CAE仿真軟件一直在不斷發展，一些重要的發展趨勢值得國內CAE軟件公司參考。如果在鋰電池領域開發國產自主的CAE仿真軟件，除了具備前文中所提到的需要將前沿電化學理論參數化表達，如果進一步形成系統的代碼以及開發相應的仿真軟件，依然需要符合CAE軟件開發的一般規律，開發出來的軟件產品需要具備比肩甚至超越國外CAE軟件的性能。下面先就CAE軟件的產品模塊和功能特點進行分析。
功能和架構：
從大的方面來說，CAE軟件通常是綜合了數學、物理、電化學等多學科理論基礎、計算機科學、工程應用實踐三方面的知識。對于現實客觀世界的建模通常依靠物理、電化學等基礎學科理論，深入理解描述物理、電化學等過程的原理理論。原理理論的開拓通常需要無數數學家、物理學家、化學家以及科研工作者持續的探索和歸納，不斷提出對客觀規律更為精準的描述方法。電化學過程目前普遍采用Newman提出的偽二維模型來描述，遵循電荷守恒和物料守恒。流體仿真中描述流動的底層物理規律是動量、質量守恒，其中N-S方程被用來描述動量守恒過程，連續性方程描述質量守恒。每一種物理場都可以用若干模型和方程來描述，當涉及到多個物理場時，還要建立耦合模型，構成偏微分方程組再進行求解。
這些現實客觀世界的建模所設立的方程通常為偏微分方程，從這一點來說，偏微分方程是人類用來描述客觀世界的工具，而CAE仿真軟件就是要通過計算機科學技術來實現對客觀世界的建模、求解、結果展示以及優化設計。
CAE軟件從產品角度來看有三個重要的組成部分，分別是前處理器、求解器和后處理器。后處理器用于展示CAE求解結果，這里通常運用計算機圖形學技術來開發。CAE軟件的核心在于對現實現象的精準建模以及實現高保真度的數值模擬求解。CAE軟件的仿真質量和數值模擬的質量直接相關。
數值模擬計算一般分為三個環節：網格離散（網格劃分）、邊界條件設定和求解過程本身。數值模擬求解的核心在于網格離散和數值算法，因此前處理器中的網格劃分模塊和求解器是CAE軟件中最為關鍵的兩個部分。
首先，數值計算需要輸入高質量的網格數據，否則就會是“garbage in, garbage out”，網格剖分的好壞直接決定了仿真質量的高低，因此網格生成的算法技術非常重要。而且網格生成的密度還要結合實際工程應用場景，平衡計算精度和計算效率。目前實際仿真場景中前處理仍主要依靠人工處理，處理時間較長，往往40%左右的時間都花在網格處理上面。目前業界主要通過自適應網格加密劃分技術和AI來提高前處理中網格劃分的效率。
求解器的開發實際上是運用C++/Fortran等語言將數值計算方法編寫成軟件程序，求解過程就是求解程序在硬件上運行，求解的對象是基于網格數據生成的大規模線性方程組。求解器的魯棒性和收斂性至關重要，計算求解如果很容易發散，得不到收斂的結果，那么開發出來的仿真軟件市場反響就不會很好。目前很多數值計算方法已經相對成熟，比如有限元法、有限體積法等，這些也都是現有商業軟件廣泛應用的數值方法。而面對電池領域尚未得到很好解答的一些問題，比如涉及到介觀尺度方面的仿真模擬問題，就可以運用一些相對新興的數值解法如LBM、SPH等，這在前文中已詳細介紹過。
另一方面，實際仿真過程的計算時間有可能長達幾天甚至幾個月，仿真工程師都希望仿真的速度能夠進一步提升。目前業界在通過降階模型（ROM）和高性能計算等技術來緩解“仿真計算速度焦慮”。
簡要總結一下，自主開發的CAE軟件需要具備的功能特點：
-
