Hagnaður:
- Geta útskýrt hvernig gervigreind er notuð við uppsetningu, niðurstöðutúlkun og staðgöngulíkanagerð í CFD ferlinu.
- Geta til að skanna fljótt stórt hönnunarrými og raða rúmfræði umsækjenda með staðgöngulíkönum sem byggjast á vélnámi
- Hæfni til að sannreyna gervigreind-knúna loftaflfræðilega úttak með samleitni, ósjálfstæði netkerfis og líkamlegum trúverðugleikaviðmiðum
Hvernig væng framleiðir lyftingu, hvernig skrokkur skiptir lofti, hvernig stjórnflötur sveigir flæði; Loftaflfræði er vísindi þessara ósýnilegu krafta. Verkfræðingurinn lærir þessa krafta á tvo vegu: með tilraunum í vindgöngum eða með tölvuvökvavirkni (CFD; Computational Fluid Dynamics, aðferð sem leysir flæðijöfnur tölulega á reiknikerfi). CFD er öflugt en dýrt: flókin keyrsla getur tekið klukkustundir, jafnvel daga, sem skilar einum hönnunarpunkti. Verkfræðingurinn sem vill prófa hundruð hönnunar lendir hér í flöskuhálsi.
Gervigreind (AI) opnar þennan flöskuháls á tveimur stöðum. Í fyrsta lagi í CFD ferlinu sjálfu: uppsetningarstýringu, niðurstöðutúlkun og skýrslugerð. Í öðru lagi, og meira umbreytandi, eru staðgöngulíkön (vélanámslíkan sem lærir inntak-úttakssamband dýrrar uppgerðar og gefur áætlaða spá á sekúndum). Þökk sé staðgöngulíkaninu er stórt hönnunarrými skannað á sekúndum í stað klukkustunda, nokkrir efnilegir umsækjendur eru valdir og aðeins þeir eru reiknaðir út með fullri CFD með mikilli nákvæmni. Í þessari einingu höldum við óbreytanlegu reglunni þegar gervigreind er felld inn í þetta verkflæði: engar straumlínulagðar niðurstöður eru samþykktar án þess að sýna fram á samleitni og sjálfstæði netsins og fara í gegnum síu líkamlegs trúverðugleika.
Hugtök: Samruni: Lausnin sest á föstu gildi eftir því sem endurtekningarnar þróast; Ef það passar ekki er útkoman óáreiðanleg. Mesh sjálfstæði: Niðurstaðan breytist ekki verulega þegar þú herðir reikningsnetið. CL/CD: Lyftustuðull / dragstuðull; grunnmæling á loftaflfræðilegum skilvirkni. Staðgöngulíkan: Hröð áætluð eftirlíking af uppgerð.
Staður gervigreindar í CFD vinnuflæði
CFD keyrsla samanstendur af u.þ.b. fimm þrepum: rúmfræðiundirbúningi, möskvamyndun, uppsetningu lausnar, keyrslu og eftirvinnslu. AI hjálpar á mismunandi hátt í hverju skrefi, en það hefur ekki lokaorðið um neitt þeirra.
Í möskvamyndun getur gervigreind gróflega reiknað út upphaflega frumuhæð miðað við y+ markið fyrir upplausn landalaga. Fyrir val á ókyrrðarlíkönum (t.d. k-omega SST) í uppsetningu leysisins, gæti það stungið upp á valkostum sem henta flæðiskerfinu, með rökstuðningi. Í eftirvinnslu getur maður skrifað Python skriftu til að draga lyfti-, drag- og augnabliksstuðlana úr þúsundum lína af niðurstöðuskrá og búa til árásarhorn. En hvort y+ gildið sé raunverulega á markmiðinu, hvort ókyrrðarlíkanið passi við þetta flæði og hvort niðurstaðan rennur saman eða ekki er athugað með auga verkfræðingsins.
