ansys數字孿生建模的案例
基于Ansys Twin Builder連桿結構數字孿生體建模關鍵技術及應用
圖14 建立連桿數字孿生體模型
圖15 可執行SDK文件夾生成
圖16 運行中的可執行程序SDK文件夾
圖17 SDK文件夾運行輸出的連桿應力結果
六、總結
本文介紹了聯合利用Ansys Mechanical、True-Load、Ansys Twin Builder和Ansys Deployer軟件進行連桿數字孿生體模型建立的操作過程及注意事項。
1）載荷識別的操作過程中，包括單位載荷的結果文件計算、應變片的預分析、載荷識別及結果導出等，實現了由實測應變數據識別出連桿的真實載荷歷程，為實現連桿數字孿生體模型的建立提供了載荷輸入；
2）連桿降階模型的生成過程中，包括利用響應面法(RSM)生成載荷識別ROM，利用DOE試驗生成多組連桿訓練數據，利用奇異值分解法(SVD)和響應面法(RSM)生成連桿應力/變形Static ROM等；
3）在連桿數字孿生體模型搭建及部署過程中，集成了連桿響應面ROM和Static ROM，并封裝、編譯生成twin文件模型，最后生成可執行程序SDK文件夾，即連桿數字孿生體模型的最終形式。該可執行程序能夠完全脫離有限元仿真環境，在不同操作系統平臺上進行部署后，就可以根據連桿的實測應變，進行應力與變形結果的快速計算，從而實現了連桿結構數字孿生體的建立和應用。
展開 基于大數據模型的數字孿生建模方法
5）人工智能技術
人工智能技術解決的是知識學習和決策問題，是大數據建模中最關鍵的核心技術。廣義來講，深度學習、遷移學習都屬于機器學習(ML)的大類。但是，目前往往從狹義的角度解釋機器學習，特指淺層學習器，而深度學習(DL)和遷移學習則屬于深層學習器。因此，人工智能技術主要包括淺層學習（即機器學習，含增強學習）、深層學習（包括深度學習）和遷移學習。
①機器學習：是賦予計算機學習能力，使之可以歸納知識、總結經驗、推理預測，并最終可以像人一樣從數據中積累“經驗”的技術。將機器學習算法應用于數字孿生建模中便實現了大數據建模。因此大數據建模可以理解為利用工業大數據來實現虛擬空間對物理空間的實時反映與預測，即以傳感器收集的海量數據為基礎，利用機器學習算法積累“經驗”最終達到構建虛擬孿生空間的目的。如圖2所示，機器學習有4種主要類型：監督學習、非監督學習、強化學習，所有這些都有其特定的優點和缺點。
圖2 機器學習方法分類
②深度學習：從廣義來講，深度學習是機器學習領域中一個新的研究方向，強調通過增加學習的層數以提高算法的精確性，它被引入機器學習使其更接近于最初的目標——人工智能(AI)。深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字、圖像和聲音等數據的解釋有很大的幫助。深度學習有兩個主要特點：第一，含多隱藏層的神經網絡具有優異的特征學習能力，學習得到的特征對數據有更本質的刻畫，從而有利于分類；第二，深度神經網絡在訓練上的難度，可以通過“逐層初始化”預學習來有效克服。如圖3所示，典型的深度神經網絡有卷積神經網絡（CNN）、深度置信網絡、循環神經網絡。
展開 面向數字孿生戰場的智能體建模框架構建
圖7 AI控制任務指令分解執行流程
3.2智能決策模型建模框架
面向數字孿生戰場的智能決策模型主要包含聯合任務級、對抗行動級以及單體武器平臺行動級3級智能決策模型。其中，聯合任務級包括聯合對抗中的偵察預警和火力支援等智能決策；對抗行動級涉及實體編隊的編隊偵察、編隊突擊和編隊防空等智能決策行為；武器平臺級對飛機、艦艇和裝甲車輛等武器裝備進行航路規劃和目標選擇等決策。
智能決策模型建模框架可為數字孿生戰場智能決策模型研發人員提供標準化的智能體開發與設計接口，基于智能體建模框架，研發人員可使用標準的算法接口自定義強化學習算法組件，根據標準的接口設計戰場態勢表征、決策動作空間、模型網絡結構和反饋評估函數等關鍵組件，并對各組件進行裝配，從而完成智能博弈模型的構建。本文對面向數字孿生戰場的決策模型輸入層與輸出層進行了構建。
1） 面向數字孿生戰場的決策模型輸入層
針對數字孿生戰場面臨的態勢情況，擬構建由單位特征、空間特征和通用特征組成的神經網絡輸入層。其中，單位特征通過深度自注意力網絡（Transformer）提取單位與單位之間的關系；空間特征通過殘差網絡（ResNet）提取空間關系；通用特征采用神經網絡進行標量特征（Scalar）提取。將上述3類特征合并后通過LSTM網絡對歷史信息進行提取，從而構建面向數字孿生戰場的決策模型輸入層。面向數字孿生戰場的決策模型輸入層結構如圖8所示。
