Lợi nhuận:
- Khả năng tăng tốc độ xác định kích thước ban đầu và khám phá thiết kế bằng cách cung cấp các thông số hình dạng thân tàu, lực cản và lực đẩy cho AI ở định dạng có cấu trúc
- Khả năng truy vấn thiết lập các nghiên cứu CFD (động lực học chất lỏng tính toán), mạng và logic điều kiện biên với sự hỗ trợ của AI
- Khả năng nắm bắt các hệ số và kết quả phù hợp bằng cách kiểm tra chéo các dự đoán thủy động lực học của AI bằng thử nghiệm mô hình, phương pháp thực nghiệm và tính hợp lý về mặt vật lý
Toàn bộ nền kinh tế của một con tàu được ẩn giấu dưới hình thức chìm trong nước. Khi hình dạng thân tàu (dạng thân tàu; hình dạng thân tàu dưới nước và trên mặt nước) thay đổi dù chỉ một milimet, nhiên liệu nó sẽ đốt, hàng hóa nó sẽ chở và lượng khí thải sẽ thay đổi trong suốt vòng đời của con tàu đó. Do đó, thiết kế hình thức và thủy động lực học (khoa học về dòng nước xung quanh thuyền và các lực mà nó gây ra) là những giai đoạn mà các quyết định tốn kém nhất của kỹ thuật hải quân được đưa ra. Trí tuệ nhân tạo (AI) tăng tốc ba nhiệm vụ ở giai đoạn này: thăm dò thiết kế và định cỡ ban đầu, cài đặt các phương pháp kháng cự theo kinh nghiệm và lập kế hoạch nghiên cứu động lực học chất lỏng tính toán (CFD).
Nhưng hãy làm rõ điều đó ngay từ đầu: không có đường cong lực cản, không có hệ số dạng nào do AI đưa ra sẽ chuyển thành quyết định về lực đẩy mà không được xác nhận bằng thử nghiệm mô hình hoặc phương pháp đã được xác thực. Nước không đọc công thức; Hành vi thực tế của con thuyền chỉ được biết bằng phép đo và tính hợp lý về mặt vật lý. AI là một công cụ tăng tốc và tạo ra ý tưởng ở đây; thủy động lực học không phải là bằng chứng cho thực tế.
Khái niệm: Lực cản: Lực cản của nước tác dụng lên thuyền khi thuyền tiến về phía trước; Nó bao gồm các thành phần ma sát, sóng và xoáy. Hệ số khối (Cb): Tỷ số giữa thể tích dưới nước của thân tàu với lăng trụ chữ nhật bao quanh nó; là thước đo của sự viên mãn. Số Froude (Fn): Số không thứ nguyên liên hệ tốc độ với chiều dài thuyền; xác định lực cản của sóng. Hiệu suất đẩy: Bao nhiêu công suất do động cơ tạo ra được chuyển thành lực đẩy hiệu quả. EHP/DHP: Công suất hiệu dụng (Effective Horse Power, công suất cần thiết để vượt qua lực cản của thuyền) và công suất truyền tải (Delivered Horse Power, công suất tới chân vịt).
Thăm dò kích thước và thiết kế ban đầu
Thiết kế hình thức là một bài toán tìm kiếm: có sự kết hợp vô tận giữa các kích thước chính (chiều dài Lpp, chiều rộng B, bản nháp T), hệ số hình thức (Cb, hệ số lăng trụ Cp, hệ số tiết diện giữa Cm) và tốc độ. Trong phương pháp cổ điển, người kỹ sư bắt đầu từ dữ liệu của các tàu tương tự (chuỗi chiều dài chính, quan hệ hồi quy). AI đẩy nhanh quá trình khám phá này: trong vài phút, nó lập bảng kê hàng chục tổ hợp kích thước chính có thể ứng cử viên, độ dịch chuyển gần đúng của từng tổ hợp và liệu tỷ lệ L/B, B/T có nằm trong phạm vi điển hình hay không.
Đây là quá trình từng bước. Bước đầu tiên là khắc phục yêu cầu của nhiệm vụ: hàng hóa phải vận chuyển, phạm vi, tốc độ dịch vụ, các hạn chế về kênh/cảng (ví dụ: giới hạn chiều rộng mớn nước của Panama, Suez). Bước thứ hai là xác định đại khái các chiều dài chính đầu tiên với dữ liệu tàu tương tự. Bước thứ ba là chọn các hệ số dạng trong khoảng hợp lý theo tỷ lệ tốc độ-khung hình (số Froude). Bước thứ tư là ước tính sơ bộ về điện trở và công suất bằng phương pháp thực nghiệm (ví dụ: hồi quy Holtrop-Mennen). Ở mỗi bước này, AI xây dựng công thức và tạo ra các con số; nhưng bắt buộc bạn phải hỏi nguồn của từng hệ số và so sánh nó với phạm vi điển hình.