Sá staður sem oftast er notaður er athugasemd um niðurstöðuna. Þegar þú spyrð gervigreindina „af hverju brotnar þessi CL-alfa ferill við 14 gráður“, minnir það þig á möguleikann á stöðvun (flæði skilur sig frá vængnum þegar árásarhornið eykst og lyftingin minnkar) og listar upp flæðisskilvísana sem þú ættir að athuga. Þetta er tilgátu generator; Staðfestingin er aftur í gögnunum.
Varúð: AI getur túlkað CFD niðurstöðu reiprennandi, en ef niðurstaðan sjálf er röng verður túlkunin líka röng. Setningin „Þetta draggildi er sanngjarnt“ þýðir ekkert ef lausnin rennur ekki saman. Athugaðu fyrst gildi númersins, síðan athugasemdina.
Staðgöngumódel: Skanna hönnunarrými á sekúndum
Rökfræðin við að koma á staðgöngumódeli er einföld. Í fyrsta lagi er vandlega valið sýni (t.d. 40-80 hönnunarpunktar; tilraunahönnun er dreift af DoE) reiknað út með fullum CFD. Síðan er vélanámslíkan (Gaussian process regression/kriging, radial basis function eða taugakerfi) þjálfað með þessum inntaks-úttakspörum. Líkanið spáir nú fyrir um CL/CD fyrir nýja rúmfræði á nokkrum sekúndum. Þúsundir umsækjenda eru skimaðir með þessu ódýra líkani og 3-5 umsækjendur sem líta best út eru endurreiknaðir og staðfestir með fullri CFD.
Mikilvægi punkturinn hér er öryggisbilið. Líkön eins og Kriging veita ekki aðeins spá, heldur einnig hversu örugg þau eru í þeirri spá (óvissu). Óvissa eykst á svæðum langt frá æfingastöðum; Þar er nýjum CFD punkti bætt við í stað þess að treysta fyrirmyndinni í blindni. Þessi „bæta við nýju sýnishorni þar sem óvissan er mikil“ er þekkt sem virkt nám og skannar á skilvirkan hátt stórt pláss með fáum dýrum keyrslum.
Aðferð
Kostnaður við einn hönnunarpunkt
nákvæmni
hvenær
Fullur CFD (RANS)
klukkur
hátt
Endanleg sannprófun, fáir umsækjendur
staðgöngumódel (kriging)
sekúndur
Meðalhár (á menntasviði)
Stór rýmisskönnun, hagræðing
Panel/low order aðferð
sekúndur-mínúta
lágt-miðlungs
Útrýming of snemma, gróf hugmynd
vindgöng
daga-vikur
hæsta (raunverulegt)
Gagnrýnin sannprófun, vottun
Ábending: Notaðu aldrei staðgöngulíkanið utan þess sviðs sem þjálfunargögnin ná yfir (útreikningur). Ef líkanið var þjálfað með 5-15 gráðu árásarhorni er gildið sem það gefur við 25 gráður ekki spá, heldur tilbúningur. Að biðja gervigreindina um að „skrifa þjálfunarsvið og hafna fyrirspurnum utan marka“ við smíði líkansins lokar þessari gildru.
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Er þessi loftfóður góður? Túlkaðu CFD niðurstöðuna mína: CD=0,009.
Öflug tilvitnun:
Hlutverk: Þú ert loftaflfræðilegur greiningarráðgjafi; þú beitir öryggisgagnrýninni sannprófun.Samhengi: 2D loftfóður RANS CFD greining (gildin eru dæmigerð):Re=1,5e6, Mach=0,2, árásarhorn 4°, ókyrrðarlíkan k-omega SST.Niðurstaða: CL=0,62, CD=0,0091. Network: 180k cells, y+ ~1.Task:1) Listaðu sannprófunarskref sem ég þarf að athuga áður en ég tel niðurstöðuna gilda (samruna, netóháð, y+).2) Reiknaðu CL/CD hlutfallið og berðu saman við dæmigert svið fyrir þennan prófílflokk.3) Sýndu mögulegar villuuppsprettur ef gildið virðist grunsamlegt: Skrifa eining; Merktu hvar þú ert ekki viss; Ekki fella endanlega „góða/slæma“ dóm, gefðu sannprófunaráætlun.
