Faida:
- Uwezo wa kuharakisha saizi ya awali na ugunduzi wa muundo kwa kutoa fomu, upinzani na vigezo vya propulsion kwa AI katika muundo ulioandaliwa.
- Uwezo wa kuuliza usanidi wa masomo ya CFD (mienendo ya maji ya hesabu), mtandao na mantiki ya hali ya mipaka kwa msaada wa AI.
- Uwezo wa kunasa mgawo unaofaa na matokeo kwa kukagua utabiri wa hydrodynamic wa AI na majaribio ya kielelezo, njia ya majaribio, na usaidizi wa mwili.
Uchumi mzima wa meli umefichwa katika hali yake iliyozama. Wakati umbo la meli (umbo la hull; jiometri ya chini ya maji na uso wa meli) inapobadilika hata milimita, mafuta ambayo itachoma, mizigo itayobeba na bili ya uzalishaji itabadilika katika maisha yote ya meli hiyo. Kwa hiyo, muundo wa fomu na hydrodynamics (sayansi ya mtiririko wa maji karibu na mashua na nguvu zinazosababisha) ni hatua ambazo maamuzi ya gharama kubwa zaidi ya uhandisi wa majini yanafanywa. Akili Bandia (AI) huharakisha kazi tatu katika hatua hii: saizi ya awali na uchunguzi wa muundo, usakinishaji wa mbinu za ustahimilivu, na upangaji wa masomo ya mienendo ya kiowevu (CFD).
Lakini hebu tuipige msumari tangu mwanzo: hakuna curve ya upinzani, hakuna mgawo wa fomu iliyotolewa na AI hutafsiri kuwa uamuzi wa propulsion bila kuthibitishwa na majaribio ya mfano au njia iliyoidhinishwa. Maji haisomi fomula; Tabia halisi ya mashua inajulikana tu kwa kipimo na uwezekano wa kimwili. AI ni jenereta ya kuongeza kasi na wazo hapa; hydrodynamics sio shahidi wa ukweli.
Dhana: Upinzani: Nguvu pinzani inayotolewa na maji kwenye mashua inaposonga mbele; Inajumuisha vipengele vya msuguano, wimbi na vortex. Mgawo wa kuzuia (Cb): Uwiano wa ujazo wa chini ya maji wa ganda na prism ya mstatili inayoizunguka; ni kipimo cha utimilifu. Nambari ya Froude (Fn): Nambari isiyo na kipimo inayohusiana na kasi ya urefu wa mashua; huamua upinzani wa wimbi. Ufanisi wa propulsion: Ni kiasi gani cha nguvu zinazozalishwa na injini hubadilishwa kuwa msukumo mzuri. EHP/DHP: Nguvu ifaayo (Nguvu ya Farasi Inayofaa, nguvu inayohitajika kushinda upinzani wa mashua) na nguvu iliyotolewa (Nguvu ya Farasi Iliyotolewa, nguvu inayofikia propela).
Ukubwa wa Awali na Uchunguzi wa Usanifu
Muundo wa fomu ni tatizo la utafutaji: kuna michanganyiko isiyoisha kati ya vipimo kuu (urefu wa Lpp, upana B, rasimu ya T), mgawo wa fomu (Cb, mgawo wa prismatic Cp, mgawo wa sehemu ya kati Cm) na kasi. Katika njia ya classical, mhandisi huanza kutoka kwa data ya meli zinazofanana (mfululizo kuu wa urefu, mahusiano ya regression). AI huharakisha ugunduzi huu: kwa dakika huweka majedwali kadhaa ya michanganyiko ya saizi kuu, takriban kuhamishwa kwa kila moja, na kama uwiano wa L/B, B/T uko ndani ya masafa ya kawaida.
Hapa kuna mchakato wa hatua kwa hatua. Hatua ya kwanza ni kurekebisha mahitaji ya dhamira: shehena ya kubeba, masafa, kasi ya huduma, vikwazo vya kituo/bandari (k.m. Panama, vikomo vya rasimu ya upana wa Suez). Hatua ya pili ni kuamua takriban urefu wa kwanza kuu na data sawa ya meli. Hatua ya tatu ni kuchagua mgawo wa fomu ndani ya masafa yanayofaa kulingana na uwiano wa kipengele cha kasi (Nambari ya Froude). Hatua ya nne ni kufanya makadirio ya awali ya upinzani na nguvu kwa mbinu ya majaribio (k.m. Holtrop-Mennen regression). Katika kila moja ya hatua hizi, AI huunda fomula na hutoa nambari; lakini ni muhimu uulize chanzo cha kila mgawo na ulinganishe na masafa ya kawaida.