展開 ANSYS數字孿生解決方案以及聯合仿真在數字樣機建設中的應用
ANSYS官方將特別推出一系列ANSYS網絡研討會，不僅包含ANSYS 2019 R3 新版本功能介紹，同時也包括最新的行業熱點解決方案，ANSYS將與各位深入探討行業熱點趨勢，諸如無人駕駛、PCB結構可靠性、天線設計、數字孿生等等。
報名本系列課程，聯系微信客服jishulink555，可免費贏取ANSYS官方定制真空保溫杯、小夜燈、餐具套裝、手機支架、話費等精美紀念品！此外，在此系列網絡研討會結束后，ANSYS將官方抽取1名幸運者，TA將獲得華為最新發布的Mate 30 1臺（報名多場幾率疊加）！
本期研討會：《聯合仿真在數字樣機建設中的應用與數字孿生介紹》將于1月10日 20:00-21:00舉辦。
直播主題
聯合仿真在數字樣機建設中的應用與數字孿生介紹
日期/時間
2020年1月10日
20:00 – 21:00
課程受眾
研究所與企業總體設計單位工程師與相關管理人員，系統設計工程師等人士。
講師簡介
楊帆，ANSYS亞太區數字孿生高級專家
畢業于北京航空航天大學，曾任中國燃氣渦輪研究院（624所）、IGCC與煤氣化聯合循環國家重點實驗室資深設計師。現任ANSYS公司亞太區數字孿生高級專家，負責ANSYS亞太區數字孿生解決方案開發、項目管理、技術難點攻關研發協調，以及數字孿生模型集成工作。
展開 
數字孿生邊緣計算、建模服務器、可視化工作站完美硬件配置推薦2023v2
目錄：
（一）邊緣服務器硬件配置推薦
（二）數字孿生數據中心服務器集群推薦配置23v2
2.1 數字孿生應用服務器集群配置推薦（控制類）
2.2 數字孿生應用服務器集群配置推薦（仿真類）
2.3 應用服務器集群配置推薦（AI大數據分析類）
（三）數字孿生超高分可視化工作站配置推薦
（一）邊緣服務器硬件配置推薦23v2
NO
關鍵項
方案1
方案2
方案3
型號
UltraLAB GX650 228192-SAi
UltraLAB GX660 227192-MBC
UltraLAB GX650 228256-MB2A
等級
超值型
海量型
超算型
1
CPU
2顆Xeon 銀牌4316處理器
2顆Xeon 銀牌5420+處理器
2顆Xeon 銀牌4316處理器
共計40核/80線程2.8GHz~3.4GHz
共計56核/112線程2.7GHz~4.0GHz
共計40核/80線程2.8GHz~3.4GHz
2
內存
192GB DDR4
256GB DDR5
256GB DDR4
3
GPU計算卡
可選
可選
2塊Nvidia A2
4
系統盤
960GB SSD，讀寫帶寬500MB/s，IOPS 3萬次
960GB SSD，讀寫帶寬500MB/s，IOPS 3萬次
960GB SSD，讀寫帶寬500MB/s，IOPS 3萬次
5
平臺
2U機架式(700w,8*3.5寸盤位)
2U機架式(700w,8*3.5寸盤位)
2U機架式(700w,8*3.5寸盤位)
展開 ANSYS系統仿真與數字孿生解決方案
數字化轉型的目的是發揮數字與物理世界的交互融合的價值。
數字孿生價值
ANSYS基于仿真的數字孿生，能夠幫助客戶增加最大化收益、達到成本管理的底線、獲得/保持競爭優勢。舉一個例子，當我們無法直接拿到葉片載荷數據，可以用數字孿生間接拿到葉片載荷數據。
Ansys聯合Keysight共同開發5G網絡數字孿生
Ansys and Keysight Prototype in 5G》
作者：Shawn Carpenter and Sangkyo Shin
編輯整理：肖運輝 | Ansys中國高頻產品線技術經理
Ansys與Keysight都希望解決這樣一個問題：
如果把虛擬手機放在城市的不同位置，能否預測在這些位置接收的5G信號質量如何？為了找到答案，兩家公司共同創建并測試了一個細化的城市虛擬模型，包括在人口密集的市中心里常見的各種5G天線、接收器和發射器。結果證明這個問題可以解決。
該團隊使用Ansys HFSS為28GHz高帶寬系統構建了5G MIMO基站天線陣列模型和手機天線模型，并將其布置在逼真城市模型中的不同位置。在此基礎上，他們使用HFSS SBR+依據物理原理為基站和手機間的信號傳播建模，以確定天線間的真實性能。
5G信號在復雜城市環境中的傳播使用射線追蹤法（SBR）電磁場求解器進行建模，這些信號傳播仿真與細化的Ansys HFSS相控陣列基站和手機天線系統模型相關聯。
