降階
關注創建者：琳泓comsol 創建時間：2021-02-09
降階的視頻教程
永磁同步電機電機的降階模型抽取和矢量控制電路仿真
ANSYS永磁同步電機電機的降階模型抽取方法 3. ANSYS 結合電機本體高精度降階模型的矢量控制算法實現方法
免費 1小時26分鐘 1379播放
查看
MeshWorks參數優化教程
3.ROM(降階建模)模塊與參數化相結合，實現了真正的快速優化。 4.參數化功能的易用性大大減少了快速設計選代和多學科優化MDO的總體時間。 5.無需設置參數，可自動識別特征并創建參數。
免費 4小時22分鐘 20播放
查看
降階的實例教程
圖6 基準模型和物理降階模型仿真結果對比
基準模型和物理降階模型仿真結果對比如圖6所示，由第二個子圖可看出結果曲線基本重合，降階帶來的誤差可以忽略不計，但仿真速度顯著提高，統計結果表明CPU時間減少了近70倍。5865秒（1小時38分鐘）的完整飛行任務現在可以在0.586秒內執行，降階后的模型單次仿真的CPU時間不到1秒。
3. 機器學習降階
另一種比較成熟的模型降階方式是使用機器學習方法創建代理模型。Simcenter Amesim配備了神經網絡生成器，這是一種能夠從Simcenter Amesim模型或外部數據集創建人工神經網絡模型的工具。執行以下3個主要步驟來創建神經網絡降階模型：
(1)用于訓練和驗證的數據集導入
(2)神經網絡的定義（輸入、輸出、參數定義）
(3)使用數據集訓練和驗證神經網絡
為了創建用于訓練和驗證的一致性數據集，我們對基準模型進行修改，讓系統的邊界條件在一定的數值范圍內隨機變化。輸入邊界條件包括高度、馬赫數、燃油流量和主軸轉速；輸出變量是軸扭矩和渦輪入口處的溫度，修改后的模型如圖7所示。
圖7用于創建數據集的發動機模型
圖8為生成的數據集圖，左邊是輸入，右邊是輸出。鑒于仿真目的集中在低頻動力學上，選擇了一個靜態神經網絡模型進行訓練。圖9為驗證步驟，整體訓練和保真度指數為98%。神經網絡生成器的結果是嵌入神經網絡模型的組件，將生成的組件進行替換得到如圖10所示的仿真模型。
展開 圖7 訓練數據的輸出
通過訓練數據生成降階模及ROM的應用（后處理展示）
在獲取了完整的訓練數據之后，我們可以使用ANSYS Twin Builder中的Static ROM來獲取降階模型。主要步驟包括以下四點：
①讀入已有的*.bin訓練數據，注意此處只能選擇一種變量生成模型，在通常CFD仿真中，一般選擇溫度、速度或對流換熱系數等結果。
②選擇一定比例（默認是50%）的訓練數據來生成降階模型，其余未被選中的數據用來驗證降解模型的精度。對于不同數據的誤差，可以通過直觀的云圖來展示其差異。
③儲存該降解模型為*.rom格式的文件，該文件后續可以應用在ANSYS Twin Builder軟件中，降階模型文件是數字孿生技術中的重要組成部分。
④通過Viewer來展示ROM的結果，如下圖所示，當用戶在給定的范圍內調整輸入參數時，右側的圖形界面會實時更新結果分布云圖，從而實現數字孿生技術的快速響應。
圖8 訓練數據與ROM結果對比
圖9 降階模型的應用與展示
小結
本文介紹了聯合利用ANSYS Fluent和ANSYS Twin Builder建立液冷板散熱ROM和溫度場Static ROM的過程，實現了三維CFD仿真降階為一維數學模型(ROM)，為建立液冷板散熱模型創建了基本的仿真計算數學模型，從而提升了數字孿生的應用價值和工作效率。
展開 圖7 訓練數據的輸出
通過訓練數據生成降階模及ROM的應用（后處理展示）
在獲取了完整的訓練數據之后，我們可以使用ANSYS Twin Builder中的Static ROM來獲取降階模型。主要步驟包括以下四點：
①讀入已有的*.bin訓練數據，注意此處只能選擇一種變量生成模型，在通常CFD仿真中，一般選擇溫度、速度或對流換熱系數等結果。
②選擇一定比例（默認是50%）的訓練數據來生成降階模型，其余未被選中的數據用來驗證降解模型的精度。對于不同數據的誤差，可以通過直觀的云圖來展示其差異。
圖8 訓練數據與ROM結果對比
③儲存該降解模型為*.rom格式的文件，該文件后續可以應用在ANSYS Twin Builder軟件中，降階模型文件是數字孿生技術中的重要組成部分。