前處理器：支持生成多種網格類型（四面體、六面體等等），易用性好，劃分速度快；圖形界面操作方便，交互頁面簡單易懂、方便工程師快速設置求解模型的多種邊界條件。
-
求解器：收斂性和穩定性，不容易發散；計算速度快、計算精度高，誤差小
-
后處理器：圖形引擎穩定性高，可生成各種后處理圖形和動畫，可視化效果
除了軟件產品需要具備上述功能特點，技術支持團隊要能提供高質量的仿真應用支持服務，要保證仿真軟件應用效果和用戶應用體驗，以此保障交付和訂單的可持續性，特別是在工業仿真軟件也在向SaaS轉變的趨勢下。要搭建完善的客戶交付體系，在用戶培訓、軟件試用以及技術支持的各個環節都要能快速響應、解決問題。
多物理場耦合、多尺度仿真
仿真已經從單一物理場仿真演進為多物理場耦合仿真，考慮兩種或多種物理場的交叉作用和相互耦合，多物理場耦合仿真會涉及到模型交互、幾何網格匹配、求解等多種挑戰。以電池為例，就涉及到物理、電化學、流體、機械結構、電磁兼容等諸多物理場。
未來仿真不僅僅是多物理場耦合，也將會是從材料到系統層次覆蓋多尺度的，和前述我們分析電池仿真類似的還有半導體仿真，半導體器件仿真也在將器件性能與材料特性聯系起來，系統研究材料、幾何形狀以及工藝的變化將如何影響器件的電學性能，以此優化器件設計。應用材料公司在2021年提出Materials to Systems Co-Optimization，希望實現從材料到系統的多尺度協同優化，以此確定最佳工藝路線和參數（覆蓋前道、中道及后道中多個工藝環節）。
國外工業軟件大廠也在多尺度仿真上早有動作，2014年達索收購acclrys，現更名為BIOVIA，BIOVIA主要側重生物科學。2020年西門子收購了計算化學公司Culgi，Culgi軟件可以提供量子化學和分子模擬功能。
全流程協同
仿真是企業研發的重要一環，除了提供高效的仿真分析，仿真軟件還要提供仿真流程與數據管理平臺，有效管理海量的、不同類型的仿真文檔和數據，建立分析文檔與產品模型的對應關系，幫助企業建立專有的仿真知識庫和流程規范，提高對仿真知識、流程的可復用程度。
研發不僅僅是仿真。研發過程中仿真-測試共同產生的海量數據蘊藏著重要價值，因此工業仿真軟件不僅僅要沉淀工藝經驗知識的仿真數據，還需要沉淀研發管理、設計仿真的數據管理經驗，將設計-仿真-測試全流程標準化。
仿真軟件除了要提供杰出的仿真技術為設計提供指導依據外，還可以深入研發測試環節，提供仿真-測試的綜合服務。比如西門子2012年收購的比利時LMS公司，就是一家可以為汽車企業客戶提供NVH方面綜合的仿真-測試解決方案。LMS提供了測試所需要的軟硬件產品，其中就包括測試數據管理系統，可以最大限度地減少客戶處理測試數據和創建報告所花費的時間，幫助客戶提高整個組織的協作效率。
研發數據管理問題對于電池企業愈發凸顯，由于電池研發本身是一個復雜工程，研發過程中會產生的TB級以上的數據量，如何有效地管理這些研發測試數據，為數據分析和引入AI算法做好基礎工作，是目前電池及電池材料企業研發管理需要解決的一個重要問題。
目前多數電池及電池材料企業仍然主要以紙質或者借助簡單的Excel表格存儲管理研發數據。少數頭部企業通過上線研發試驗管理系統來提高研發數據管理水平，保證測試數據的可追溯性和可重用性。在部分電池企業，這類管理系統會覆蓋電池常規測試、電池表征測試、電池失效分析等方面。少數材料企業希望以此實現材料包覆、預鋰預鎂等工藝的研發測試管理數字化。電池及材料企業都希望借此提高研發效率、降低研發運營成本[29]。
