בינה מלאכותית בעיצוב צורת גוף וניתוח הידרודינמי

רווחים:

• יכולת להאיץ את הגודל הראשוני וגילוי העיצוב על ידי מתן צורת גוף, התנגדות ופרמטרי הנעה לבינה מלאכותית בפורמט מובנה
• יכולת לשאול את ההגדרה של מחקרי CFD (דינמיקת נוזל חישובית), לוגיקה של רשת ותנאי גבולות עם תמיכה בבינה מלאכותית
• יכולת ללכוד מקדמי התאמה ותוצאות על ידי הצלבה של התחזיות ההידרודינמיות של AI עם ניסוי מודל, שיטה אמפירית וסבירות פיזית

כל הכלכלה של ספינה מוסתרת בצורתה השקועה. כאשר צורת גוף הספינה (צורת גוף; גיאומטריית גוף הספינה התת-מימי והעילי) משתנה אפילו במילימטר, הדלק שהיא תשרוף, המטען שהיא תישא וחשבון הפליטה ישתנו לאורך כל חייה של אותה ספינה. לכן, עיצוב צורה והידרודינמיקה (מדע זרימת המים סביב הסירה והכוחות שהיא גורמת) הם השלבים שבהם מתקבלות ההחלטות היקרות ביותר של הנדסה ימית. בינה מלאכותית (AI) מאיצה שלוש משימות בשלב זה: ניתוח גודל ותכנון ראשוני, התקנת שיטות התנגדות אמפיריות ותכנון מחקרי דינמיקת נוזלים חישובית (CFD).

אבל בואו נספור את זה מההתחלה: אין עקומת התנגדות, שום מקדם צורה שניתן על ידי AI מתורגם להחלטת הנעה מבלי לקבל אישור על ידי ניסוי מודל או שיטה מאומתת. מים לא קוראים נוסחאות; ההתנהגות האמיתית של הסירה ידועה רק על ידי מדידה וסבירות פיזית. AI הוא מאיץ ומחולל רעיונות כאן; הידרודינמיקה אינה עדה למציאות.

מושגים: התנגדות: הכוח המנוגד שמפעילים המים על הסירה כשהיא נעה קדימה; הוא מורכב ממרכיבי חיכוך, גל ומערבולת. מקדם בלוק (Cb): היחס בין נפח התת-ימי של גוף הספינה למנסרה המלבנית המקיפה אותו; הוא מדד למלאות. מספר Froude (Fn): מספר חסר מימד המתייחס למהירות לאורך הסירה; קובע את התנגדות הגלים. יעילות הנעה: כמה מהכוח שמפיק המנוע מומר לדחף יעיל. EHP/DHP: כוח אפקטיבי (Effective Horse Power, הכוח הנדרש כדי להתגבר על ההתנגדות של הסירה) וכוח מועבר (Delivered Horse Power, הכוח המגיע למדחף).

גודל ראשוני וחקירת עיצוב

עיצוב הטופס הוא בעיית חיפוש: יש אינסוף שילובים בין מידות עיקריות (אורך Lpp, רוחב B, טיוטה T), מקדמי צורה (Cb, מקדם מנסרתי Cp, מקדם מקטע אמצע Cm) ומהירות. בשיטה הקלאסית, המהנדס מתחיל מנתונים של ספינות דומות (סדרות אורך ראשיות, יחסי רגרסיה). בינה מלאכותית מאיץ את הגילוי הזה: תוך דקות היא מציגה עשרות שילובי גדלים עיקריים מועמדים, התזוזה המשוערת של כל אחד מהם, והאם היחסים L/B, B/T נמצאים בטווחים טיפוסיים.