Afritanleg hvetja sniðmát
Snið 1 — CFD uppsetning rökstuðningur:
Gefðu ráðleggingar um uppsetningu CFD fyrir eftirfarandi flæðisskilyrði (tákngildi): Re=[...], Mach=[...], rúmfræði=[...]. Stingdu mér á eftirfarandi ástæðum: viðeigandi valmöguleika fyrir ókyrrðlíkan, markmið y+ fyrir jaðarlagið og upphafsútreikning frumuhæðar, jaðarskilyrði. Fyrir hvert val skaltu bæta við athugasemd um "af hverju" og "í því tilviki væri það rangt." Skrifaðu einingu talna.
Snið 2 — Hönnun tilrauna (DoE) og staðgöngulíkanáætlun:
Ég er með [N] hönnunarbreytur: [listi, með sviðum]. Til að þjálfa staðgöngulíkan: (a) hversu margir sýnatökupunktar og hvaða sýnatökuaðferð (t.d. Latin Hypercube) mælið þið með; (b) hvaða tegund staðgöngulíköns er viðeigandi og hvers vegna; (c) hvernig sannprófa ég líkanið (krossfullgilding, skipt prófunarsett). Hvaða reglu ætti ég að setja gegn hættu á framreikningi?
Snið 3 - Forskrift til að draga út stuðla úr CFD niðurstöðuskrá:
Úr CFD kraftskýrslu CSV (dálkar: endurtekning, Fx, Fy, Fz) Með Python: (a) reiknaðu samansett CL og CD með því að taka meðaltal síðustu 500 endurtekningarnar; (b) skrifa staðalfrávik síðustu 500 endurtekninga og bera það saman við þröskuld til að athuga samleitni; (c) Teiknaðu CL-alfa fyrir árásarhornskönnun. Stilltu viðmiðunarsvæði og kraftmikinn þrýsting sem breytur; Útskýrðu reikninginn með athugasemdarlínum.
Snið 4 — Fyrirspurn um sjálfstraust fyrir staðgöngulíkan:
Kriging proxy líkanið sem ég þjálfaði gaf CL=0,71, óvissu(std) 0,02 fyrir eftirfarandi spá; fyrirspurnarpunktur er [innan/utan] æfingasviðsins.(a) Er þetta óvissustig nægilegt til að taka ákvörðun, hvernig ákveð ég? (b) Ef óvissa er mikil, á hvaða tímapunkti ætti ég að bæta við nýju CFD dæmi (virk námsrökfræði)? (c) Hvenær ætti ég að staðfesta þessa spá með fullum CFD?
Mini Cases
Tilvik 1 — Ósamræmd niðurstaða er gripin. Nemandi fær útkomuna CD=0,0065 fyrir loftþilinn og er ánægður; Dæmigerður geisladiskur fyrir prófílflokkinn er á bilinu 0,008-0,012, útkoman virðist of góð. Með því að beita samleitniathuguninni sem AI lagði til sýnir að kraftstuðullinn sveiflast enn (staðalfrávik 8% af meðaltali) í síðustu endurtekningunum. Þegar lausnin er sameinuð með fleiri endurtekningum, sest hún við CD = 0,0094. Lærdómur: „of góð“ niðurstaða er oft ósamræmd niðurstaða.
Tilvik 2 — staðgöngulíkan hraðar um 200 sinnum. Hópur keyrir 60 heilar CFD hlaup (~2 klukkustundir hver) fyrir væng með 6 rúmfræðilegum breytum og þjálfar kriging staðgöngulíkan. Síðan skannar það 5000 umsækjendastillingar með umboðslíkaninu á 40 sekúndum og staðfestir 4 bestu frambjóðendurna með fullum CFD. Með samtals 64 CFD keyrslur jafngildir gróft mat 5000 keyrslur. Lengd lækkar úr vikum í tvo daga. Lexía: keyrðu dýru uppgerðina aðeins á staðfestingarstöðum, ekki á hverjum stað.