仿真軟件還可以增加與測試數據的對比以獲得更好的工程洞察力。比如西門子的Teamcenter就包括創建虛擬傳感器的技術，客戶可以在難以放置真實傳感器的區域獲取數據，Teamcenter內置的數據管理軟件可以匯聚企業測試得到的真實數據和仿真數據。通過將設計、仿真和測試數據匯集在一起，在軟件中創建驗證序列，企業客戶可以快速定位問題、更好地評估設計方案。
仿真不可避免會涉及到各種材料，所以部分仿真軟件配置相關的材料數據庫，比如COMSOL和ANSYS，以ANSYS為例，ANSYS于2019年收購了Granta Design公司，并將它重組為ANSYS的材料事業部門。Granta Materials同時融合了多種標準材料數據庫，能夠為產品設計提供豐富的材料數據信息。這些數據庫涵蓋了通用材料、航空航天、塑料、醫療器械等多個領域。同時支撐企業自有數據錄入。
總結一下，仿真軟件公司介入研發測試數據管理具有很強的重要性：研發數據很重要富有研發價值；仿真-測試綜合服務有利于為客戶提出更多有價值的研發建議，提高客戶粘性；未來引入AI和計算材料學方法需要良好的數據基礎。此外，仿真軟件會配置相關材料數據庫來減輕企業仿真負擔、提升仿真精度。
對于國內鋰電池領域的仿真軟件公司來說，可以在提供電池測試數據管理功能模塊的基礎上，通過建立電池表征管理和電化學參數庫，實現電池測試數據和材料數據的結構化存儲，為之后將測試數據和仿真所需參數結合起來打好基礎。統一的研發數據管理分析平臺，為用戶提供自動化、標準的測試和仿真分析報告，幫助電池企業實現電池研發數據的全過程追溯，以及跨部門、跨組織的研發協同。
而且電池研發也會涉及到種類繁多的金屬和非金屬材料，不同供應商提供的同種材料、不同工藝制備出來的同類型材料都可能在材料屬性特征上存在差異，加上摻雜、包覆等多種工藝，使得電池材料的管理也非常復雜。電池仿真軟件如果能夠幫助企業有效管理研發所用到的材料數據，綜合企業內部的試驗、設計、歷史積累數據和企業外部材料信息數據資源，最終形成一個覆蓋范圍廣泛的企業級電池材料信息管理系統，幫助企業更加方便地獲取準確的材料數據，將有效提升企業電池研發仿真精度與效率。
整體上看各行業仿真與制造工藝的協同趨勢已然顯現，其中以半導體的DTCO為代表，這種協同不單單是一個企業內部跨部門、跨組織的協同，甚至有可能是跨上下游的協同，因此需要第三方的工業軟件公司來承擔起作用。鋰電池領域設計仿真與制造工藝協同也有所發展，但是需求主體和強烈度、發展節奏和成熟度與半導體行業DFM和DTCO的有所不同。
一個好的設計必須要考慮制造環節的工藝過程，而設計與工藝的協同就需要導入仿真技術，特別是對于工藝變化很快的領域。以動力電池為例，工藝變化速度較快。目前實驗驗證的試錯法又無法全局考慮問題，會導致制造現場不斷調整參數。而且新方案測試耗時也很長。一個新的材料新配方去做驗證可能需要12個月左右，導致新產品開發和產業化節奏較慢。因此，必須導入仿真技術，實現設計仿真和制造工藝的協同，加速推動產品的正向設計。
目前面向制造工藝的仿真技術有下圖中所列的五大類[30]：
同時，仿真要實現與設計、制造、運行的全流程協同，在產品設計、生產工藝、質量測試、實際運行乃至產品回收等各環節都要進行相關仿真。這就意味著，不僅僅是在設計仿真過程要建立數字化的模型，而是要形成一個全生命周期的數字化模型，不斷逼近物理實體狀態，輔助實際決策。以電池為例，除了單體電芯級別的仿真模型之外，還需要將從電池到PACK到電池管理的仿真融合起來。這對仿真的實時性、精度和效率都提出了非常高的要求。
