Sõiduki disaini ja simulatsiooni tugi: CAE, CFD ja FEA

Kasu:

• Oskus selgitada CAE, CFD ja FEA simulatsioonide rolli autode disainis ja kuidas tehisintellekt seda asendusmudelina kiirendab
• Võimalus seadistada struktureeritud viipasid generatiivseks projekteerimiseks, parameetrite skaneerimiseks ja simulatsioonitulemuste tõlgendamiseks
• Võimalus valideerida AI-st tuletatud disaini ja asendusmudeli väljundit lähenemise, võrgu sõltumatuse ja füüsiliste piirtingimustega

Kaasaegse sõiduki disain sünnib nüüd suures osas arvutis enne teraspleki lõikamist ja prototüüpide valmistamist. Selle digitaalse disaini ja verifitseerimise maailma keskmes on kolm akronüümi: CAE, CFD ja FEA. Selles üksuses selgitame kõigepealt need kolm mõistet lihtsalt lahti, seejärel näeme, kuidas tehisintellekt neid raskeid arvutusi kiirendab ja mis kõige tähtsam, kuidas neid kiireid väljundeid turvaliselt kontrollida.

• CAE (Computer-Aided Engineering): see on katustermin disaini käitumise (tugevus, vool, kuumus, vibratsioon) simuleerimiseks arvutis ilma füüsilist prototüüpi tegemata.
• FEA (lõplike elementide analüüs): see on meetod, mis jagab osa tuhandeteks väikesteks "elementideks" ja arvutab, kuidas see venitatakse, paindub ja kas see puruneb sellele rakendatava jõu mõjul. Näide: kas vedrustushoob puruneb auku sisenedes.
• CFD (Computational Fluid Dynamics): simuleerib õhu või vedeliku voolu. Näide: õhuvool sõiduki ümber (aerodünaamiline takistus), mootori jahutus, salongi ventilatsioon.

Miks on simulatsioon aeglane ja kus AI mängu tuleb?

Kõrge täpsusega CFD või FEA lahendus võib arvutiklastris ühe disaini jaoks võtta tunde või isegi päevi. Kui insener soovib proovida 200 erinevat geomeetriat, tähendab see kuid. Siin mängib tehisintellekt kahte võimsat rolli:

1. Asendusmudel / metamudel: see on masinõppemudel, mis õpib väikesest arvust reaalsetest simulatsioonidest ja ennustab mõne sekundi jooksul uute kujunduste tulemusi. See ei asenda tegelikku lahustit; on selle kiire "lähendaja". 200 kavandi skannimine surrogaatmudeliga, mitte tegeliku lahendajaga ja 5 kõige lootustandvama saatmine tegelikule lahendajale säästab palju aega.
2. Generatiivne projekteerimine: see on meetod, mille puhul arvuti loob suure hulga alternatiivseid geomeetriaid vastavalt inseneri antud piirangutele (ühenduspunktid, kantav koormus, keelatud alad, materjalid). Tulemuseks on sageli orgaanilised, luutaolised kerged struktuurid.

Näpunäide: asendusmudel on "interpoleerimisel" usaldusväärne (ennustab õpitud vahemikus); See on ohtlik "ekstrapoleerimisel" (ennustades väljaspool õpitud vahemikku). Teadke oma disainiruumi piire.

Samm-sammult: AI-toega simulatsiooni töövoog

1. Selgitage probleemi ja piiranguid. Mida optimeerite (kaal? tõmbejõud? pinge?), millised piirangud on fikseeritud (kinnitusavade asukohad, paigaldusmaht)?
2. Tuvastage disainimuutujad. Näiteks jahutuskanali 5 parameetrit: sisselaskenurk, ristlõikepindala, pikkus, painderaadius, väljalaskeasend.
3. Teostage katsete kavandamine (DOE - Design of Experiments). Valige näidis (nt 40 punkti), mis katab ruumi targalt, mitte kõiki kombinatsioone. AI võib siin soovitada proovivõtustrateegiat.
4. Käitage need 40 punkti tõelise lahendajaga. Need on "reaalsuse" andmed.
5. Treenige asendusmudelit ja mõõtke selle täpsust reserveeritud katsepunktidega.
6. Tehke asendusmudeliga ulatuslik sõeluuring ja valige parimad kandidaadid.
7. Kinnitage parimad kandidaadid uuesti tõelise lahendajaga. Seda sammu ei saa vahele jätta.
8. Tõestage lõplik otsus füüsilise prototüübi/testimisega.

