Ieguvumi:
- Spēja izskaidrot CAE, CFD un FEA simulāciju lomu automobiļu dizainā un to, kā mākslīgais intelekts to paātrina kā surogātmodeli
- Spēja iestatīt strukturētas uzvednes ģeneratīvai projektēšanai, parametru skenēšanai un simulācijas rezultātu interpretācijai
- Spēja apstiprināt no AI atvasinātu dizainu un surogātmodeļa izvadi ar konverģenci, tīkla neatkarību un fiziskiem robežnosacījumiem
Mūsdienīga transportlīdzekļa dizains tagad lielākoties tiek radīts datorā pirms lokšņu tērauda griešanas un prototipu izgatavošanas. Šīs digitālā dizaina un verifikācijas pasaules pamatā ir trīs akronīmi: CAE, CFD un FEA. Šajā nodaļā mēs vispirms vienkārši izskaidrosim šos trīs jēdzienus, pēc tam redzēsim, kā mākslīgais intelekts paātrina šos smagos aprēķinus un, pats galvenais, kā droši pārbaudīt šos ātros rezultātus.
- CAE (Computer-Aided Engineering): tas ir vispārīgs termins, lai modelētu dizaina uzvedību (stiprums, plūsma, siltums, vibrācija) datorā, neizveidojot fizisku prototipu.
- FEA (finite Element Analysis): tā ir metode, kas sadala daļu tūkstošiem mazu "elementu" un aprēķina, kā tā tiks izstiepta, saliekta un vai tā saplīsīs, iedarbojoties uz to. Piemērs: vai, ieejot bedrē, salūzīs piekares svira.
- CFD (Computational Fluid Dynamics): simulē gaisa vai šķidruma plūsmu. Piemērs: gaisa plūsma ap transportlīdzekli (aerodinamiskā pretestība), dzinēja dzesēšana, salona ventilācija.
Kāpēc simulācija ir lēna un kur tiek izmantots AI?
Augstas precizitātes CFD vai FEA risinājums var aizņemt stundas vai pat dienas datoru kopā vienam dizainam. Ja inženieris vēlas izmēģināt 200 dažādas ģeometrijas, tas nozīmē mēnešus. Šeit mākslīgajam intelektam ir divas spēcīgas lomas:
- Surogātmodelis/metamodelis: tas ir mašīnmācīšanās modelis, kas mācās no neliela skaita reālu simulāciju un dažu sekunžu laikā prognozē jaunu dizainu iznākumu. Tas neaizstāj faktisko šķīdinātāju; ir ātrs tā "tuvinātājs". Skenējot 200 dizainus ar surogātmodeli, nevis īsto risinātāju, un nosūtot 5 perspektīvākos reālajam risinātājam, tiek ietaupīts daudz laika.
- Ģeneratīvā projektēšana: tā ir metode, kurā dators rada lielu skaitu alternatīvu ģeometriju saskaņā ar inženiera noteiktajiem ierobežojumiem (savienojuma punkti, pārvadājamā slodze, aizliegtās zonas, materiāli). Rezultāts bieži vien ir organiskas, kauliem līdzīgas, vieglas struktūras.
Padoms. Surogātmodelis ir uzticams “interpolējot” (prognozējot apgūtajā diapazonā); Tas ir bīstami "ekstrapolējot" (prognozējot ārpus apgūtā diapazona). Ziniet savas dizaina telpas robežas.
Soli pa solim: ar AI darbināma simulācijas darbplūsma
- Noskaidrojiet problēmu un ierobežojumus. Ko jūs optimizējat (svaru? vilkmi? stresu?), kādi ierobežojumi ir fiksēti (montāžas caurumu vietas, montāžas tilpums)?
- Identificējiet dizaina mainīgos. Piemēram, 5 dzesēšanas kanāla parametri: ieplūdes leņķis, šķērsgriezuma laukums, garums, lieces rādiuss, izplūdes pozīcija.
- Veikt eksperimentu plānošanu (DOE - Design of Experiments). Izvēlieties paraugu (piemēram, 40 punkti), kas saprātīgi aptver telpu, nevis visas kombinācijas. AI šeit var ieteikt izlases stratēģiju.
- Izpildiet šos 40 punktus ar īsto risinātāju. Tie ir "realitātes" dati.
- Apmāciet surogātmodeli un izmēriet tā precizitāti, izmantojot rezervētos testa punktus.
- Veiciet plašu pārbaudi ar aizstājējmodeli un atlasiet labākos kandidātus.
- Vēlreiz apstipriniet labākos kandidātus ar īsto risinātāju. Šo soli nevar izlaist.
- Pierādiet galīgo lēmumu ar fizisko prototipu/testēšanu.