④通過Viewer來展示ROM的結果，如下圖所示，當用戶在給定的范圍內調整輸入參數時，右側的圖形界面會實時更新結果分布云圖，從而實現數字孿生技術的快速響應。
圖9 降階模型的應用與展示
小結
本文介紹了聯合利用ANSYS Fluent和ANSYS Twin Builder建立液冷板散熱ROM和溫度場Static ROM的過程，實現了三維CFD仿真降階為一維數學模型(ROM)，為建立液冷板散熱模型創建了基本的仿真計算數學模型，從而提升了數字孿生的應用價值和工作效率。
展開 電機模型降階后通過*.sml file形式得到ECE降階模型，在控制系統中參與矢量控制算法仿真，永磁同步電機矢量控制系統聯合仿真模型如下圖所示。
永磁同步電機矢量控制系統聯合仿真模型
7 總結
通過對永磁同步電機降階模型抽取得到數據表，等效抽取的結果是基于有限元計算得到的，在控制系統聯合仿真過程中只需通過查表的方法就能快速得到電機得性能，既保證了精度又保證了速度。在控制系統聯合仿真過程中具有重要的意義。同時將電機模型與控制系統進行系統性聯合仿真將有助于提高仿真準確度，為進一步優化電機本體及控制器策略提供了重要的參考意義。
電機模型降階后通過*.sml file形式得到ECE降階模型，在控制系統中參與矢量控制算法仿真，永磁同步電機矢量控制系統聯合仿真模型如下圖所示。
永磁同步電機矢量控制系統聯合仿真模型
7 總結
通過對永磁同步電機降階模型抽取得到數據表，等效抽取的結果是基于有限元計算得到的，在控制系統聯合仿真過程中只需通過查表的方法就能快速得到電機得性能，既保證了精度又保證了速度。在控制系統聯合仿真過程中具有重要的意義。同時將電機模型與控制系統進行系統性聯合仿真將有助于提高仿真準確度，為進一步優化電機本體及控制器策略提供了重要的參考意義。
降階的最新內容
本主題聚焦 Icepak 新功能帶來的建模效率提升與模型復用能力，介紹如何快速輸出可用于三維精細分析的高保真模型，以及可直接嵌入系統級運行的降階代理模型，實現從局部熱點分析到整機熱行為預測的貫通。
本主題聚焦 Icepak 新功能帶來的建模效率提升與模型復用能力，介紹如何快速輸出可用于三維精細分析的高保真模型，以及可直接嵌入系統級運行的降階代理模型，實現從局部熱點分析到整機熱行為預測的貫通。
本主題聚焦 Icepak 新功能帶來的建模效率提升與模型復用能力，介紹如何快速輸出可用于三維精細分析的高保真模型，以及可直接嵌入系統級運行的降階代理模型，實現從局部熱點分析到整機熱行為預測的貫通。
一、代理模型的技術本質：用算力換速度
COMSOL代理模型并非"偷工減料"，而是一種數據驅動的模型降階（MOR）策略。
本主題聚焦 Icepak 新功能帶來的建模效率提升與模型復用能力，介紹如何快速輸出可用于三維精細分析的高保真模型，以及可直接嵌入系統級運行的降階代理模型，實現從局部熱點分析到整機熱行為預測的貫通。同時，結合 optiSLang 與 Twin Builder ROM 的工作流，展示如何將熱仿真結果進一步轉化為可迭代、可聯動、可用于多物理系統仿真的動態模型，支撐更高效的設計優化、系統驗證與熱管理決策。
；降階模型中面通量分布提升含流量變化的降階模型的預測精度。
點擊立即報名
4/21 | Ansys Fluent 2026 R1動力電池新功能介紹
講師簡介：
陳桂杰 | Ansys 主任應用工程師
主題簡介：Fluent 2026 R1版本電池模塊的更新主要包括GPU求解器支持電池模塊中共軛傳熱計算，熱失控仿真，降階模型訓練；降階模型中面通量分布提升含流量變化的降階模型的預測精度。
在本次會議中，您將了解由物理感知降階模型驅動的多物理場仿真、從芯片到系統的建模以及多保真數字孿生，如何在整個生命周期內實現可持續、高性能的數據中心。誠邀您報名參與，深入理解從芯片到系統環境的仿真如何幫助構建面向未來的高性能數據中心。
點擊立即報名
模態綜合法通過剛柔判別準則選取對系統動態響應貢獻顯著的低階模態，將物理坐標轉換為模態坐標，從而有效降低系統自由度；隨后，將降階后的柔性體模型與剛性部件通過運動副連接，建立完整的剛柔耦合多體系統模型。該方法在保證計算精度的同時顯著提高了仿真效率，其基本流程如圖1所示。
在本次會議中，您將了解由物理感知降階模型驅動的多物理場仿真、從芯片到系統的建模（chip-to-facility modeling）以及多保真數字孿生，如何在整個生命周期內實現可持續、高性能的數據中心。