Mẹo: Khi bạn được AI đề xuất một hệ số dạng, hãy hỏi "giá trị Cb này có phải là điển hình cho số Froude này không; nó nên nằm trong phạm vi nào?" Ví dụ, ở dạng tốc độ cao, Cb (0,80+) đầy đủ sẽ làm nổ tung lực cản sóng; AI có thể nhắc nhở bạn về điều này, nhưng lựa chọn cuối cùng là của bạn với dữ liệu vận chuyển tương tự.
Phương pháp thực nghiệm và AI trong thiết lập CFD
Ở giai đoạn sơ bộ, sức đề kháng được ước tính bằng phương pháp hồi quy thực nghiệm thay vì thử nghiệm mô hình. Các phương pháp như Holtrop-Mennen chia lực cản thành các thành phần của nó: lực cản ma sát, hiệu ứng hình dạng, lực cản sóng, độ phồng và lực cản không khí, với các công thức bắt nguồn từ cơ sở dữ liệu lớn về tàu. AI nhớ lại các bước của phương pháp này, tính toán các hệ số trung gian và xây dựng khung bảng tính. Nhưng phương pháp này có giới hạn hiệu lực của nó: Holtrop được rút ra từ các phạm vi Cb, Fn và L/B nhất định; Nếu bạn đi ra ngoài phạm vi này, kết quả sẽ không đáng tin cậy. AI sẽ nhắc nhở bạn về giới hạn này; Nếu anh ấy không nhắc bạn thì bạn nên hỏi.
Về phía CFD, AI không tự thực hiện giải pháp nhưng nó giúp bạn truy vấn thiết lập: cần thắt chặt độ phân giải lưới ở đâu, chiều cao ô ban đầu (y+) phải là bao nhiêu cho lớp biên, tại sao mô hình nhiễu loạn (như k-ω SST) được chọn, cách kiểm soát sự hội tụ. Đây là cuộc đối thoại giữa giáo viên và học sinh; Điều xác nhận kết quả bằng số là nghiên cứu tính độc lập của lưới (độc lập của lưới; kết quả không thay đổi khi bạn thắt chặt mạng) và, nếu có thể, hiệu chỉnh thử nghiệm mô hình.
phương pháp
những gì mang lại
điểm mạnh
Giới hạn/xác minh
Tàu/hồi quy tương tự
Kích thước lớn đầu tiên, lực lượng vũ phu
Rất nhanh, dữ liệu rẻ
Chỉ hợp lệ cho hình học tương tự
Holtrop-Mennen
Đường cong kháng thành phần
Tiêu chuẩn thiết kế mặt trước
Giới hạn phạm vi Cb/Fn/L·B; Cần xác nhận mô hình
CFD
Dòng chảy chi tiết, trường áp suất
Nhìn thấy hiệu ứng cục bộ
Nhạy cảm với mô hình mạng và nhiễu loạn; hiệu chuẩn là cần thiết
Thí nghiệm mô hình (nhóm)
Đo điện trở thực tế
Đáng tin cậy nhất
Đắt tiền, tốn thời gian; hiệu chỉnh hiệu ứng tỷ lệ
Hộp đựng nhỏ
Trường hợp 1 - Hệ số hiệu chỉnh được lắp. Một đội tính toán lực cản tổng cộng bằng Holtrop đối với tàu chở dầu 190 m là 620 kN. Khi họ yêu cầu AI “cải thiện kết quả”, mô hình sẽ thêm “hệ số hiệu chỉnh dạng 0,80” không rõ nguồn gốc, giảm điện trở xuống 496 kN. Mức giảm 20% này làm giảm lực đẩy khoảng một lớp vật chủ. Đội hỏi về cơ số của số nhân; AI không thể trích dẫn nguồn. Khi so sánh nó với dữ liệu thử nghiệm mô hình, họ thấy rằng điện trở thực là khoảng 610 kN. Bài học: không có hệ số hiệu chỉnh nào mà không có nguồn nhập kết quả.