Simulācijas rezultātu apstiprināšana: konverģence un tīkla neatkarība
Pirms uzticēšanās FEA/CFD rezultātam ir jāveic divas kritiskas pārbaudes:
- Konverģence: Risinātāja iteratīvais aprēķins sasniedz stabilu vērtību. Nekonverģēts risinājums ir bezjēdzīgs. Kad AI saka "rezultāts 250 MPa", jums vajadzētu apstiprināt, vai tas ir no konverģēta risinājuma.
- Tīkla neatkarība: Pievelkot elementus (sietu), kuros sadalāt daļu, rezultāts būtiski nemainās. Ja acs ir pārāk rupja, rezultāts var būt maldinošs; Ja tas ir pārāk plāns, aprēķins būs nevajadzīgi garš. Parasti tīkls tiek pievilkts divas vai trīs reizes un tiek atrasts punkts, kurā rezultāts stabilizējas.
kontrole
Ko viņš jautā?
Risks, kad lec
konverģence
Vai risinājums ir sasniedzis stabilu vērtību?
Nejaušs/bezjēdzīgs rezultāts
Tīkla neatkarība
Vai rezultāts mainās, kad tīkls kļūst blīvāks?
Stress nepietiekami/pārvērtēts
robežnosacījums
Vai slodzes/balsti ir reāli?
Nepareizs scenārijs, drošs dizains
Materiāla modelis
Vai ir ievadīta pareizā līkne/iezīme?
Nepareizs stiprības novērtējums
Uzmanību! Kad mākslīgais intelekts izvada surogātmodeli, faktiskajām simulācijām, kas balstītas uz šo izvadi, ir jābūt konverģencei un tīkla neatkarībai. “Atkritumi iekšā, atkritumi ārā”: surogātmodelis, kas apmācīts sliktai simulācijai, rada sliktu prognozi.
Mini gadījumu izpēte
1. gadījums — piekares sviras apgaismojums. Komanda pārveido alumīnija piekares sviru ar radošu dizainu. Apmācīts par 60 reāliem FEA risinājumiem, surogātmodelis piedāvā ģeometriju, kas samazina svaru par 19%. Komanda apstiprina 3 labākos kandidātus ar īsto risinātāju; faktiskais maksimālais spriegums vienam bija par 12% lielāks nekā surogātmodeļa prognoze (tas bija ekstrapolācijas reģionā). Šis kandidāts tiek izslēgts, atlikušie divi tiek pieņemti un nosūtīti uz fiziskā noguruma pārbaudi. Rezultāts: Ātrums tika iegūts, bet galīgo lēmumu pieņēma reāls risinājums + testēšana.
2. gadījums — aerodinamiskais spogulis. Lai samazinātu sānu spoguļa radīto vēja troksni, tiek veikta 5 parametru skenēšana. Ar īstu CFD dizains aizņem 6 stundas; 5000 virtuālo dizainu ar 45 reāliem palaijumiem + starpniekservera modeļiem tiek skenēti dažu sekunžu laikā. Ir kandidāts, kas nodrošina pretestības koeficienta (Cd) uzlabojumu par aptuveni 4 punktiem (pretestības skaits) un tiek testēts vēja tunelī; izmērītais uzlabojums ir 85% no prognozētā. Secinājums: AI sašaurināja meklēšanu, pierāda vēja tunelis.
3. gadījums — nepareizs robežnosacījums. Ķermeņa kronšteina FEA AI saka "nodrošināts pret stresu, faktors 2,1". Vecākais inženieris aplūko robežnosacījumu: slodze tiek pielikta vienā virzienā, savukārt reālajā darbībā ir vibrējoša divvirzienu slodze. Atkārtoti atrisinot ar pareizo scenāriju, drošības koeficients samazinās līdz 1,1; Tas ir nepieņemami. Rezultāts: AI, sakot "drošs", maldināja nepareiza scenārija dēļ; ievades validācija saglabāja rezultātu.
uzvedņu veidnes
1. veidne — simulācijas iestatīšanas apskats:
Loma: Jūs esat vecākais CAE (galīgo elementu) inženieris. Uzdevums: Pārskatiet manu FEA iestatījumu tālāk un uzskaitiet trūkstošos/riska punktus. Konteksts: Alumīnija piekares svira, statiskā slodze 6 kN, montāža no 2 skrūvēm, materiāla tecēšanas robeža 240 MPa. Ierobežojums: Adrešu konverģence, tīkla neatkarība, robežnosacījums un materiāla modeļa galvenes atsevišķi. Rezultāts: kontrolsaraksts + katram vienumam "labi/riskants/nepilnīgs".
2. veidne — eksperimentu izstrādes (DOE) priekšlikums:
Loma: Jūs esat optimizācijas konsultants.Uzdevums: Ierosināt efektīvu DOE paraugu 5 dizaina mainīgajiem.Konteksts: Mainīgie lielumi un to diapazoni: [anonīmi rakstīt diapazonus].Mērķis: Vilces minimizēšana, budžets 40 reāli izpildes.Izvade: Izlases metode + cik punktu + pamatojums. Pievienojiet ekstrapolācijas pusi.