仿真要融入產品實際運行的環節過程中，就要與實際業務的應用場景緊密結合，比如通過工業物聯網技術采集實時數據，再通過仿真技術實時提供仿真預測，輔助實際業務的決策。例如在電池領域，就可以考慮將電池實際運行的工況數據納入仿真體系中來，除了用于實時的壽命預測和健康管理之外，還可以將老化數據與仿真模型進行對照，結合機器學習進一步優化仿真精度，還可以反饋優化設計和工藝。
隨著上下游協同性的增強，仿真軟件的使用者將從單純的仿真工程師拓展到工藝人員等其他部門乃至上下游企業。以電池行業為例，可能電池廠的電芯工程師、工藝工程師要和上游的材料工程師、下游汽車主機廠的工程師和設計人員一起在仿真軟件上探討如何優化電芯的設計方案。
仿真的目的在于優化產品設計方案，當前仿真、設計與優化三者結合的趨勢越來越緊密。仿真軟件目前會通過提供多種方案的評估對比，提供仿真結果輔助設計參數的優化，未來將會有更多和業務場景深度結合的優化應用出現。
無論是多物理場還是多尺度仿真，還是和測試、制造工藝等全流程結合協同優化，目的都是為了增強仿真置信度、加強仿真在研發設計中的指導作用，即讓仿真輔助設計優化甚至決定材料的選取、工藝參數的設定、器件乃至系統的設計，這是當前非常重要的發展趨勢。
以長安汽車為例，長安汽車對標福特汽車、通用公司建立CAE仿真置信度5級評價體系，第一級為由試驗驗證設計，不做仿真，第二級為運用仿真預測變化趨勢，第三級為仿真篩選優化方案、減少試驗次數，第四級為仿真篩選試驗，試驗只做一次，第五級則是由仿真直接驗證設計，無需試驗。對照這五級標準，如前所述鋰電池行業目前普遍仍以實驗試錯法為主導[31]。
云仿真和SaaS
當前仿真軟件也在逐步走向云端，相較于本地仿真，在云端仿真對于企業用戶有以下幾方面優勢：
-
對于超大規模模型的仿真，提交到云端仿真可以進行多核并行計算，計算效率提升會非常明顯。借助彈性的云計算功能，用戶可以根據需要同時運行盡可能多的模擬。此外，用戶可以隨時按需擴展計算資源。
-
計算資源來自云端，可以為企業用戶節省大量的硬件成本
-
通過“用戶-角色-權限”的授權方式，即為用戶分配角色來分配相應權限，可以簡化常規的賦予和取消等權限管理，減少系統開銷的同時有效保障企業的數據安全
-
項目所有相關人員都可以在云端軟件內實時查看相同的仿真模型數據，有效增強用戶之間的協作。
-
-
-
對于仿真軟件開發公司來說，選擇交付云端SaaS版仿真軟件也是一個不小的挑戰，會帶來以下轉變：
-
SaaS交付的銷售價格將會更低，企業短期內收入會承受一定壓力。
-
如果產品體驗不佳，用戶很可能取消訂閱，企業需要拿出比“銷售永久license時代”更好的客戶交付服務，確保客戶使用體驗長期維持在高水平。因為這不再是一錘子買賣。
-
云端頁面的交互顯示十分重要，這對仿真軟件企業在圖形渲染、軟件架構技術方面提出更高的要求。
近年來越來越多的工程師開始采用云端仿真，根據ANSYS的報告數據，52%的受訪工程師表示在設計仿真過程中所面臨的最大業務挑戰是如何縮短設計周期，為了加速完成一些規模較大的仿真任務，工程師必須要獲取大量的計算資源。在2014年的報告中，只有10％的工程師使用超過32個以上的內核，而2021年有44％的用戶使用了12個以上的內核并行處理其最大的仿真應用程序，18％的用戶使用的內核數量超過36個。中大型公司對多核計算資源的需求表現更為明顯。同時工業仿真計算場景已經從單個工作站的單機模式逐漸演變為包含工作站、筆記本、集群和云端的復雜混合環境[32]。
