AI ในการออกแบบรูปทรงตัวถังและการวิเคราะห์อุทกพลศาสตร์

กำไร:

• ความสามารถในการเร่งการค้นพบขนาดเริ่มต้นและการออกแบบโดยมอบรูปแบบตัวถัง ความต้านทาน และพารามิเตอร์แรงขับให้กับ AI ในรูปแบบที่มีโครงสร้าง
• ความสามารถในการสืบค้นการตั้งค่าการศึกษา CFD (พลศาสตร์ของไหลเชิงคำนวณ) ตรรกะของเครือข่ายและเงื่อนไขขอบเขตด้วยการสนับสนุน AI
• ความสามารถในการจับค่าสัมประสิทธิ์และผลลัพธ์ที่เหมาะสมโดยการตรวจสอบข้ามการทำนายอุทกพลศาสตร์ของ AI ด้วยการทดลองแบบจำลอง วิธีเชิงประจักษ์ และความเป็นไปได้ทางกายภาพ

เศรษฐกิจทั้งหมดของเรือถูกซ่อนอยู่ในรูปแบบที่จมอยู่ใต้น้ำ เมื่อรูปร่างของตัวเรือ (รูปทรงของตัวเรือ รูปทรงของตัวเรือใต้น้ำและพื้นผิว) เปลี่ยนแปลงแม้แต่มิลลิเมตร เชื้อเพลิงที่ตัวเรือจะเผาไหม้ สินค้าที่เรือจะบรรทุก และค่าการปล่อยก๊าซเรือนกระจกจะเปลี่ยนไปตลอดอายุของเรือลำนั้น ดังนั้น การออกแบบรูปทรงและอุทกพลศาสตร์ (ศาสตร์แห่งการไหลของน้ำรอบ ๆ เรือและแรงที่เกิดขึ้น) จึงเป็นขั้นตอนที่การตัดสินใจด้านวิศวกรรมกองทัพเรือมีราคาแพงที่สุด ปัญญาประดิษฐ์ (AI) เร่งงานสามประการในขั้นตอนนี้: การสำรวจขนาดเริ่มต้นและการออกแบบ การติดตั้งวิธีการต้านทานเชิงประจักษ์ และการวางแผนการศึกษาพลศาสตร์ของไหลเชิงคำนวณ (CFD)

แต่มาลองดูกันตั้งแต่เริ่มต้น: ไม่มีเส้นโค้งแนวต้าน ไม่มีค่าสัมประสิทธิ์รูปแบบที่กำหนดโดย AI แปลเป็นการตัดสินใจด้านแรงผลักดันโดยไม่ได้รับการยืนยันจากการทดลองแบบจำลองหรือวิธีการที่ได้รับการตรวจสอบแล้ว น้ำไม่ได้อ่านสูตร พฤติกรรมที่แท้จริงของเรือนั้นทราบได้จากการวัดและความเป็นไปได้ทางกายภาพเท่านั้น AI เป็นตัวเร่งและกำเนิดแนวคิดที่นี่ อุทกพลศาสตร์ไม่ใช่พยานถึงความเป็นจริง

แนวคิด: การต้านทาน: พลังของฝ่ายตรงข้ามที่กระทำโดยน้ำบนเรือขณะที่มันเคลื่อนไปข้างหน้า ประกอบด้วยส่วนประกอบของแรงเสียดทาน คลื่น และกระแสน้ำวน ค่าสัมประสิทธิ์บล็อก (Cb): อัตราส่วนของปริมาตรใต้น้ำของตัวเรือต่อปริซึมสี่เหลี่ยมที่ล้อมรอบ เป็นตัววัดความสมบูรณ์ หมายเลข Froude (Fn): หมายเลขไร้มิติที่เกี่ยวข้องกับความเร็วตามความยาวของเรือ กำหนดความต้านทานคลื่น ประสิทธิภาพการขับเคลื่อน: กำลังที่เครื่องยนต์ผลิตได้เท่าใดจะถูกแปลงเป็นแรงขับที่มีประสิทธิภาพ EHP/DHP: พลังที่มีประสิทธิภาพ (Effective Horse Power พลังที่จำเป็นในการเอาชนะแรงต้านของเรือ) และพลังที่ส่งมอบ (Delivered Horse Power พลังที่ไปถึงใบพัด)