Trường hợp 2 - Vượt quá giới hạn Froude. Một học sinh nhờ Holtrop tính toán lực cản của một chiếc phà dài 50 m nhằm đạt tốc độ chạy 30 hải lý/ giờ. Đối với tốc độ dài này, số Froude tăng lên ~ 0,70; Cao hơn phạm vi đáng tin cậy của Holtrop. AI đưa ra kết quả mà không cần chỉ định trước. Khi sinh viên hỏi về phạm vi hiệu lực, hóa ra phương pháp này không phù hợp trong chế độ này và cần phải có một phương pháp khác (Savitsky, v.v.) cho các dạng máy bào/bán dịch chuyển. Bài học: đặt câu hỏi về phạm vi giá trị của mọi phương pháp thực nghiệm.
Trường hợp 3 - Lỗi từ mạng. Trong một nghiên cứu CFD, AI tạo ra điện trở 540 kN với lưới thô. Khi kỹ sư thắt chặt mạng và thực hiện các nghiên cứu độc lập thì kết quả là 605 kN; giá trị ban đầu thấp hơn 11% do trường sóng phía sau không được phân giải đầy đủ. Bài học: Kết quả CFD không thể được coi là đáng tin cậy nếu không có nghiên cứu về tính độc lập của mạng.
Mẫu lời nhắc có thể sao chép
Mẫu 1 - Khám phá định cỡ trước:
Vai trò: Bạn là nhà tư vấn thiết kế sơ bộ tàu. Bối cảnh (người đại diện): Tải trọng cho tàu chở hàng rời ~40.000 tấn, tốc độ phục vụ ~14,5 hải lý, trong giới hạn mớn nước Suez. Nhiệm vụ:1) Đề xuất 4 tổ hợp chiều dài chính ứng viên (Lpp, B, T).2) Chuyển vị gần đúng cho từng ứng viên, L/B, B/T, Cb ver.3) Đánh dấu tỷ lệ nào nằm ngoài phạm vi điển hình. Ràng buộc: Viết đơn vị của mỗi số; chỉ định hồi quy/cơ sở dữ liệu bạn đang sử dụng; Đừng đưa ra quyết định cuối cùng, hãy gửi một ứng cử viên.
Mẫu 2 - Cấu hình tính toán điện trở Holtrop:
Thiết lập khung tính toán sức cản sơ bộ bằng phương pháp Holtrop-Mennen. Đầu vào (đại diện): Lpp, B, T, Cb, Cp, tốc độ vận hành, diện tích ẩm ướt. Tôi muốn:1) Liệt kê các thành phần điện trở riêng biệt (ma sát, dạng, sóng, hình chiếu, không khí).2) Viết công thức và hệ số bạn sử dụng cho từng thành phần.3) Chỉ định phạm vi hiệu lực của phương pháp (Cb, Fn, L/B) và kiểm tra xem đầu vào của tôi có nằm trong phạm vi này hay không. et.4) Thêm cách hiệu chỉnh kết quả bằng thí nghiệm mô hình.
Mẫu 3 - Truy vấn thiết lập CFD:
Tôi đang thiết lập một nghiên cứu CFD về lực cản của thuyền. Giải thích các quyết định sau đây có căn cứ và đưa ra một phạm vi giá trị điển hình: - Lý do và lựa chọn mô hình nhiễu loạn - Giải pháp gần tường (mục tiêu y+) và chiều cao ô ban đầu - Cài đặt Bề mặt tự do (VOF) - Cách kiểm tra độ hội tụ và tính độc lập của lưới Thêm dòng "làm cách nào để xác minh điều này" cho mỗi đề xuất.
Mẫu 4 - Kiểm tra tính hợp lý của kết quả:
Đánh giá kết quả điện trở/công suất sau: [Dán các giá trị EHP, DHP, tốc độ, điện trở]1) Thứ tự độ lớn có điển hình cho con tàu cỡ này không?2) Giả định hiệu suất động cơ đẩy của bạn có hợp lý không (thường là 0,55-0,70)?3) Tính toán lực cản từ tốc độ tôi đã nhập, nó có nhất quán không?4) Đánh dấu bất kỳ giá trị nghi vấn hoặc vô căn cứ nào.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Đưa ra hình dạng và đường cong lực cản tốt nhất cho chiếc thuyền này.
