Kazanimlar:
- Hesaplamalı akışkanlar dinamiği (CFD) sürecinde AI'ın kurulum, sonuç yorumu ve vekil model üretiminde nasıl kullanıldığını açıklayabilme
- Makine öğrenmesi tabanlı vekil (surrogate) modellerle geniş tasarım uzayını hızla tarayıp aday geometrileri sıralayabilme
- AI destekli aerodinamik çıktıları yakınsama, ağ bağımsızlığı ve fiziksel makullük kriterleriyle doğrulayabilme
Bir kanadın nasıl kaldırma ürettiği, bir gövdenin havayı nasıl yardığı, bir kontrol yüzeyinin akışı nasıl saptırdığı; aerodinamik bu görünmez kuvvetlerin bilimidir. Mühendis bu kuvvetleri iki yolla öğrenir: rüzgar tünelinde deneyle veya bilgisayarda hesaplamalı akışkanlar dinamiğiyle (CFD; Computational Fluid Dynamics, akış denklemlerini bir hesap ağı üzerinde sayısal çözen yöntem). CFD güçlüdür ama pahalıdır: karmaşık bir koşu saatler, hatta günler sürebilir, tek bir tasarım noktasını verir. Yüzlerce tasarımı denemek isteyen mühendis burada bir darboğaza girer.
Yapay zeka (AI) bu darboğazı iki yerden açar. Birincisi, CFD sürecinin kendisinde: kurulum kontrolü, sonuç yorumu ve raporlama. İkincisi ve daha dönüştürücü olanı, vekil modellerdir (surrogate model; pahalı bir simülasyonun girdi-çıktı ilişkisini öğrenip saniyeler içinde yaklaşık tahmin veren makine öğrenmesi modeli). Vekil model sayesinde geniş bir tasarım uzayı saatler yerine saniyelerde taranır, umut vaat eden birkaç aday seçilir ve yalnızca onlar tam CFD ile yüksek doğrulukta hesaplanır. Bu ünitede AI'ı bu iş akışına yerleştirirken değişmez kuralı koruyoruz: hiçbir aerodinamik sonuç, yakınsama ve ağ bağımsızlığı gösterilmeden ve fiziksel makullük süzgecinden geçmeden kabul edilmez.
Kavramlar: Yakınsama (convergence): Çözümün iterasyonlar ilerledikçe sabit bir değere oturması; oturmadıysa sonuç güvenilmezdir. Ağ bağımsızlığı (mesh independence): Hesap ağını sıklaştırdığınızda sonucun anlamlı biçimde değişmemesi. CL/CD: Kaldırma katsayısı / sürükleme katsayısı; aerodinamik verimin temel ölçüsü. Vekil model: Simülasyonun hızlı yaklaşık taklidi.
CFD İş Akışında AI'ın Yeri
Bir CFD çalışması kabaca beş adımdır: geometri hazırlama, ağ (mesh) üretimi, çözücü (solver) kurulumu, koşu ve son-işleme (post-processing). AI her adımda farklı biçimde yardımcı olur ama hiçbirinde son sözü söylemez.
Ağ üretiminde AI, sınır tabaka (boundary layer; yüzeye yakın, hızın hızla değiştiği ince akış bölgesi) çözünürlüğü için ilk hücre yüksekliğini y+ hedefine göre kabaca hesaplayabilir. Çözücü kurulumunda türbülans modeli seçimi (örneğin k-omega SST) için akış rejimine uygun seçenekleri gerekçesiyle önerebilir. Son-işlemede, binlerce satırlık sonuç dosyasından kaldırma, sürükleme ve moment katsayılarını çıkarıp bir hücum açısı (angle of attack) taraması grafiği için Python betiği yazabilir. Ama y+ değerinin gerçekten hedefte olup olmadığı, türbülans modelinin bu akışa uyup uymadığı, sonucun yakınsayıp yakınsamadığı mühendisin gözüyle kontrol edilir.
En sık kullanılan yer sonuç yorumudur. AI'a "şu CL-alfa eğrisi neden 14 derecede kırılıyor" diye sorduğunuzda, tutunma kaybı (stall; hücum açısı arttıkça akışın kanattan ayrılıp kaldırmanın düşmesi) olasılığını hatırlatır ve kontrol etmeniz gereken akım ayrılması göstergelerini listeler. Bu bir hipotez üreticisidir; teyit yine veridedir.
Dikkat: AI bir CFD sonucunu akıcı biçimde yorumlayabilir ama sonucun kendisi yanlışsa yorum da yanlış olur. "Bu sürükleme değeri makul" cümlesi, çözüm yakınsamamışsa hiçbir şey ifade etmez. Önce sayının geçerliliğini, sonra yorumu kontrol edin.