Simulatsiooni väljundi valideerimine: lähenemine ja võrgu sõltumatus

Enne FEA/CFD tulemuse usaldamist tuleb teha kaks kriitilist kontrolli:

• Konvergents: lahendaja iteratiivne arvutus saavutab stabiilse väärtuse. Mittekonvergeeritud lahendus on mõttetu. Kui tehisintellekt ütleb "tulemus 250 MPa", peaksite kontrollima, kas see on konvergeeritud lahendusest.
• Võrgusilma sõltumatus: Tulemus ei muutu oluliselt, kui pingutada elemente (võrku), millesse detail jaotada. Kui võrk on liiga jäme, võib tulemus olla eksitav; Kui see on liiga õhuke, venib arvutus tarbetult pikaks. Üldjuhul pingutatakse võrku kaks-kolm korda ja leitakse punkt, kus tulemus stabiliseerub.

kontrolli

Mida ta küsib?

Hüppamisel risk

lähenemine

Kas lahendus on saavutanud stabiilse väärtuse?

Juhuslik/mõttetu tulemus

Võrgu sõltumatus

Kas tulemus muutub, kui võrk tiheneb?

Stress ala-/ülehindamine

piirtingimus

Kas koormused/toed on realistlikud?

Vale stsenaarium, turvaline disain

Materjali mudel

Kas on sisestatud õige kõver/funktsioon?

Vale tugevuse hinnang

Ettevaatust. Kui AI väljastab asendusmudeli, peavad selle väljundi tegelikud simulatsioonid läbima lähenemise ja võrgu sõltumatuse. "Prügi sisse, prügi välja": kehval simulatsioonil treenitud asendusmudel loob halva ennustuse.

Minijuhtumiuuringud

Juhtum 1 – kergendus vedrustushooval. Meeskond kujundab ümber generatiivse disainiga alumiiniumist vedrustushoova. 60 tõelise FEA lahendusega koolitatud asendusmudel pakub välja geomeetria, mis vähendab kaalu 19%. Meeskond kinnitab 3 parimat kandidaati tegeliku lahendajaga; ühe tegelik maksimaalne pinge oli 12% suurem kui asendusmudeli ennustus (see oli ekstrapolatsiooni piirkonnas). See kandidaat langeb välja, ülejäänud kaks võetakse vastu ja saadetakse füüsilise väsimuse testile. Tulemus: Kiirus saavutati, kuid lõplik otsus tehti reaalse lahenduse + testimise teel.

Juhtum 2 – aerodünaamiline peegel. Külgpeegli tekitatava tuulemüra vähendamiseks tehakse 5-parameetriline skaneerimine. Päris CFD-ga võtab kujundus 6 tundi; Sekunditega skannitakse 5000 virtuaalset kujundust 45 reaalse käitusega + puhverserveri mudelid. On olemas kandidaat, mille takistustegur (Cd) paraneb ligikaudu 4 punkti võrra (takistuste arv) ja mida katsetatakse tuuletunnelis; mõõdetud paranemine on 85% prognoositust. Järeldus: AI kitsendas otsingut, tõestab tuuletunnel.

Juhtum 3 – vale piirtingimus. Kehaklambri FEA-s ütleb AI "stressikindel, tegur 2,1". Vaneminsener vaatab piirtingimust: koormust rakendatakse ühes suunas, samas kui reaalses töös on vibreeriv kahesuunaline koormus. Õige stsenaariumiga uuesti lahendades langeb ohutustegur 1,1-ni; See on vastuvõetamatu. Tulemus: AI ütlemine "turvaline" oli vale stsenaariumi tõttu petmine; sisendi valideerimine salvestas tulemuse.

viipade mallid

Mall 1 – Simulatsiooni seadistuse ülevaade:

Roll: olete CAE (lõplike elementide) vaneminsener. Ülesanne: vaadake allpool minu FEA seadistus üle ja loetlege puuduvad/riskipunktid. Kontekst: Alumiiniumist vedrustushoob, staatiline koormus 6 kN, kokkupanek 2 poldist, materjali voolavuspiir 240 MPa. Piirang: Aadressi lähenemine, võrgusõltumatus, piirtingimus ja materjalimudeli päised eraldi. Väljund: kontrollnimekiri + üksuse kohta "ok/riskne/puudulik".

Mall 2 – eksperimentide kavandamise (DOE) ettepanek:

Roll: olete optimeerimiskonsultant.Ülesanne: Pakkuge välja tõhus DOE näidis 5 kujundusmuutuja jaoks.Kontekst: Muutujad ja nende vahemikud: [kirjutage vahemikud anonüümselt].Eesmärk: Lohise minimeerimine, eelarve 40 reaalset jooksu.Väljund: Valimimeetod + mitu punkti + põhjendus. Lisage ekstrapolatsiooni pool.