Lời nhắc mạnh mẽ:
Vai trò: Bạn là nhà tư vấn thiết kế sơ bộ thủy động lực. Bối cảnh (đại diện, không phải dự án thực tế): Lpp ~180 m, B ~32 m,T ~12,5 m, Cb ~0,84, tốc độ phục vụ ~14,5 hải lý. Nhiệm vụ: Ước tính điện trở sơ bộ thành phần bằng phương pháp Holtrop; ghi lại nguồn gốc của từng hệ số và khoảng giá trị của phương pháp. Ràng buộc: THÊM hệ số hiệu chỉnh không có nguồn. Liệt kê cách xác minh kết quả bằng thử nghiệm mô hình và những phép đo tôi cần thực hiện. Đơn vị trạng thái (kN, kW, hải lý) rõ ràng.
Biểu mẫu nhắc yếu không xác định "tốt nhất" và không yêu cầu xác thực; Lời nhắc mạnh mẽ yêu cầu ngữ cảnh, phương pháp, giới hạn hiệu lực và đường dẫn xác minh.
Những lỗi thường gặp
- Bỏ qua phong bì hợp lệ. Sử dụng Holtrop hoặc bất kỳ hồi quy nào khác ngoài phạm vi mà nó được đưa ra sẽ mang lại mức kháng cự có vẻ hợp lý nhưng không chính xác.
- Thông qua một hệ số hiệu chỉnh không có nguồn gốc. Nói "cải thiện" và các hệ số mỏng manh mà AI thêm vào sẽ âm thầm làm sai lệch kết quả.
- Sử dụng CFD mà không cần độc lập với mạng. Lưới thô không thể giải quyết được trường sóng và xoáy ở đuôi tàu; sức đề kháng trở nên thấp.
- Quên hiệu ứng quy mô. Kết quả thí nghiệm mô hình yêu cầu hiệu chỉnh ma sát (phương pháp ITTC) khi chuyển sang toàn thang đo; AI có thể bỏ qua điều này.
- Tận dụng hiệu quả công văn một cách lạc quan. Ngay cả khi điện trở chính xác, hiệu suất truyền động quá lạc quan sẽ đánh giá thấp công suất máy cần thiết.
Tóm lại
AI tăng tốc việc phát hiện hình dạng thân tàu, thiết lập tính toán lực cản theo kinh nghiệm và lập kế hoạch chạy CFD; làm cho hàng tá biểu mẫu ứng cử viên có thể so sánh được trong vài phút. Nhưng mọi phương pháp thực nghiệm đều có một đường bao hợp lệ, mọi kết quả CFD đều có sự phụ thuộc vào mạng và mọi ước tính quy mô đầy đủ đều có sự điều chỉnh tỷ lệ. Các giá trị điện trở và công suất do AI tạo ra chỉ có thể được chuyển thành quyết định tham chiếu sau khi vượt qua bộ lọc thử nghiệm mô hình, xác nhận thực nghiệm và tính hợp lý về mặt vật lý.
Nhiệm vụ ứng dụng
Đối với tàu đại diện (ví dụ: Lpp ~150 m, B ~25 m, T ~9 m, Cb ~0,75, tốc độ ~15 hải lý), hãy nhờ AI tính toán lực cản sơ bộ và EHP bằng phương pháp Holtrop. Sau đó, truy vấn thứ tự cường độ và giả định về hiệu quả điều phối bằng cách áp dụng mẫu “kiểm tra tính hợp lý của kết luận”. Hỏi AI về phạm vi hiệu lực của phương pháp và kiểm tra xem dữ liệu đầu vào của bạn có nằm trong phạm vi này hay không. Hãy báo cáo ít nhất một điểm không thống nhất mà bạn tìm thấy và cách bạn xác minh nó trong nửa trang.
danh sách kiểm tra
- [ ] Tôi đã so sánh phạm vi hiệu lực của phương pháp thực nghiệm mà tôi đã sử dụng với thông tin đầu vào của mình.
- [ ] Tôi đã hỏi và xác nhận nguồn gốc của từng yếu tố hiệu chỉnh mà AI đã thêm vào.
- [ ] Tôi đã so sánh kết quả về lực cản và công suất với mức độ lớn hơn của một con tàu thông thường.
- [ ] Nếu tôi sử dụng CFD, tôi đã lập kế hoạch/thực hiện nghiên cứu về tính độc lập của mạng.
- [ ] Tôi đã xác minh rằng giả định về hiệu suất điều phối nằm trong phạm vi hợp lý.
- [ ] Tôi đưa ra quyết định cuối cùng về lực đẩy dựa trên thử nghiệm mô hình/phương pháp đã được xác thực.