Kidokezo: Unapokuwa na AI inapendekeza mgawo wa fomu, uliza "je, thamani hii ya Cb ni ya kawaida kwa nambari hii ya Froude; inapaswa kuanguka katika safu gani?" Kwa mfano, katika fomu ya kasi, Cb kamili (0.80+) hupuka upinzani wa wimbi; AI inaweza kukukumbusha hili, lakini chaguo la mwisho ni lako na data sawa ya meli.
Mbinu na AI katika Usanidi wa CFD
Katika hatua ya awali, upinzani unakadiriwa na mbinu za rejeshi za kijaribio badala ya majaribio ya mfano. Mbinu kama vile Holtrop-Mennen hugawanya upinzani katika vijenzi vyake: ukinzani wa msuguano, athari ya umbo, ukinzani wa mawimbi, uvimbe na upinzani wa hewa, kwa fomula zinazotokana na hifadhidata kubwa ya meli. AI inakumbuka hatua za njia hii, huhesabu mgawo wa kati na huunda kiunzi cha lahajedwali. Lakini njia ina kikomo chake cha uhalali: Holtrop inatokana kwa safu fulani za Cb, Fn na L/B; Ukienda nje ya safu hii, matokeo hayataaminika. AI inapaswa kukukumbusha juu ya kikomo hiki; Ikiwa hakukumbushi, unapaswa kuuliza.
Kwa upande wa CFD, AI haifanyi suluhisho yenyewe, lakini inakusaidia kuuliza usanidi: ambapo azimio la mesh linapaswa kuimarishwa, urefu wa seli ya awali (y +) inapaswa kuwa nini kwa safu ya mpaka, kwa nini mfano wa turbulence (kama k-ω SST) umechaguliwa, jinsi ya kudhibiti muunganisho. Haya ni mazungumzo ya mwalimu na mwanafunzi; Kinachothibitisha matokeo ya nambari ni utafiti wa uhuru wa matundu (uhuru wa matundu; matokeo hayabadiliki unapokaza mtandao) na, ikiwezekana, urekebishaji wa majaribio ya mfano.
Mbinu
inatoa nini
hatua kali
Kikomo/uthibitishaji
Meli sawa / kurudi nyuma
Kwanza kubwa ukubwa, nguvu brute
Haraka sana, data ni nafuu
Inatumika tu kwa jiometri sawa
Holtrop-Mennen
Upinzani wa kipengele
Kiwango cha muundo wa mbele
Kikomo cha safu ya Cb/Fn/L·B; Inahitaji uthibitisho wa mfano
CFDs
Mtiririko wa kina, uwanja wa shinikizo
Huona athari za ndani
Nyeti kwa muundo wa mtandao na mtikisiko; calibration ni muhimu
Jaribio la mfano (bwawa)
Imepimwa upinzani halisi
Ya kuaminika zaidi
Ghali, muda mwingi; urekebishaji wa athari ya kiwango
Kesi Ndogo
Kesi ya 1 - Mgawo wa kusahihisha uliowekwa. Timu huhesabu jumla ya buruta na Holtrop kwa tanki la mita 190 kama 620 kN. Wanapoiambia AI "kuboresha matokeo," mfano huongezea "kizidishio cha kusahihisha fomu 0.80" cha asili isiyojulikana, na kupunguza upinzani kwa 496 kN. Kupunguza huku kwa 20% kunapunguza mwendo kwa takriban darasa moja la mwenyeji. Timu inauliza juu ya msingi wa kuzidisha; AI haiwezi kutaja vyanzo. Wanapolinganisha na data ya mtihani wa mfano, wanaona kwamba upinzani halisi ni karibu 610 kN. Somo: hakuna kipengele cha kusahihisha bila chanzo kinachoingia kwenye matokeo.