3. veidne — surogātmodeļa rezultāta interpretācija:
Loma: datu zinātnieks + CAE inženieris. Uzdevums: Interpretējiet mana surogātmodeļa prognozēšanas kļūdu metriku. Konteksts: R2 = 0,94, vidējā absolūtā kļūda = 8 MPa, sliktākais punkts projektēšanas telpas malā. Ierobežojums: skaidri norādiet par uzticamību malās; pastāstiet man, kuri kandidāti ir jāpārbauda ar īsto risinātāju. Rezultāts: interpretācija + kandidāta kritērijs, kas jāpārbauda.
4. veidne — ģeneratīvā dizaina ierobežojuma definīcija:
Loma: Jūs esat ģeneratīvā dizaina eksperts.Uzdevums: Izstrādājiet ģeneratīvās projektēšanas problēmas izklāstu motora kronšteinam.Konteksts: 3 pieslēgvietas ir fiksētas, ir aizliegts tilpums, mērķisminimālā masa, materiāls ir liets alumīnijs, ražošanas metode ir liešana.Izvade: Slodzes | ierobežojumi | mērķis | izgatavojamības pakāpes tabula.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Izgaismojiet šo gabalu.
Rezultāts nav skaidrs; Kura slodze, kāds materiāls, kāds ierobežojums nav skaidrs. AI sniedz vispārīgu, bezjēdzīgu atbildi.
Spēcīga uzvedne:
Loma: Jūs esat CAE inženieris. Uzdevums: Iesakiet 3 dažādas stratēģijas, lai atvieglotu sekojošo iekavu masas izteiksmē (topoloģija, materiāls, sadaļa). Konteksts: Tērauda kronšteins, 3 kN statiskā + vibrācijas slodze, drošības koeficients jāsaglabā vismaz 1,5, lējumam jāpaliek ražojamam. Ierobežojums: uzrakstiet katras stratēģijas paredzamo ieguvumu un risku; nepaziņojiet nevienu ieteikumu par "drošu" bez pārbaudes. Rezultāts: stratēģija | paredzamais masas pieaugums | risks | verifikācijas tests.
Biežas kļūdas
- Surogātmodeļa jaukšana ar īsto risinātāju. Surogātmodelis paredz; Faktiskais risinājums un fiziskā pārbaude pārbauda galīgos kandidātus.
- Tīkla neatkarības apiešana. Rupja acs var radīt rezultātu, kas izskatās drošs, bet patiesībā ir riskants.
- Nepareizs robežnosacījums. "Drošības faktors" maldina, ja faktiskais iekraušanas scenārijs ir nepareizs.
- Nepamanot ekstrapolāciju. Prognozes, kas ir ārpus dizaina telpas, var būt klusi nepareizas.
- Aizmirstot par izgatavojamību. Skaista izskata organiskā ģeometrija ir bezvērtīga, ja to nevar izliet vai apstrādāt.
Rezumējot
- CAE, FEA un CFD testē dizainu datorā pirms fiziskā prototipa; Tie ir smagi un lēni.
- Surogātmodeļi un ģeneratīvais dizains ievērojami paātrina šo procesu ar AI, taču tie neaizstāj īsto risinātāju un fizisko testēšanu.
- Katrs simulācijas rezultāts ir jāapstiprina attiecībā uz konverģenci, tīkla neatkarību, robežnosacījumu un materiāla modeli.
- Surogātmodelis ir uzticams interpolācijā, bet riskants ekstrapolācijā; labākie kandidāti vienmēr tiek apstiprināti ar reālo risinājumu.
Lietojumprogrammas uzdevums
Atlasiet daļu (piemēram, konsoles kronšteinu). (1) Pierakstiet mērķi, fiksētos ierobežojumus un optimizējamos dizaina mainīgos. (2) Izveidojiet ģeneratīvās projektēšanas problēmas izklāsta uzmetumu, izmantojot 4. veidni. (3) Lūdziet AI aprakstīt surogātmodeļa darbplūsmu un jautāt “kuru soli es nekad neizlaistu” un novērtēt atbildi, izmantojot trīs enkurus. (4) Norādiet, kādu fizisko pārbaudi veiksiet, lai apstiprinātu rezultātu.
kontrolsaraksts
- [ ] Es precizēju optimizācijas mērķi un fiksētos ierobežojumus.
- [ ] Es uzvednē atspoguļoju atšķirību starp surogātmodeli un reālo risinātāju.
- [ ] Es plānoju konverģences un tīkla neatkarības pārbaudi.
- [ ] Es pārbaudīju, vai robežnosacījumi atspoguļo faktisko ielādes scenāriju.
- [ ] Es pievienoju labāko kandidātu apstiprināšanas soli ar reālo risinājumu + fizisko testēšanu.
- [ ] Kā kritēriju sarakstā ieliku izgatavojamību.