在解決仿真效率問題方面，云技術和HPC（高性能計算）是緊密結合的，HPC硬件部分包括CPU、GPU、NPU等，軟件部分主要解決集群資源調度問題。目前云廠商如阿里云，騰訊云等會提供開放式的云端硬件計算平臺，將商業CAE仿真軟件安裝在云端HPC服務器上，按照資源使用時間收費。也有第三方公司如國內的速石科技和國外的Rescale等，比如速石科技就是綜合多家云廠商資源和多種仿真軟件，為企業用戶提供集群運行仿真服務，解決企業資源峰值需求，避免過度投資或者預估資源不足的情況。
國外云端CAE軟件公司有Simscale、Onscale、Designworld、Caeplex、Ceetron等，以Simscale為例，其采用SaaS模式進行交付。Simscale希望通過SaaS交付來為用戶進一步節省下IT資源的部署投入，為工程師提供另一條更低成本的選擇，而不是只能高價購買仿真軟件的license。Simscale可以進行多物理場仿真，覆蓋結構、熱、流體等領域。但是，Simscale的求解器模塊采用開源的OpenFOAM和CalculiX，OpenFOAM用于流體仿真，而CalculiX用于結構力學仿真，這意味著Simscale的仿真求解功能有限，只能解決一些基本問題，無法向高端市場躍進[33]。下圖為Simscale與其他部署類型仿真軟件之間的對比。
國外大型仿真軟件公司近年也一直在云端仿真方面持續推進，達索將自身不同仿真領域的軟件集成到3D EXPERIENCE平臺上，支持4-16核的本地計算機并行計算和云端計算，對于超大規模模型，如果用戶想提升計算速度，可以將模型提交到云端計算。
ANSYS在今年4月收購云仿真供應商Onscale，意圖將Onscale的云技術與自身先進的仿真求解功能結合起來為客戶提供服務，用戶通過web就可以訪問。ANSYS今年5月還宣布和AWS合作開發基于云端的Ansys Gateway 仿真解決方案，發展云端高性能計算，推出EDA、CAE和CAD云端解決方案。種種動作表明ANSYS似乎想要搭建統一的云平臺，把自身各條業務線產品都放到云平臺上，客戶可以在這個平臺上進行設計仿真的所有操作，這一步可以說要比達索的3D EXPERIENCE平臺更加貼近云原生。
實現更為高效的云仿真還需要面對很多挑戰：仿真協同方面，如何有效應對大規模復雜模型仿真，不同領域仿真模型實現高效耦合；易用性方面，如何集成多種仿真平臺工具的并提供簡單易用的使用方式；作業運行方面，如何采取有效的仿真應用資源調度方法來提高仿真應用運行效率；網絡化方面，未來云端仿真如何更好地和物聯網實際數據融合起來等[34]。
面向電池領域的仿真軟件也需要考慮利用云和HPC技術來增強用戶項目組內部以及和上下游之間的仿真協作、提升用戶仿真效率，特別是注重利用云端仿真技術實現電池數據的全生命周期管理。對于仿真軟件來說，上云和SaaS是成為行業頭部企業的必要非充分條件，技術上的突破才是根本，即要在理論模型和數值模擬算法上立住腳。
文章來源：新能源仿真技術 看透產品的本質
免責聲明：本文系網絡轉載，版權歸原作者所有。如涉及版權，請聯系刪除！