การสำรวจขนาดและการออกแบบเบื้องต้น

การออกแบบแบบฟอร์มเป็นปัญหาในการค้นหา: มีการรวมกันอย่างไม่มีที่สิ้นสุดระหว่างขนาดหลัก (ความยาว Lpp, ความกว้าง B, แบบร่าง T), สัมประสิทธิ์ของแบบฟอร์ม (Cb, สัมประสิทธิ์ปริซึม Cp, สัมประสิทธิ์ส่วนตรงกลาง Cm) และความเร็ว ในวิธีดั้งเดิม วิศวกรเริ่มต้นจากข้อมูลของเรือที่คล้ายกัน (อนุกรมความยาวหลัก ความสัมพันธ์แบบถดถอย) AI เร่งการค้นพบนี้: ในเวลาไม่กี่นาทีจะจัดตารางชุดค่าผสมขนาดหลักของผู้สมัครหลายสิบรายการ การกระจัดโดยประมาณของแต่ละชุด และอัตราส่วน L/B, B/T อยู่ภายในช่วงปกติหรือไม่

นี่คือกระบวนการทีละขั้นตอน ขั้นตอนแรกคือการแก้ไขข้อกำหนดภารกิจ: สินค้าที่จะขนส่ง พิสัย ความเร็วในการให้บริการ ข้อจำกัดของช่องทาง/ท่าเรือ (เช่น ปานามา ขีดจำกัดความกว้างของเรือสุเอซ) ขั้นตอนที่สองคือการกำหนดความยาวหลักขั้นแรกโดยประมาณด้วยข้อมูลเรือที่คล้ายคลึงกัน ขั้นตอนที่สามคือการเลือกค่าสัมประสิทธิ์ของแบบฟอร์มภายในช่วงที่เหมาะสมตามอัตราส่วนความเร็ว-ด้าน (หมายเลข Froude) ขั้นตอนที่สี่คือการประมาณค่าความต้านทานและกำลังเบื้องต้นโดยวิธีเชิงประจักษ์ (เช่น Holtrop-Mennen regression) ในแต่ละขั้นตอน AI จะสร้างสูตรและสร้างตัวเลข แต่จำเป็นอย่างยิ่งที่คุณจะต้องถามแหล่งที่มาของสัมประสิทธิ์แต่ละค่าแล้วเปรียบเทียบกับช่วงทั่วไป

เคล็ดลับ: เมื่อคุณมี AI แนะนำค่าสัมประสิทธิ์แบบฟอร์ม ให้ถามว่า "ค่า Cb นี้เป็นเรื่องปกติสำหรับเลข Froude นี้หรือไม่ ควรตกอยู่ในช่วงใด" ตัวอย่างเช่น ในรูปแบบความเร็วสูง Cb เต็ม (0.80+) จะระเบิดความต้านทานคลื่น AI สามารถเตือนคุณเกี่ยวกับสิ่งนี้ได้ แต่ตัวเลือกสุดท้ายเป็นของคุณที่มีข้อมูลเรือที่คล้ายกัน

วิธีการเชิงประจักษ์และ AI ในการตั้งค่า CFD

ในขั้นตอนเบื้องต้น ความต้านทานจะถูกประมาณโดยวิธีการถดถอยเชิงประจักษ์มากกว่าการทดลองแบบจำลอง วิธีการต่างๆ เช่น Holtrop-Mennen แบ่งความต้านทานออกเป็นส่วนประกอบต่างๆ ได้แก่ ความต้านทานการเสียดสี ผลกระทบของรูปทรง ความต้านทานคลื่น การนูน และความต้านทานอากาศ ด้วยสูตรที่ได้มาจากฐานข้อมูลขนาดใหญ่ของเรือ AI จำขั้นตอนของวิธีนี้ คำนวณค่าสัมประสิทธิ์ขั้นกลาง และสร้างโครงกระดูกสเปรดชีต แต่วิธีการนี้มีข้อจำกัด: Holtrop ได้มาสำหรับช่วง Cb, Fn และ L/B บางช่วง; หากออกนอกช่วงนี้ผลลัพธ์จะไม่น่าเชื่อถือ AI ควรเตือนคุณถึงขีดจำกัดนี้ ถ้าเขาไม่เตือนคุณคุณควรถาม

ในด้าน CFD นั้น AI ไม่ได้ทำวิธีแก้ปัญหาด้วยตัวเอง แต่ช่วยให้คุณสืบค้นการตั้งค่าได้ เช่น ตำแหน่งใดที่ควรลดความละเอียดของ mesh ความสูงเริ่มต้นของเซลล์ (y+) ควรเป็นเท่าใดสำหรับเลเยอร์ขอบเขต เหตุใดจึงเลือกแบบจำลองความปั่นป่วน (เช่น k-ω SST) วิธีควบคุมการลู่เข้า นี่คือบทสนทนาระหว่างครูกับนักเรียน สิ่งที่ยืนยันผลลัพธ์เชิงตัวเลขคือการศึกษาความเป็นอิสระของตาข่าย (ความเป็นอิสระของตาข่าย ผลลัพธ์จะไม่เปลี่ยนแปลงเมื่อคุณกระชับเครือข่าย) และหากเป็นไปได้ การสอบเทียบการทดลองแบบจำลอง