הנה התהליך שלב אחר שלב. הצעד הראשון הוא לתקן את דרישת המשימה: מטען להובלה, טווח, מהירות שירות, אילוצי ערוץ/נמל (למשל, מגבלות רוחב-טיוטת פנמה, סואץ). השלב השני הוא לקבוע באופן גס את האורכים העיקריים הראשונים עם נתוני ספינה דומים. השלב השלישי הוא לבחור את מקדמי הטופס בטווח סביר בהתאם ליחס המהירות-גובה-רוחב (מספר פרוד). השלב הרביעי הוא ביצוע הערכה ראשונית של התנגדות וכוח בשיטה אמפירית (למשל רגרסיה של Holtrop-Mennen). בכל אחד מהשלבים הללו, AI בונה את הנוסחה ומייצר מספרים; אבל חובה לשאול את המקור של כל מקדם ולהשוות אותו לטווח הטיפוסי.

טיפ: כשיש לך ה-AI מציע מקדם צורה, שאל "האם ערך Cb זה אופייני למספר Froude זה; באיזה טווח הוא אמור ליפול?" לדוגמה, בצורה מהירה, Cb מלא (0.80+) מפוצץ את התנגדות הגלים; AI יכול להזכיר לך את זה, אבל הבחירה הסופית היא שלך עם נתוני ספינה דומים.

שיטה אמפירית ובינה מלאכותית בהגדרת CFD

בשלב המקדים, ההתנגדות נאמדת בשיטות רגרסיה אמפיריות ולא בניסוי מודל. שיטות כמו Holtrop-Mennen מפרקות את ההתנגדות למרכיביה: התנגדות חיכוך, אפקט צורה, התנגדות גל, בליטה והתנגדות אוויר, עם נוסחאות הנגזרות ממאגר מידע גדול של ספינות. בינה מלאכותית זוכרת את השלבים של שיטה זו, מחשבת מקדמי ביניים ובונה שלד של גיליון אלקטרוני. אבל לשיטה יש את מגבלת התוקף שלה: Holtrop נגזרת עבור טווחי Cb, Fn ו-L/B מסוימים; אם תצא מחוץ לטווח הזה, התוצאה תהיה לא אמינה. בינה מלאכותית צריכה להזכיר לך את המגבלה הזו; אם הוא לא מזכיר לך, אתה צריך לשאול.

בצד CFD, AI לא עושה את הפתרון בעצמו, אבל הוא עוזר לך לשאול את ההגדרה: היכן צריך להדק את רזולוציית הרשת, מה צריך להיות גובה התא ההתחלתי (y+) עבור שכבת הגבול, מדוע נבחר מודל הטורבולנציה (כמו k-ω SST), כיצד לשלוט בהתכנסות. זהו דיאלוג מורה-תלמיד; מה שמאשר את התוצאה המספרית הוא מחקר עצמאות הרשת (אי תלות רשת; התוצאה לא משתנה כאשר מהדקים את הרשת) ואם אפשר, כיול ניסוי מודל.

שיטה

מה נותן

נקודה חזקה

הגבלה/אימות

ספינה/רגרסיה דומה

גודל גדול ראשון, כוח גס

מהיר מאוד, הנתונים זולים

תקף רק עבור גיאומטריה דומה

הולטרופ-מנן

עקומת התנגדות רכיב

סטנדרט לעיצוב חזית

מגבלת טווח Cb/Fn/L·B; צריך אישור דגם

CFDs

זרימה מפורטת, שדה לחץ

רואה השפעות מקומיות

רגיש לרשת ומודל מערבולות; יש צורך בכיול

ניסוי מודל (בריכה)

התנגדות ממשית מדודה

הכי אמין

יקר, גוזל זמן; תיקון אפקט סולם

מיני מארזים

מקרה 1 - מקדם תיקון מותקן. צוות מחשב את הסחף הכולל עם הולטרופ עבור מכלית 190 מ' כ-620 קילוואן. כשהם אומרים ל-AI "לשפר את התוצאה", המודל מוסיף "מכפיל תיקון צורה 0.80" ממקור לא ידוע, ומפחית את ההתנגדות ל-496 קילו-ניין. הפחתה של 20% מפחיתה את ההנעה בכשיעור מארח אחד. הצוות שואל על בסיס המכפיל; AI לא יכול לצטט מקורות. כשהם משווים את זה לנתוני בדיקת המודל, הם רואים שההתנגדות האמיתית היא בסביבות 610 קילוואן. שיעור: אין גורם תיקון ללא מקור נכנס לתוצאה.