Tilvik 3 - Framreikningsgildra. Verkfræðingur spyr lyftuspurningar við 18 gráður fyrir staðgöngumódel sem er þjálfuð með 3-12 gráðu árásarhorni; Líkanið gefur vel hækkandi gildi eins og CL=1,6. Í raun og veru missir vængurinn grip um 15 gráður og lyftan minnkar, en staðgöngulíkanið teygir það beint út vegna þess að það "sér" ekki þessa eðlisfræði. Verkfræðingurinn hafnar niðurstöðunni með líkamlegri trúverðugleikaathugun (búist við viðloðunstapi) og keyrir fullan CFD á það svæði. Lærdómur: staðgöngumódelið kann ekki eðlisfræði út fyrir þjálfunarsvið sitt.
Algeng mistök
- Er ekki að athuga með samleitni. Stuðlar ósamrænnar lausnar eru tilgangslausir; Fegurð línuritsins er engin trygging fyrir samleitni.
- Framhjá sjálfstæði netsins. Ef niðurstaðan fer eftir netkerfinu, koma mismunandi svör út með mismunandi netum; Ekki er hægt að vita hver þeirra er réttur.
- Framreikningur í staðgöngulíkani. Spá utan þjálfunarsviðsins gefur stærðfræðilega framlengingu, ekki líkamlegan sannleika.
- Hunsa óvissu. Ef öryggisupplýsingar Kriging-spáarinnar eru ekki notaðar, er farið með sama svæði þar sem líkanið er öruggast og svæðið þar sem það er minnst öruggt.
- Að velja ókyrrðarlíkanið af geðþótta. Rangt ókyrrðarlíkan gerir jafnvel samræmda og netóháða lausn líkamlega ranga.
Í stuttu máli
CFD er öflugt en dýrt tæki; AI flýtir fyrir því frá tveimur stöðum: ferlistjórnun (uppsetning, athugasemd, handrit) og skönnun á stóru hönnunarrými á nokkrum sekúndum með staðgöngulíkönum. Staðgöngulíkanið er þjálfað með fáum fullum CFD keyrslum, notaðar með öryggisbili og bestu umsækjendurnir eru endilega staðfestir með fullum CFD. Engar straumlínulagðar niðurstöður eru samþykktar án þess að athuga samleitni, sjálfstæði netkerfisins og líkamlega trúverðugleika. AI gefur tilgátu og hraða; Síðasti úrskurðaraðili eðlisfræðinnar eru gögn.
Umsóknarverkefni
Skilgreindu CFD keyrslu atburðarás fyrir loftþil eða einfalda rúmfræði (fulltrúa, ekki raunveruleg verkefnisgögn). Notaðu gervigreind, (a) skráðu löggildingarskrefin áður en þú telur niðurstöðuna gilda, (b) prentaðu Python forskrift sem dregur út stuðla úr niðurstöðuskránni og athugaðu rökfræði hennar línu fyrir línu, (c) undirbúa áætlun til að byggja staðgöngulíkan (hversu mörg sýni, hvaða aðferð, hvernig á að sannreyna). Berðu niðurstöðu saman við dæmigerð svið og metið trúverðugleika hennar.
gátlisti
- [ ] Ég gerði samleitniskoðun fyrir hverja CFD niðurstöðu.
- [ ] Ég spurði hvort sýnt væri fram á sjálfstæði nets.
- [ ] Ég bar saman stuðla eins og CL/CD við dæmigerð flokkasvið.
- [ ] Ég notaði staðgöngulíkanið aðeins innan þjálfunarsviðsins.
- [ ] Ég tók inn í ákvörðunina óvissu um staðgöngulíkanspár.
- [ ] Ég staðfesti bestu frambjóðendurna með fullum CFD.