วิธีการ

ให้อะไร

จุดแข็ง

ขีดจำกัด/การตรวจสอบ

เรือ/การถดถอยที่คล้ายกัน

ขนาดใหญ่ครั้งแรก กำลังดุร้าย

รวดเร็วมาก ข้อมูลมีราคาถูก

ใช้ได้กับเรขาคณิตที่คล้ายกันเท่านั้น

โฮลทรอป-เมนเนน

เส้นโค้งความต้านทานส่วนประกอบ

มาตรฐานการออกแบบด้านหน้า

Cb/Fn/L·B ช่วงจำกัด; ต้องการการยืนยันรุ่น

CFD

การไหลโดยละเอียด สนามความดัน

เห็นผลในท้องถิ่น

อ่อนไหวต่อเครือข่ายและแบบจำลองความปั่นป่วน จำเป็นต้องมีการสอบเทียบ

การทดลองโมเดล (พูล)

วัดความต้านทานจริง

น่าเชื่อถือที่สุด

มีราคาแพงและใช้เวลานาน การแก้ไขเอฟเฟกต์ขนาด

เคสมินิ

กรณีที่ 1 — ค่าสัมประสิทธิ์การแก้ไขที่ติดตั้งไว้ ทีมคำนวณแรงลากรวมด้วย Holtrop สำหรับเรือบรรทุกน้ำมันขนาด 190 ม. เท่ากับ 620 kN เมื่อพวกเขาบอกให้ AI “ปรับปรุงผลลัพธ์” โมเดลจะเพิ่ม “ตัวคูณการแก้ไขแบบฟอร์ม 0.80” โดยไม่ทราบที่มา โดยลดความต้านทานลงเหลือ 496 kN การลดลง 20% นี้ช่วยลดแรงขับลงประมาณหนึ่งคลาสโฮสต์ ทีมงานถามถึงพื้นฐานของตัวคูณ AI ไม่สามารถอ้างอิงแหล่งที่มาได้ เมื่อเปรียบเทียบกับข้อมูลการทดสอบโมเดลจะพบว่าค่าความต้านทานที่แท้จริงอยู่ที่ประมาณ 610 kN บทเรียน: ไม่มีปัจจัยการแก้ไขใด ๆ หากไม่มีแหล่งที่มาเข้าสู่ผลลัพธ์

กรณีที่ 2 — เกินขีดจำกัดของ Froude นักเรียนให้ Holtrop คำนวณความต้านทานของเรือเฟอร์รีสูง 50 ม. โดยมีเป้าหมายความเร็วบริการ 30 นอต สำหรับความเร็วความยาวนี้ จำนวน Froude จะเพิ่มขึ้นเป็น ~0.70; เหนือกว่าช่วงที่เชื่อถือได้ของ Holtrop AI ให้ผลลัพธ์โดยไม่ต้องระบุก่อน เมื่อนักเรียนถามเกี่ยวกับช่วงความถูกต้อง ปรากฎว่าวิธีการนี้ไม่เหมาะสมในระบบนี้ และต้องใช้วิธีอื่น (Savitsky ฯลฯ) สำหรับแบบฟอร์มกบ/กึ่งดิสเพลสเมนต์ บทเรียน: ตั้งคำถามถึงขอบเขตความถูกต้องของวิธีเชิงประจักษ์ทุกวิธี

กรณีที่ 3 — ข้อผิดพลาดจากเครือข่าย ในการศึกษา CFD AI ให้ความต้านทาน 540 kN ด้วยตาข่ายหยาบ เมื่อวิศวกรกระชับเครือข่ายและทำการศึกษาความเป็นอิสระ ผลลัพธ์คือ 605 kN ค่าเริ่มต้นลดลง 11% เนื่องจากสนามคลื่นท้ายเรือไม่ได้รับการแก้ไขอย่างเพียงพอ บทเรียน: ผลลัพธ์ CFD ไม่สามารถเชื่อถือได้หากไม่มีการศึกษาความเป็นอิสระของเครือข่าย

เทมเพลตพร้อมท์ที่คัดลอกได้

เทมเพลต 1 — การสำรวจขนาดล่วงหน้า:

บทบาท: คุณเป็นที่ปรึกษาการออกแบบเบื้องต้นของเรือ บริบท (ตัวแทน): น้ำหนักบรรทุกสำหรับเรือบรรทุกเทกอง ~40,000 ตัน ความเร็วการให้บริการ ~14.5 นอต ภายในขีดจำกัดร่างเรือ Suez งาน:1) แนะนำชุดค่าผสมความยาวหลักของผู้สมัคร 4 ชุด (Lpp, B, T)2) การกระจัดโดยประมาณสำหรับผู้สมัครแต่ละคน, L/B, B/T, Cb เวอร์ชัน 3) ทำเครื่องหมายว่าอัตราส่วนใดอยู่นอกช่วงปกติ ข้อจำกัด: เขียน หน่วยของแต่ละหมายเลข ระบุการถดถอย/ฐานข้อมูลที่คุณใช้ อย่าตัดสินใจขั้นสุดท้าย ส่งผู้สมัคร

เทมเพลต 2 — การกำหนดค่าการคำนวณตัวต้านทาน Holtrop:

จัดทำกรอบการคำนวณแนวต้านเบื้องต้นด้วยวิธี Holtrop-Mennen อินพุต (ตัวแทน): Lpp, B, T, Cb, Cp, ความเร็วบริการ, พื้นที่เปียก ฉันต้องการ:1) ระบุส่วนประกอบของความต้านทานแยกกัน (แรงเสียดทาน รูปทรง คลื่น เส้นโครง อากาศ)2) เขียนสูตรและสัมประสิทธิ์ที่คุณใช้สำหรับส่วนประกอบแต่ละรายการ3) ระบุช่วงความถูกต้องของวิธีการ (Cb, Fn, L/B) และตรวจสอบว่าอินพุตของฉันอยู่ในช่วงนี้หรือไม่ et.4) เพิ่มวิธีการปรับเทียบผลลัพธ์ด้วยการทดลองแบบจำลอง

เทมเพลต 3 — แบบสอบถามการตั้งค่า CFD:

ฉันกำลังตั้งค่าการศึกษา CFD การต้านทานเรือ อธิบายการตัดสินใจต่อไปนี้โดยให้เหตุผลและระบุช่วงของค่าทั่วไป: - การเลือกแบบจำลองความปั่นป่วนและเหตุผล - โซลูชันใกล้ผนัง (เป้าหมาย y+) และความสูงของเซลล์เริ่มต้น - การตั้งค่าพื้นผิวอิสระ (VOF) - วิธีตรวจสอบการบรรจบกันและความเป็นอิสระของตาข่าย เพิ่มบรรทัด "ฉันจะตรวจสอบสิ่งนี้ได้อย่างไร" สำหรับข้อเสนอแนะแต่ละรายการ

เทมเพลต 4 — การตรวจสอบความสมเหตุสมผลของผลลัพธ์:

วิจารณ์ผลลัพธ์ด้านความต้านทาน/กำลังดังต่อไปนี้:[วาง EHP, DHP, ความเร็ว, ค่าความต้านทาน]1) ลำดับความสำคัญเป็นเรื่องปกติสำหรับเรือขนาดนี้หรือไม่2) สมมติฐานด้านประสิทธิภาพการขับเคลื่อนของคุณสมเหตุสมผลหรือไม่ (โดยทั่วไปคือ 0.55-0.70)?3) คำนวณความต้านทานกลับไปจากความเร็วที่ฉันป้อน มีความสอดคล้องหรือไม่4) ทำเครื่องหมายค่าที่น่าสงสัยหรือไม่มีมูลความจริง

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

ให้ฟอร์มและเส้นโค้งแนวต้านที่ดีที่สุดสำหรับเรือลำนี้

พรอมต์อันทรงพลัง:

บทบาท: คุณเป็นที่ปรึกษาด้านการออกแบบอุทกพลศาสตร์เบื้องต้น บริบท (ตัวแทน ไม่ใช่โครงการจริง): Lpp ~180 ม., B ~32 ม.,T ~12.5 ม., Cb ~0.84, ความเร็วบริการ ~14.5 นอต ภารกิจ: ประเมินความต้านทานเบื้องต้นของส่วนประกอบโดยวิธี Holtrop เขียนแหล่งที่มาของแต่ละสัมประสิทธิ์และช่วงความถูกต้องของวิธีการ ข้อจำกัด: เพิ่มปัจจัยการแก้ไขโดยไม่มีแหล่งที่มา ระบุวิธีตรวจสอบผลลัพธ์ด้วยการทดสอบแบบจำลอง และการวัดที่ฉันต้องทำ หน่วยสถานะ (kN, kW, knots) อย่างชัดเจน