Ansys與Keysight聯合測試了高精度、基于物理的虛擬流程的概念驗證，以了解5G物理通道行為，該原型是Ansys與Keysight之間強強聯合的關鍵成果。Ansys方法用于對物理層進行建模——包含虛擬天線、散射及其耦合趨勢在內，Keysight則用于實際5G射頻架構和波束選擇過程建模。
Ansys HFSS和HFSS SBR+用于計算已安裝的5G基站陣列和用戶設備天線的物理通道響應；而Keysight SystemVue可提取時域通道屬性，從而為MIMO波束成型重新創建用戶信號到達角。
展開 Ansys、微軟、戴爾與Lendlease聯合推廣數字孿生技術
領先的創新型企業加入數字孿生聯盟（Digital Twin Consortium）指導委員會，定義數字孿生標準要求、研發以及最佳實踐
為加速在不同行業推廣和部署基于物理的數字孿生技術，Ansys聯合微軟、戴爾和Lendlease共同加入數字孿生聯盟指導委員會。該聯盟是一個由國際技術先驅組成的生態系統，在數字孿生技術的研發、使用和標準要求方面具有重要的影響力。
數字孿生聯盟（Digital Twin Consortium）
基于物理的數字孿生是指流程、產品或服務的虛擬模型，可通過仿真進行數據分析和系統監控。它將給運營商帶來巨大價值，有助于他們監控維護需求、可持續性、效率和性能，從而獲得預測性和可操作性洞察。然而，由于缺乏通用標準和行業術語，許多企業在業界推廣數字孿生技術時都面臨困難。
Ansys作為該聯盟的創始成員，將在數字孿生新標準要求方面發揮影響力領導作用，并將有助于創建統一術語，以促進數字孿生的推廣。這將加速數字孿生技術在航空航天與國防、制造和自然資源等廣泛的行業企業生態系統中的部署。
數字孿生聯盟執行董事Richard Soley博士表示：“Ansys處于全球數字孿生創新發展的前沿，幫助客戶能夠更方便地運用數字孿生技術。
展開 Ansys攜手羅克韋爾自動化擴展數字孿生連接優化工業運營
羅克韋爾自動化和Ansys開展合作，改進工業運營的設計、部署和性能
主要亮點
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface實現與Ansys Twin Builder的連接
此次擴展互聯使工程團隊能夠實現基于仿真的數字孿生，提供大量深度信息，改進系統設計、性能和維護
Ansys和羅克韋爾自動化（Rockwell Automation）正在將數字孿生連接擴展至工業控制系統，助力用戶優化工業運營的設計、部署和性能。通過應用基于仿真的數字孿生，工程團隊能夠獲得新的洞察，加快創新速度并降低從設計階段到生產階段的成本。
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface現在可以連接Ansys Twin Builder，支持自動化，使工藝工程師能夠充分發揮基于仿真的數字孿生的作用。用戶能夠在虛擬空間中創建并測試設計，從而節省用于高昂的物理原型所產生的時間和資金。數字孿生還能用于在現場實施流程變更之前測試流程變更，以提高吞吐量和其他性能指標。
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface實現與Ansys Twin Builder的連接
預測性維護彰顯了基于仿真的數字孿生的另一顯著優勢。
展開 Ansys聯合Keysight共同開發5G網絡數字孿生
Ansys和Keysight的回答是肯定的。
400MHz帶寬的28GHz信號從相控陣列基站模型傳輸到城市環境的電場動畫。信號在街道（下方）和對面建筑物的墻上（右側）發生反射。左上角是2個剖面的單頻電場。
電子行業的未來前景如何？
簡而言之：合作。經歷過多年市場角逐后，Ansys和Keysight發現了更多通過取長補短、彼此合作推動行業向前發展的方法。
Ansys的5G & Space項目經理Shawn Carpenter表示： “通過與合作伙伴攜手合作，我們有機會創建出5G網絡的首個數字孿生，它能與實際運行的網絡協作。”
運用現有的原型，Ansys和Keysight可以告訴您發送和接收的信號。然而當用戶拿出智能手機使用導航應用時，對可能涉及到的5-6個網絡層進行仿真，難度會大得多。我們如何確定網絡到云端的最短路徑？我們如何將數據傳輸到云端，同時保持數據完整性？在獲取手機請求的數據時，我們預計會有什么延遲？