Vekil Modeller: Tasarım Uzayını Saniyelerde Taramak
Vekil model kurmanın mantığı basittir. Önce tam CFD ile özenle seçilmiş bir örneklem (örneğin 40-80 tasarım noktası; deney tasarımı, DoE ile dağıtılır) hesaplanır. Sonra bu girdi-çıktı çiftleriyle bir makine öğrenmesi modeli (Gauss süreç regresyonu / kriging, radyal tabanlı fonksiyon veya sinir ağı) eğitilir. Model artık yeni bir geometri için CL/CD'yi saniyeler içinde tahmin eder. Binlerce aday bu ucuz modelle taranır, en iyi görünen 3-5 aday tam CFD ile yeniden hesaplanıp doğrulanır.
Buradaki kritik nokta güven aralığıdır. Kriging gibi modeller yalnızca tahmin değil, o tahmine ne kadar güvendiklerini de (belirsizlik) verir. Eğitim noktalarından uzak bölgelerde belirsizlik büyür; oralarda modele körü körüne güvenmek yerine yeni CFD noktası eklenir. Bu "belirsizliğin yüksek olduğu yere yeni örnek ekle" döngüsü, aktif öğrenme (active learning) olarak bilinir ve az sayıda pahalı koşuyla geniş uzayı verimli tarar.
Yöntem
Bir tasarım noktası maliyeti
Doğruluk
Ne zaman
Tam CFD (RANS)
Saatler
Yüksek
Nihai doğrulama, az sayıda aday
Vekil model (kriging)
Saniyeler
Orta-yüksek (eğitim bölgesinde)
Geniş uzay tarama, optimizasyon
Panel/düşük mertebeli yöntem
Saniye-dakika
Düşük-orta
Çok erken eleme, kaba fikir
Rüzgar tüneli
Günler-haftalar
En yüksek (gerçek)
Kritik doğrulama, sertifikasyon
İpucu: Vekil modeli asla eğitim verisinin kapsadığı aralığın dışında (ekstrapolasyon) kullanmayın. Model 5-15 derece hücum açısıyla eğitildiyse 25 derecede verdiği değer bir tahmin değil, uydurmadır. AI'dan model kurarken "eğitim aralığını yaz ve sınır dışı sorguları reddet" istemek bu tuzağı kapatır.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu kanat profili iyi mi? CFD sonucumu yorumla: CD=0.009.
Güçlü prompt:
Rol: Aerodinamik analiz danışmanısın; güvenlik-kritik doğrulama uygularsın.Bağlam: 2B kanat profili RANS CFD analizi (değerler temsilidir):Re=1.5e6, Mach=0.2, hücum açısı 4°, türbülans modeli k-omega SST.Sonuç: CL=0.62, CD=0.0091. Ağ: 180k hücre, y+ ~1.Görev:1) Sonucu geçerli saymadan önce kontrol etmem gereken doğrulama adımlarını sırala (yakınsama, ağ bağımsızlığı, y+).2) CL/CD oranını hesapla ve bu profil sınıfı için tipik aralıkla kıyasla.3) Değer şüpheli görünüyorsa olası hata kaynaklarını göster.Kısıt: Birim yaz; emin olmadığın yeri işaretle; kesin "iyi/kötü"hükmü verme, doğrulama planı ver.
Kopyalanabilir Prompt Şablonları
Şablon 1 — CFD kurulum akıl yürütmesi:
Şu akış koşulu için CFD kurulum önerisi ver (temsili değerler):Re=[...], Mach=[...], geometri=[...]. Bana şunları gerekçesiyle öner:uygun türbülans modeli seçenekleri, sınır tabaka için hedef y+ veilk hücre yüksekliği hesabı, sınır koşulları. Her seçim için "neden"ve "hangi durumda yanlış olur" notu ekle. Sayıların birimini yaz.
Şablon 2 — Deney tasarımı (DoE) ve vekil model planı:
[N] adet tasarım değişkenim var: [liste, aralıklarıyla]. Vekil modeleğitmek için: (a) kaç örnek noktası ve hangi örnekleme yöntemini(ör. Latin Hiperküp) önerirsin; (b) hangi vekil model türü uygun veneden; (c) modeli nasıl doğrularım (çapraz doğrulama, ayrık test seti).Ekstrapolasyon riskine karşı hangi kuralı koymalıyım?
Şablon 3 — CFD sonuç dosyasından katsayı çıkarma betiği:
Bir CFD kuvvet raporu CSV'sinden (sütunlar: iterasyon, Fx, Fy, Fz)Python ile: (a) son 500 iterasyonun ortalamasını alarak yakınsamışCL ve CD hesapla; (b) yakınsama kontrolü için son 500 iterasyonunstandart sapmasını yaz ve bir eşikle karşılaştır; (c) hücum açısıtaraması için CL-alfa grafiği çiz. Referans alan ve dinamik basıncıparametre yap; hesabı yorum satırlarıyla açıkla.