รูปแบบพรอมต์ที่ไม่รัดกุมทำให้ไม่ได้กำหนด "ดีที่สุด" และไม่จำเป็นต้องมีการตรวจสอบความถูกต้อง ข้อความแจ้งที่รัดกุมจะขอบริบท วิธีการ ขีดจำกัดความถูกต้อง และเส้นทางการตรวจสอบ

ข้อผิดพลาดทั่วไป

• ละเว้นซองจดหมายที่ถูกต้อง การใช้ Holtrop หรือการถดถอยอื่นๆ ที่อยู่นอกช่วงที่ได้รับมานั้นให้แนวต้านที่ดูสมเหตุสมผลแต่ไม่ถูกต้อง
• การนำปัจจัยการแก้ไขที่ไม่มีแหล่งที่มามาใช้ พูดว่า "ปรับปรุง" และค่าสัมประสิทธิ์ที่บอบบางที่ AI เพิ่มเข้าไปจะบิดเบือนผลลัพธ์อย่างเงียบๆ
• การใช้ CFD โดยไม่มีความเป็นอิสระของเครือข่าย ตาข่ายหยาบไม่สามารถแก้ไขคลื่นสเติร์นและสนามกระแสน้ำวนได้ ความต้านทานเริ่มต่ำ
• ลืมเอฟเฟกต์ขนาด ผลการทดลองแบบจำลองต้องมีการแก้ไขแรงเสียดทาน (วิธี ITTC) เมื่อเคลื่อนที่ไปสู่ขนาดเต็ม AI สามารถข้ามสิ่งนี้ไปได้
• คำนึงถึงประสิทธิภาพในการจัดส่งในแง่ดี แม้ว่าความต้านทานจะถูกต้อง แต่ประสิทธิภาพการขับเคลื่อนในแง่ดีมากเกินไปจะประเมินกำลังของเครื่องจักรที่ต้องการต่ำเกินไป

โดยสรุป

AI เร่งการค้นพบรูปร่างตัวถัง การตั้งค่าการคำนวณความต้านทานเชิงประจักษ์ และการวางแผนการรัน CFD ทำให้แบบฟอร์มผู้สมัครหลายสิบแบบเทียบเคียงได้ในเวลาไม่กี่นาที แต่วิธีการเชิงประจักษ์ทุกวิธีมีขอบเขตความถูกต้อง ผลลัพธ์ CFD ทุกรายการมีการพึ่งพาเครือข่าย และการประมาณการเต็มสเกลทุกรายการมีการแก้ไขขนาด ค่าความต้านทานและกำลังที่ AI สร้างขึ้นสามารถแปลเป็นการตัดสินใจอ้างอิงได้หลังจากผ่านตัวกรองการทดลองแบบจำลอง การยืนยันเชิงประจักษ์ และความน่าเชื่อถือทางกายภาพเท่านั้น

งานสมัคร

สำหรับเรือตัวแทน (เช่น Lpp ~150 ม., B ~25 ม., T ~9 ม., Cb ~0.75, ความเร็ว ~15 นอต) ให้ AI คำนวณการลากเบื้องต้นและ EHP โดยใช้วิธี Holtrop จากนั้นสอบถามลำดับความสำคัญและสมมติฐานด้านประสิทธิภาพการจัดส่งโดยใช้เทมเพลต "การตรวจสอบความน่าเชื่อถือในการสรุปผล" สอบถาม AI เกี่ยวกับช่วงความถูกต้องของวิธีการ และตรวจสอบว่าอินพุตของคุณอยู่ในช่วงนี้หรือไม่ รายงานความไม่สอดคล้องกันอย่างน้อยหนึ่งรายการที่คุณพบและวิธีตรวจสอบภายในครึ่งหน้า

รายการตรวจสอบ

• [ ] ฉันเปรียบเทียบช่วงความถูกต้องของวิธีเชิงประจักษ์ที่ฉันใช้กับอินพุตของฉัน
• [ ] ฉันถามและยืนยันแหล่งที่มาของปัจจัยการแก้ไขแต่ละข้อที่ AI เพิ่มเข้ามา
• [ ] ฉันเปรียบเทียบผลการต้านทานและกำลังกับลำดับความสำคัญกับเรือทั่วไป
• [ ] ถ้าฉันใช้ CFD ฉันวางแผน/ดำเนินการศึกษาความเป็นอิสระของเครือข่าย
• [ ] ฉันได้ตรวจสอบแล้วว่าสมมติฐานด้านประสิทธิภาพการจัดส่งอยู่ในช่วงที่เหมาะสม
• [ ] ฉันยึดการตัดสินใจขั้นสุดท้ายของแรงผลักดันจากการทดลองแบบจำลอง/วิธีการตรวจสอบ