מקרה 2 - חריגה ממגבלת Froude. לתלמיד יש להולטרופ לחשב את ההתנגדות של מעבורת 50 מ' המכוונת למהירות שירות של 30 קשר. עבור מהירות אורך זו, מספר Froude גדל ל-~0.70; הרבה מעל הטווח האמין של הולטרופ. AI נותן תוצאות מבלי לציין זאת קודם. כאשר התלמיד שואל על טווח התוקף, מתברר שהשיטה אינה מתאימה במשטר זה ונדרשת שיטה אחרת (סביצקי וכו') לטפסים פלנר/חצי תזוזה. שיעור: ספק את מעטפת התוקף של כל שיטה אמפירית.

מקרה 3 - שגיאה מהרשת. במחקר CFD AI נותן את ההתנגדות 540 kN עם רשת גסה. כאשר המהנדס מהדק את הרשת ומבצע מחקרי עצמאות, התוצאה היא 605 קילו-ניין; הערך ההתחלתי היה נמוך ב-11% מכיוון ששדה הגל האחורי לא נפתר מספיק. לקח: תוצאת CFD לא יכולה להיחשב מהימנה ללא מחקר עצמאות ברשת.

תבניות הנחיה הניתנות להעתקה

תבנית 1 - חקר מראש בגודל:

תפקיד: אתה יועץ לתכנון ראשוני של ספינה. הקשר (נציג): מטען עבור מוביל בתפזורת ~40,000 ט, מהירות שירות ~14.5 קשר, בתוך מגבלת הטיוטה של סואץ. משימה: 1) המלץ על 4 שילובי אורך עיקריים מועמדים (Lpp, B, T).2) עבור כל B,/T, C, תזוזה משוערת. ver.3) סמן אילו יחסים נופלים מחוץ לטווח הטיפוסי. אילוץ: כתוב את היחידה של כל מספר; ציין את הרגרסיה/בסיס הנתונים שבהם אתה משתמש; אל תקבלו החלטה סופית, הגישו מועמד.

תבנית 2 - הגדרת חישוב הנגד של הולטרופ:

הגדר מסגרת חישוב התנגדות ראשונית בשיטת Holtrop-Mennen. כניסות (נציג): Lpp, B, T, Cb, Cp, מהירות שירות, אזור רטוב. אני רוצה:1) רשום את מרכיבי ההתנגדות בנפרד (חיכוך, צורה, גל, הקרנה, אוויר).2) כתוב את הנוסחה והמקדם שבהם אתה משתמש עבור כל רכיב.3) ציין את טווח התוקף של השיטה (Cb, Fn, L/B) ובדקו האם הקלטים שלי נמצאים בטווח הזה. et.4) הוסף כיצד לכייל את התוצאה עם ניסוי המודל.

תבנית 3 - שאילתת הגדרת CFD:

אני מקים מחקר CFD עמידות בסירה. הסבירו את ההחלטות הבאות בהצדקה ותנו טווח טיפוסי של ערכים: - בחירת מודל טורבולנציה וסיבה - פתרון קרוב לקיר (י+ יעד) וגובה תא התחלתי - הגדרות משטח חופשי (VOF) - כיצד לבדוק התכנסות ועצמאות רשת הוסף שורת "איך אני מאמת את זה" לכל הצעה.

תבנית 4 - בדיקת סבירות התוצאה:

ביקורת על תוצאת ההתנגדות/הספק הבאה:[הדבקת EHP, DHP, מהירות, ערכי התנגדות]1) האם סדר הגודל אופייני לספינה בגודל זה?2) האם הנחת יעילות ההנעה שלך סבירה (בדרך כלל 0.55-0.70)?3) חשב את ההתנגדות בחזרה מהמהירות שהזנתי, האם היא עקבית או בלתי נתפסת? 4) סמן ערכים מפוקפקים כלשהם.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

תן את הצורה ואת עקומת ההתנגדות הטובה ביותר עבור סירה זו.