Mall 3 – asendusmudeli tulemuse tõlgendamine:

Roll: andmeteadlane + CAE insener. Ülesanne: tõlgendage minu asendusmudeli ennustusvea mõõdikuid. Kontekst: R2=0,94, keskmine absoluutviga=8 MPa, halvim punkt projekteerimisruumi serval. Piirang: kirjeldage selgelt töökindlust servades; öelge mulle, millised kandidaadid vajavad tõelise lahendajaga kontrollimist. Väljund: tõlgendus + kandidaadikriteerium, mida tuleb kontrollida.

Mall 4 – generatiivse kujunduspiirangu määratlus:

Roll: Olete generatiivse disaini ekspert.Ülesanne: Mootori kronsteini generatiivse projekteerimise probleemi kirjeldus.Kontekst: 3 porti on fikseeritud, keelatud maht, sihtminimaalne mass, materjal on valatud alumiinium, tootmismeetod on valamine.Väljund: Koormused | piirangud | sihtmärk | valmistatavuse klassi tabel.

Nõrk viip / Tugev viip

Nõrk viip:

Kergendage seda tükki.

Tulemus on ebakindel; Milline koormus, milline materjal, milline piirang on ebaselge. AI annab üldise, kasutu vastuse.

Võimas viip:

Roll: olete CAE insener. Ülesanne: Pakkuge välja 3 erinevat strateegiat, et kergendada järgnevat sulgu massi osas (topoloogia, materjal, lõik). Kontekst: Teraskonsool, staatiline 3 kN + vibrokoormus, ohutustegur peab olema vähemalt 1,5, valu peab jääma tootatavaks. Piirang: Kirjutage iga strateegia eeldatav kasum ja risk; ärge kuulutage ühtegi soovitust ilma testimiseta "ohutuks". Väljund: strateegia | hinnanguline massi juurdekasv | risk | kontrollkatse.

Levinud vead

• Asendusmudeli eksitamine tegeliku lahendajaga. Surrogaatmudel ennustab; Tegelik lahendus ja füüsiline testimine kinnitavad lõplikud kandidaadid.
• Võrgu sõltumatuse vältimine. Jäme võrk võib anda tulemuse, mis tundub ohutu, kuid on tegelikult riskantne.
• Vale piirtingimus. "Ohutustegur" on petlik, kui tegelik laadimisstsenaarium on vale.
• Ei märka ekstrapoleerimist. Ennustused, mis väljuvad disainiruumist, võivad vaikselt valed olla.
• Valmistatavus unustamata. Ilusa välimusega orgaaniline geomeetria on väärtusetu, kui seda ei saa valada ega töödelda.

Kokkuvõttes

• CAE, FEA ja CFD testivad disaini arvutis enne füüsilist prototüüpi; Nad on rasked ja aeglased.
• Asendusmudelid ja generatiivne disain kiirendavad seda protsessi AI-ga oluliselt, kuid need ei asenda tegelikku lahendajat ja füüsilist testimist.
• Iga simulatsiooni tulemus tuleb valideerida lähenemise, võrgu sõltumatuse, piirtingimuste ja materjalimudeli osas.
• Asendusmudel on interpoleerimisel usaldusväärne, kuid ekstrapoleerimisel riskantne; parimad kandidaadid kinnitatakse alati tegeliku lahendusega.

Rakenduse ülesanne

Valige osa (nt konsooliklamber). (1) Kirjutage üles eesmärk, fikseeritud piirangud ja optimeeritavad kujundusmuutujad. (2) Koostage malliga 4 generatiivse disaini probleemi avalduse mustand. (3) Laske tehisintellektil kirjeldada asendusmudeli töövoogu ja küsida „millist sammu ma kunagi vahele ei jätaks” ning hinnata vastust kolme ankru abil. (4) Märkige, millise füüsilise testi te tulemuse kinnitamiseks teete.

kontrollnimekiri

• [ ] Selgitasin optimeerimise eesmärki ja fikseerisin piirangud.
• [ ] Ma kajastasin viipa asendusmudeli ja tegeliku lahendaja erinevust.
• [ ] Kavandasin konvergentsi ja võrgu sõltumatuse kontrolli.
• [ ] Kontrollisin, et piirtingimused kajastaksid tegelikku laadimise stsenaariumi.
• [ ] Lisasin parimate kandidaatide kinnitamise sammu reaalse lahendusega + füüsiline testimine.
• [ ] Panin loendisse kriteeriumiks valmistatavuse.