Kesi ya 2 - Kuzidi kikomo cha Froude. Mwanafunzi ana Holtrop kukokotoa upinzani wa kivuko cha mita 50 kinacholenga kasi ya huduma ya fundo 30. Kwa kasi hii ya urefu nambari ya Froude huongezeka hadi ~0.70; Juu ya safu ya kuaminika ya Holtrop. AI inatoa matokeo bila kubainisha kwanza. Mwanafunzi anapouliza kuhusu safu ya uhalali, inageuka kuwa njia hiyo haifai katika utawala huu na njia tofauti (Savitsky, nk.) inahitajika kwa fomu za mpangaji/nusu za uhamisho. Somo: swali bahasha ya uhalali wa kila mbinu ya majaribio.
Kesi ya 3 - Hitilafu kutoka kwa mtandao. Katika utafiti wa CFD AI inatoa upinzani 540 kN na mesh coarse. Wakati mhandisi anaimarisha mtandao na kufanya masomo ya uhuru, matokeo ni 605 kN; thamani ya awali ilikuwa chini kwa 11% kwa sababu uga wa wimbi la aft haukutatuliwa vya kutosha. Somo: Matokeo ya CFD hayawezi kuchukuliwa kuwa ya kuaminika bila utafiti wa uhuru wa mtandao.
Violezo vya haraka vinavyoweza kunakiliwa
Kiolezo cha 1 - Uchunguzi wa kuweka ukubwa wa awali:
Jukumu: Wewe ni mshauri wa usanifu wa awali wa meli. Muktadha (mwakilishi): Upakiaji wa mtoa huduma mwingi ~ t 40,000, kasi ya huduma ~ noti 14.5, ndani ya kikomo cha rasimu ya Suez. Kazi:1) Pendekeza michanganyiko 4 ya urefu wa mteuliwa (Lpp, B, T).2) Takriban uwiano wa L/B kwa kila mtahiniwa, L/B, uwiano wa L/B kwa kila mtahiniwa. anguka nje ya safu ya kawaida.Kizuizi: Andika kitengo cha kila nambari; taja regression/database unayotumia; Usifanye uamuzi wa mwisho, wasilisha mgombea.
Kiolezo cha 2 - Kusanidi hesabu ya kipinga cha Holtrop:
Sanidi mfumo wa awali wa kukokotoa upinzani kwa kutumia mbinu ya Holtrop-Mennen. Pembejeo (mwakilishi): Lpp, B, T, Cb, Cp, kasi ya huduma, eneo la mvua. Ninataka:1) Orodhesha vipengele vya ukinzani kando (msuguano, umbo, wimbi, makadirio, hewa).2) Andika fomula na mgawo unaotumia kwa kila sehemu.3) Bainisha kiwango cha uhalali wa mbinu (Cb, Fn, L/B) na uangalie ikiwa ingizo zangu ziko katika safu hii. et.4) Ongeza jinsi ya kusawazisha matokeo na jaribio la mfano.
Kiolezo cha 3 - Hoja ya usanidi wa CFD:
Ninaanzisha utafiti wa CFD wa kupinga mashua. Eleza maamuzi yafuatayo kwa uhalalishaji na utoe anuwai ya kawaida ya thamani: - Uchaguzi wa muundo wa mtikisiko na sababu - Suluhisho la ukuta wa karibu (y+ lengwa) na urefu wa kisanduku cha awali - Mipangilio ya uso usiolipishwa (VOF) - Jinsi ya kuangalia muunganiko na uhuru wa matundu Ongeza mstari wa "nitathibitishaje hili" kwa kila pendekezo.
Kiolezo cha 4 - Ukaguzi wa matokeo ya busara:
Kagua matokeo yafuatayo ya upinzani/nguvu:[Bandika EHP, DHP, kasi, viwango vya upinzani]1) Je, mpangilio wa ukubwa ni wa kawaida kwa meli hii ya ukubwa?2) Je, dhana yako ya ufanisi wa msukumo ni ya kuridhisha (kawaida 0.55-0.70)?3) Kokotoa upinzani kurudi kutoka kwa kasi niliyoingiza, je, inasadikika au haina msingi?
Agizo dhaifu / Ukumbusho thabiti
Agizo dhaifu:
Toa umbo bora na curve ya upinzani kwa mashua hii.
