإصدار الشهادات

نصيحة: لا تستخدم أبدًا النموذج البديل خارج النطاق الذي تغطيه بيانات التدريب (الاستقراء). إذا تم تدريب النموذج بزاوية هجوم تبلغ 5-15 درجة، فإن القيمة التي يعطيها عند 25 درجة ليست تنبؤًا، بل تلفيقًا. إن مطالبة الذكاء الاصطناعي بـ "كتابة نطاق التدريب ورفض الاستعلامات خارج الحدود" عند بناء النموذج يؤدي إلى إغلاق هذا الفخ.

موجه ضعيف / موجه قوي

حث ضعيف:

هل هذا الجنيح جيد؟ تفسير نتيجة CFD الخاصة بي: CD=0.009.

مطالبة قوية:

الدور: أنت مستشار تحليل الديناميكا الهوائية. تقوم بتطبيق التحقق النقدي للسلامة. السياق: تحليل الجنيح ثنائي الأبعاد RANS CFD (القيم تمثيلية): Re=1.5e6، Mach=0.2، زاوية الهجوم 4°، نموذج الاضطراب k-omega SST.النتيجة: CL=0.62، CD=0.0091. الشبكة: 180 ألف خلية، y+ ~1.المهمة:1) قم بإدراج خطوات التحقق التي أحتاج إلى التحقق منها قبل اعتبار النتيجة صالحة (التقارب، استقلال الشبكة، y+).2) احسب نسبة CL/CD وقارنها بالنطاق النموذجي لفئة الملف الشخصي هذه.3) أظهر مصادر الخطأ المحتملة إذا كانت القيمة تبدو مشبوهة. القيد: وحدة الكتابة؛ حدد المكان الذي لست متأكدًا منه؛ لا تصدر حكمًا نهائيًا "جيد/سيئ"، بل قم بتقديم خطة للتحقق.

قوالب سريعة قابلة للنسخ

القالب 1 - أسباب إعداد عقود الفروقات:

قم بإعطاء توصية لإعداد CFD لحالة التدفق التالية (القيم التمثيلية): Re=[...]، Mach=[...]، Geometry=[...]. اقترح علي الأسباب التالية: خيارات نموذج الاضطراب المناسبة، والهدف y+ للطبقة الحدودية والحساب الأولي لارتفاع الخلية، وشروط الحدود. لكل خيار، أضف ملاحظة "لماذا" و"في هذه الحالة سيكون الأمر خاطئًا". اكتب وحدة الأعداد.

النموذج 2 - تصميم التجارب (DoE) وخطة النموذج البديل:

لدي [N] متغيرات التصميم: [قائمة، مع النطاقات]. لتدريب نموذج بديل: (أ) ما عدد نقاط العينة وما هي طريقة أخذ العينات (على سبيل المثال، المكعب اللاتيني Hypercube) الذي توصي به؛ (ب) ما هو نوع النموذج البديل المناسب ولماذا؛ (ج) كيف يمكنني التحقق من صحة النموذج (التحقق المتبادل، مجموعة الاختبار المقسمة). ما هي القاعدة التي يجب أن أفرضها ضد خطر الاستقراء؟

القالب 3 - برنامج نصي لاستخراج المعاملات من ملف نتائج عقود الفروقات:

من تقرير قوة عقود الفروقات بتنسيق CSV (الأعمدة: التكرار، Fx، Fy، Fz) باستخدام Python: (أ) حساب convergedCL وCD عن طريق حساب متوسط آخر 500 تكرار؛ (ب) كتابة الانحراف المعياري لآخر 500 تكرار ومقارنته بعتبة للتحقق من التقارب؛ ( ج ) ارسم CL-alpha لزاوية فحص الهجوم. تعيين المنطقة المرجعية والضغط الديناميكي كمعلمات؛ شرح الحساب بأسطر التعليق.

القالب 4 - استعلام ثقة التنبؤ بالنموذج البديل:

أعطى نموذج وكيل kriging الذي قمت بتدريبه CL = 0.71، وعدم اليقين (std) 0.02 للتنبؤ التالي؛ نقطة الاستعلام هي [داخل/خارج] نطاق التدريب. (أ) هل هذا المستوى من عدم اليقين كافٍ لاتخاذ القرار، كيف أقرر؟ (ب) إذا كان عدم اليقين مرتفعًا، ففي أي نقطة يجب علي إضافة مثيل CFD جديد (منطق التعلم النشط)؟ (ج) متى يجب علي تأكيد هذا التوقع باستخدام عقود الفروقات الكاملة؟

حالات صغيرة

الحالة 1 - تم اكتشاف النتيجة غير المتقاربة. يحصل الطالب على النتيجة CD=0.0065 للجنيح وهو سعيد؛ يقع القرص المضغوط النموذجي لفئة ملف التعريف في النطاق 0.008-0.012، والنتيجة تبدو جيدة جدًا. يُظهر تطبيق فحص التقارب الذي اقترحه الذكاء الاصطناعي أن معامل القوة لا يزال يتأرجح (الانحراف المعياري 8% من المتوسط) في التكرارات الأخيرة. عندما يتقارب الحل مع المزيد من التكرارات، فإنه يستقر عند CD = 0.0094. الدرس المستفاد: النتيجة "الجيدة جدًا" غالبًا ما تكون نتيجة غير متقاربة.