Şablon 4 — Vekil model tahmin güveni sorgusu:
Eğittiğim kriging vekil modeli şu tahmin için CL=0.71, belirsizlik(std) 0.02 verdi; sorgu noktası eğitim aralığının [içinde/dışında].(a) Bu belirsizlik seviyesi kararı vermek için yeterli mi, nasıl kararveririm? (b) Belirsizlik yüksekse hangi noktaya yeni CFD örneği eklemeliyim(aktif öğrenme mantığı)? (c) Bu tahmini tam CFD ile ne zaman doğrulamalıyım?
Mini Vakalar
Vaka 1 — Yakınsamamış sonuç yakalanıyor. Bir öğrenci, kanat profili için CD=0.0065 sonucunu alır ve sevinir; profil sınıfı için tipik CD 0.008-0.012 aralığındadır, sonuç fazla iyi görünmektedir. AI'ın önerdiği yakınsama kontrolü uygulanınca, kuvvet katsayısının son iterasyonlarda hâlâ salınım yaptığı (standart sapma ortalamanın %8'i) görülür. Çözüm daha fazla iterasyonla yakınsatıldığında CD=0.0094'e oturur. Ders: "fazla iyi" bir sonuç çoğu zaman yakınsamamış bir sonuçtur.
Vaka 2 — Vekil model 200 katı hızlandırıyor. Bir ekip, 6 geometrik parametreli bir kanat için 60 tam CFD koşusu (her biri ~2 saat) yapıp kriging vekil model eğitir. Sonra 5000 aday konfigürasyonu vekil modelle 40 saniyede tarar, en iyi 4 adayı tam CFD ile doğrular. Toplam 64 CFD koşusuyla, kaba tahminle 5000 koşuya eşdeğer bir keşif yapılır; süre haftalardan iki güne iner. Ders: pahalı simülasyonu her noktada değil, yalnızca doğrulama noktalarında koşun.
Vaka 3 — Ekstrapolasyon tuzağı. Bir mühendis, 3-12 derece hücum açısıyla eğitilmiş vekil modele 18 derecede kaldırma sorusu sorar; model CL=1.6 gibi düzgün artan bir değer verir. Gerçekte kanat 15 derece civarında tutunma kaybına girip kaldırma düşer, ama vekil model bu fiziği "görmediği" için düz uzatır. Mühendis fiziksel makullük kontrolüyle (tutunma kaybı beklentisi) sonucu reddeder ve o bölgeye tam CFD koşar. Ders: vekil model eğitim aralığının dışında fizik bilmez.
Sık yapılan hatalar
- Yakınsamayı kontrol etmemek. Yakınsamamış bir çözümün katsayıları anlamsızdır; grafiğin güzelliği yakınsama garantisi değildir.
- Ağ bağımsızlığını atlamak. Sonuç ağa bağlıysa, farklı ağla farklı cevap çıkar; hangisinin doğru olduğu bilinemez.
- Vekil modelde ekstrapolasyon. Eğitim aralığı dışındaki tahmin fiziksel gerçeği değil, matematiksel uzatmayı verir.
- Belirsizliği yok saymak. Kriging tahmininin güven bilgisi kullanılmazsa, model en emin olduğu ile en emin olmadığı bölge aynı muamele görür.
- Türbülans modelini gelişigüzel seçmek. Yanlış türbülans modeli, yakınsamış ve ağ-bağımsız bir çözümü bile fiziksel olarak yanlış yapar.
Özetle
CFD güçlü ama pahalı bir araçtır; AI onu iki yerden hızlandırır: süreç yönetimi (kurulum, yorum, betik) ve vekil modellerle geniş tasarım uzayının saniyelerde taranması. Vekil model, az sayıda tam CFD koşusuyla eğitilir, güven aralığıyla kullanılır ve en iyi adaylar mutlaka tam CFD ile doğrulanır. Hiçbir aerodinamik sonuç yakınsama, ağ bağımsızlığı ve fiziksel makullük kontrolünden geçmeden kabul edilmez. AI hipotez ve hız verir; fiziğin son hakemi veridir.
Uygulama görevi
Bir kanat profili veya basit bir geometri için (gerçek proje verisi değil, temsili) bir CFD koşusu senaryosu tanımlayın. AI'ı kullanarak (a) sonucu geçerli saymadan önceki doğrulama adımlarını listeleyin, (b) sonuç dosyasından katsayı çıkaran bir Python betiği yazdırın ve mantığını satır satır kontrol edin, (c) bir vekil model kurma planı (kaç örnek, hangi yöntem, nasıl doğrulama) hazırlayın. Bir sonucu tipik aralıkla kıyaslayıp makullüğünü değerlendirin.
Kontrol listesi
- [ ] Her CFD sonucu için yakınsama kontrolü yaptım.
- [ ] Ağ bağımsızlığının gösterilip gösterilmediğini sorguladım.
- [ ] CL/CD gibi katsayıları tipik sınıf aralığıyla kıyasladım.
- [ ] Vekil modeli yalnızca eğitim aralığı içinde kullandım.
- [ ] Vekil model tahminlerinin belirsizliğini karara kattım.
- [ ] En iyi adayları tam CFD ile doğruladım.