Agizo lenye nguvu:
Jukumu: Wewe ni mshauri wa muundo wa awali wa hidrodynamic. Muktadha (mwakilishi, si mradi halisi): Lpp ~180 m, B ~32 m,T ~12.5 m, Cb ~0.84, kasi ya huduma ~ noti 14.5. Kazi: Kadiria upinzani wa awali wa sehemu kwa njia ya Holtrop; andika chanzo cha kila mgawo na masafa ya uhalali wa mbinu. Kizuizi: ONGEZA kipengele cha kusahihisha bila chanzo. Orodhesha jinsi ya kuthibitisha matokeo kwa majaribio ya mfano na ni vipimo gani ninahitaji kuchukua. Vitengo vya serikali (kN, kW, mafundo) kwa uwazi.
Fomu dhaifu ya haraka huacha "bora" isiyojulikana na hauhitaji uthibitisho; Kidokezo kikuu kinaomba muktadha, mbinu, kikomo cha uhalali na njia ya uthibitishaji.
Makosa ya kawaida
- Kupuuza bahasha ya uhalali. Kutumia Holtrop au urekebishaji mwingine wowote nje ya safu ambayo ilitolewa kunatoa upinzani unaoonekana lakini usio sahihi.
- Kupitisha kipengele cha kusahihisha ambacho hakina chanzo. Sema "boresha" na viambajengo hafifu ambavyo AI huongeza hupotosha matokeo kimyakimya.
- Kutumia CFD bila uhuru wa mtandao. Mesh coarse haiwezi kutatua wimbi kali na shamba la vortex; upinzani unakuwa chini.
- Kusahau athari ya kiwango. Matokeo ya jaribio la mfano yanahitaji urekebishaji wa msuguano (njia ya ITTC) wakati wa kusonga kwa kiwango kamili; AI inaweza kukwepa hii.
- Kuchukua ufanisi wa kutuma kwa matumaini. Hata kama upinzani ni sahihi, ufanisi wa gari wenye matumaini kupita kiasi hukadiria nguvu inayohitajika ya mashine.
Kwa muhtasari
AI huharakisha ugunduzi wa fomu ya hull, usanidi wa kukokotoa upinzani, na upangaji wa uendeshaji wa CFD; hufanya makumi ya fomu za wagombea kulinganishwa kwa dakika. Lakini kila mbinu ya majaribio ina bahasha ya uhalali, kila matokeo ya CFD yana utegemezi wa mtandao, na kila makadirio ya kiwango kamili yana marekebisho ya kiwango. Upinzani na thamani za nguvu zinazotolewa na AI zinaweza tu kutafsiriwa kuwa uamuzi wa rufaa baada ya kupitia kichujio cha majaribio ya mfano, uthibitisho wa nguvu na usaidizi wa kimwili.
Jukumu la maombi
Kwa meli mwakilishi (k.m. Lpp ~150 m, B ~25 m, T ~9 m, Cb ~0.75, kasi ~ 15 knots), uwe na AI kukokotoa buruta la awali na EHP kwa kutumia mbinu ya Holtrop. Kisha ulizia mpangilio wa ukubwa na dhana ya ufanisi wa kutuma kwa kutumia kiolezo cha "hitimisho la uhalalishaji". Uliza AI kwa safu ya uhalali wa mbinu na uangalie ikiwa ingizo lako liko ndani ya safu hii. Ripoti angalau hali moja ya kutofautiana uliyopata na jinsi ulivyoithibitisha katika nusu ya ukurasa.
orodha ya ukaguzi
- [ ] Nililinganisha safu ya uhalali ya mbinu ya majaribio niliyotumia na maingizo yangu.
- [ ] Niliuliza na kuthibitisha chanzo cha kila kipengele cha kusahihisha ambacho AI iliongeza.
- [ ] Nililinganisha upinzani na matokeo ya nguvu na mpangilio wa ukubwa na meli ya kawaida.
- [ ] Ikiwa nilitumia CFD, nilipanga/nilifanya utafiti wa uhuru wa mtandao.
- [ ] Nimethibitisha kuwa dhana ya ufanisi wa utumaji iko ndani ya masafa yanayofaa.
- [ ] Nilitegemea uamuzi wa mwisho wa uhamasishaji kwenye jaribio la mfano/mbinu iliyoidhinishwa.