الحالة 2 - النموذج البديل يتسارع بمقدار 200 مرة. يقوم الفريق بإجراء 60 جولة كاملة من CFD (حوالي ساعتين لكل منهما) لجناح يحتوي على 6 معلمات هندسية ويقوم بتدريب نموذج بديل لـ Kriging. ثم يقوم بعد ذلك بمسح 5000 تكوين مرشح باستخدام نموذج الوكيل في 40 ثانية، والتحقق من صحة أفضل 4 مرشحين باستخدام عقود الفروقات الكاملة. مع إجمالي 64 عملية تشغيل للعقود مقابل الفروقات، فإن التقدير التقريبي يعادل 5000 عملية تشغيل. تنخفض المدة من أسابيع إلى يومين. الدرس المستفاد: قم بتشغيل المحاكاة باهظة الثمن عند نقاط التحقق فقط، وليس في كل نقطة.

الحالة 3 - فخ الاستقراء. يطرح مهندس سؤال رفع بزاوية 18 درجة على نموذج بديل تم تدريبه بزاوية هجوم تتراوح بين 3-12 درجة؛ يعطي النموذج قيمة متزايدة بسلاسة مثل CL=1.6. في الواقع، يفقد الجناح قبضته بحوالي 15 درجة ويتناقص الرفع، لكن النموذج البديل يمده بشكل مستقيم لأنه لا "يرى" هذه الفيزياء. يرفض المهندس النتيجة من خلال فحص المعقولية المادية (توقعًا لفقدان الالتصاق) ويقوم بتشغيل CFD كامل على تلك المنطقة. الدرس المستفاد: النموذج البديل لا يعرف الفيزياء خارج نطاق تدريبه.

الأخطاء الشائعة

• عدم التحقق من التقارب. معاملات الحل غير المتقارب لا معنى لها؛ جمال الرسم البياني لا يضمن التقارب.
• تجاوز استقلال الشبكة. إذا كانت النتيجة تعتمد على الشبكة، تخرج إجابات مختلفة بشبكات مختلفة؛ ولا يمكن معرفة أيهما على حق.
• الاستقراء في نموذج بديل. التنبؤ خارج نطاق التدريب يعطي امتدادا رياضيا، وليس الحقيقة المادية.
• تجاهل عدم اليقين. إذا لم يتم استخدام معلومات الثقة الخاصة بتنبؤ Kriging، فسيتم التعامل مع المنطقة التي يكون فيها النموذج أكثر ثقة والمنطقة التي يكون فيها النموذج أقل ثقة بنفس الطريقة.
• اختيار نموذج الاضطراب بشكل تعسفي. إن نموذج الاضطراب الخاطئ يجعل الحل المتقارب والمستقل عن الشبكة غير صحيح من الناحية المادية.

في ملخص

تعتبر عقود الفروقات أداة قوية ولكنها باهظة الثمن؛ يعمل الذكاء الاصطناعي على تسريعها من مكانين: إدارة العمليات (التثبيت والتعليق والنص) ومسح مساحة التصميم الكبيرة في ثوانٍ باستخدام نماذج بديلة. يتم تدريب النموذج البديل بعدد صغير من عمليات تشغيل عقود الفروقات الكاملة، ويتم استخدامه مع فاصل ثقة، ويتم بالضرورة التحقق من صحة أفضل المرشحين باستخدام عقود الفروقات الكاملة. لا يتم قبول أي نتائج مبسطة دون التحقق من التقارب واستقلال الشبكة والمعقولية المادية. الذكاء الاصطناعي يعطي الفرضية والسرعة؛ الحكم النهائي للفيزياء هو البيانات.

مهمة التطبيق

حدد سيناريو تشغيل عقود مقابل الفروقات (CFD) لجسيم هوائي أو هندسة بسيطة (بيانات مشروع تمثيلية وليست فعلية). باستخدام الذكاء الاصطناعي، (أ) أدرج خطوات التحقق قبل اعتبار النتيجة صالحة، (ب) اطبع نص بايثون الذي يستخرج المعاملات من ملف النتيجة وتحقق من منطقه سطرًا تلو الآخر، (ج) قم بإعداد خطة لبناء نموذج بديل (كم عدد العينات، أي طريقة، كيفية التحقق من الصحة). قارن النتيجة بالنطاق النموذجي وقم بتقييم مدى معقوليتها.

قائمة مرجعية

• [ ] لقد قمت بإجراء فحص التقارب لكل نتيجة من نتائج عقود الفروقات.
• [ ] تساءلت عما إذا كان قد تم إثبات استقلال الشبكة.
• [ ] قمت بمقارنة معاملات مثل CL/CD بنطاق الفصل النموذجي.
• [ ] لقد استخدمت النموذج البديل ضمن نطاق التدريب فقط.
• [ ] لقد أخذت في الاعتبار عدم اليقين بشأن تنبؤات النموذج البديل في القرار.
• [ ] لقد قمت بالتحقق من أفضل المرشحين بعقود الفروقات الكاملة.