הנחיה עוצמתית:

תפקיד: אתה יועץ תכנון מקדים הידרודינמי. הקשר (מייצג, לא פרויקט בפועל): Lpp ~180 מ', B ~32 מ', T ~12.5 מ', Cb ~0.84, מהירות שירות ~14.5 קשר. משימה: הערכת התנגדות ראשונית של רכיב בשיטת הולטרופ; רשום את המקור של כל מקדם ואת טווח התוקף של השיטה. אילוץ: מקדם תיקון ADD ללא מקור. רשום כיצד לאמת את התוצאה עם בדיקת מודל ואיזה מדידות אני צריך לבצע. מצב יחידות (kN, kW, קשרים) ברור.

צורת ההנחיה החלשה משאירה את "הטוב ביותר" לא מוגדרת ואינה דורשת אימות; ההנחיה החזקה מבקשת את ההקשר, השיטה, מגבלת התוקף ונתיב האימות.

טעויות נפוצות

• התעלמות ממעטפת התוקף. שימוש בהולטרופ או בכל רגרסיה אחרת מחוץ לטווח ממנו היא נגזרה נותן התנגדות סבירה למראה אך לא נכונה.
• אימוץ מקדם תיקון ללא מקור. אמור "שפר" והמקדמים הדקים שה-AI מוסיף מעוותים בשקט את התוצאה.
• שימוש ב-CFD ללא עצמאות רשת. הרשת הגסה אינה יכולה לפתור את שדה הגל הירכתיים ושדה המערבולת; ההתנגדות הופכת נמוכה.
• שוכחים את אפקט קנה המידה. תוצאת ניסוי המודל דורשת תיקון חיכוך (שיטת ITTC) בעת מעבר לקנה מידה מלא; AI יכול לעקוף את זה.
• לוקחים את יעילות השילוח בצורה אופטימית. גם אם ההתנגדות נכונה, יעילות כונן אופטימית מדי מזלזלת בהספק המכונה הנדרש.

לסיכום

בינה מלאכותית מאיץ גילוי צורת גוף, הגדרת חישוב התנגדות אמפירית ותכנון ריצת CFD; הופך עשרות טפסי מועמדים להשוות תוך דקות. אבל לכל שיטה אמפירית יש מעטפת תוקף, לכל תוצאת CFD יש תלות ברשת, ולכל אומדן בקנה מידה מלא יש תיקון קנה מידה. ניתן לתרגם את ערכי ההתנגדות וההספק המיוצרים על ידי AI להחלטת הפניה רק ​​לאחר מעבר מסנן של ניסוי מודל, אישור אמפירי וסבירות פיזית.

משימת יישום

עבור ספינה מייצגת (למשל Lpp ~150 מ', B ~25 מ', T ~9 מ', Cb ~0.75, מהירות ~15 קשר), יש ל-AI לחשב גרר ראשוני ו-EHP בשיטת Holtrop. לאחר מכן שאלו את סדר הגודל והנחת יעילות השילוח על ידי יישום התבנית "בדיקת סבירות המסקנה". בקש מה-AI את טווח התוקף של השיטה ובדוק אם הקלט שלך נמצא בטווח זה. דווח על אי עקביות אחת לפחות שמצאת וכיצד אימתת אותה בחצי עמוד.

רשימת בדיקה

• [ ] השוויתי את טווח התוקף של השיטה האמפירית שבה השתמשתי עם התשומות שלי.
• [ ] שאלתי ואישרתי את המקור של כל גורם תיקון שה-AI הוסיף.
• [ ] השוויתי את תוצאות ההתנגדות והכוח לסדר גודל עם ספינה טיפוסית.
• [ ] אם השתמשתי ב-CFD, תכננתי/ביצעתי את מחקר העצמאות ברשת.
• [ ] וידאתי שהנחת יעילות השילוח נמצאת בטווח סביר.
• [ ] ביססתי את החלטת ההנעה הסופית על ניסוי המודל/שיטה מאומתת.