你坐飛機，每次起飛離地時空姐都會提醒你，收起小桌板，調直靠背，摘下耳機，打開窗戶遮陽板……

經過漫長巡航，飛機要降落了。你電影還沒看完，空姐又來提醒你，摘下耳機，收起小桌板，調直靠背，打開遮陽板......

你好奇了，為啥起飛和下降階段管這么嚴？

因為起飛和下降最危險。起飛的3分鐘和降落的8分鐘，一直被稱為“黑色11分鐘”。盡管這11分鐘相比總飛行時長很短，但這兩個階段的空難卻占大半。

這可能不符合你的直覺：起降階段飛機不高，都能看見地上的高樓汽車，這給我的感覺很踏實啊！

但實際上，從10000米往下掉，跟200米往下掉，能有多大差別呢？

起降階段最危險，也正是因為高度低。

這兩個過程飛行員要調發(fā)動機油門，要收放襟翼、收放機輪，還得小心撞鳥。一忙就容易出錯，最關鍵的是出錯之后調整時間很短，往下落200米就摔了。

從飛機角度看，構型頻繁變化也會增加故障率。比如放襟翼放機輪，都可能卡滯。即使機輪放了下來，你仔細看飛機落地那一瞬間，滋啦一下冒白煙，跑道上留下黑乎乎的剎車印。

這哪是接觸跑道，明明是沖擊。

如此沖擊下，飛機的腿——起落架壓力就很大。除了幾十上百噸的飛機自重，還有巨大的軸向沖擊載荷、給飛機減速的水平載荷，以及因為側風和飛機側滑出現的側向載荷。

研發(fā)飛機起落架的重要一步，就是要先搞清楚它受到的載荷。

載荷的影響因素可多了，飛機最大著陸重量、下降速度、航向速度、仰角、偏轉角、輪胎剛度、輪胎和地面摩擦系數都要考慮。算下來，自變量有十幾個。

簡單說，就是用這十幾個自變量，算出來起落架載荷。

現在的常用方法是計算機仿真，包括多體動力學和有限元仿真。仿真過程遵循嚴格的力學定律以及材料特性，不但能給出結果，甚至還能展示計算過程。

代價是什么呢？慢。

分析過程要定義各種連接、定義力和接觸，都是體力活，沒法做快速評估。

與之相對，用天洑數據建模軟件DTEmpower來計算起落架載荷就突出一個優(yōu)點：快。

先做仿真得到一批工況數據，然后用DTEmpower的機器學習算法總結這些數據之間的規(guī)律，得到一個數據模型。

之后數據模型就能取代仿真，計算新工況了。雖然相比仿真，數據模型有點像“黑箱”，可解釋性差一些，但它算的非?？?！

機器學習原理不復雜，但以往實現起來卻不簡單。因為需要寫代碼，還需要懂機器學習算法，這往往是航空等機械類工程師的短板。

但天洑的DTEmpower就實現了超低門檻建模，堪稱代碼過敏者的福音。只需要拖拉拽節(jié)點，就像搭積木，做到零代碼機器學習。

除了設計飛機起落架，很多工業(yè)場景都能和機器學習結合，提高設計效率。只要有數據，就能用DTEmpower。

很多人都在想：人工智能浪潮下，工業(yè)AI具體長什么樣？

作為國內領先的工業(yè)軟件企業(yè)，天洑正通過一個個鮮活的案例，給出自己的答卷。