許多數據通信問題不在Ansys HFSS的范圍以內。我們用于電磁建模的環境對建模天線系統或射頻組件而言非常適用，但它的設計初衷并非用于仿真聯網汽車沿街道上下行駛、無人機穿行其間、飛機凌空飛越的整個城市。
展開 ANSYS | 讀懂數字孿生生態系統和仿真的關系（二）
控制系統
Ansys SCADE使用和真實物理機器上所用的相同的控制軟件和人機界面(HMI)，來控制數字孿生體和研發HMI。
然后，工程師可在數字孿生體上對不同的場景或工作條件進行虛擬測試，并使用與控制物理設備所用的相同接口來查看設備的性能表現。
完整技術平臺
Ansys提供的高級平臺可集成眾多不同的仿真工具，以用于改善數字孿生體體驗。Ansys Engineering Knowledge Manager (EKM)是重要的工具之一，其可顯著簡化將多個數字孿生體連接至IoT的流程。
例如，如果某個特定的機器擁有100種不同的實現方案，那么EKM就能存儲每一種設備的數字孿生體，體現它們之間的差異（例如，它們的老化程度和工作條件等），然后再將來自某特定機器的輸入數據與相關的數字孿生體進行連接。
此外，Ansys仿真技術平臺還包含Ansys DesignXplorer，其不僅可用于探索眾多條件或幾何變量，同時還能快速評估各種工作條件，從而幫助工程師確定可交付最佳性能的條件。
展開 
Ansys聯合Keysight共同開發5G網絡數字孿生
Ansys and Keysight Prototype in 5G》
作者：Shawn Carpenter and Sangkyo Shin
編輯整理：肖運輝 | Ansys中國高頻產品線技術經理
Ansys與Keysight都希望解決這樣一個問題：
如果把虛擬手機放在城市的不同位置，能否預測在這些位置接收的5G信號質量如何？為了找到答案，兩家公司共同創建并測試了一個細化的城市虛擬模型，包括在人口密集的市中心里常見的各種5G天線、接收器和發射器。結果證明這個問題可以解決。
該團隊使用Ansys HFSS為28GHz高帶寬系統構建了5G MIMO基站天線陣列模型和手機天線模型，并將其布置在逼真城市模型中的不同位置。在此基礎上，他們使用HFSS SBR+依據物理原理為基站和手機間的信號傳播建模，以確定天線間的真實性能。
5G信號在復雜城市環境中的傳播使用射線追蹤法（SBR）電磁場求解器進行建模，這些信號傳播仿真與細化的Ansys HFSS相控陣列基站和手機天線系統模型相關聯。
Ansys與Keysight聯合測試了高精度、基于物理的虛擬流程的概念驗證，以了解5G物理通道行為，該原型是Ansys與Keysight之間強強聯合的關鍵成果。Ansys方法用于對物理層進行建模——包含虛擬天線、散射及其耦合趨勢在內，Keysight則用于實際5G射頻架構和波束選擇過程建模。
Ansys HFSS和HFSS SBR+用于計算已安裝的5G基站陣列和用戶設備天線的物理通道響應；而Keysight SystemVue可提取時域通道屬性，從而為MIMO波束成型重新創建用戶信號到達角。
展開 Ansys攜手羅克韋爾自動化擴展數字孿生連接優化工業運營
羅克韋爾自動化和Ansys開展合作，改進工業運營的設計、部署和性能
主要亮點
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface實現與Ansys Twin Builder的連接
此次擴展互聯使工程團隊能夠實現基于仿真的數字孿生，提供大量深度信息，改進系統設計、性能和維護
Ansys和羅克韋爾自動化（Rockwell Automation）正在將數字孿生連接擴展至工業控制系統，助力用戶優化工業運營的設計、部署和性能。通過應用基于仿真的數字孿生，工程團隊能夠獲得新的洞察，加快創新速度并降低從設計階段到生產階段的成本。
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface現在可以連接Ansys Twin Builder，支持自動化，使工藝工程師能夠充分發揮基于仿真的數字孿生的作用。用戶能夠在虛擬空間中創建并測試設計，從而節省用于高昂的物理原型所產生的時間和資金。數字孿生還能用于在現場實施流程變更之前測試流程變更，以提高吞吐量和其他性能指標。
羅克韋爾自動化最新發布的Studio 5000 Simulation Interface實現與Ansys Twin Builder的連接
預測性維護彰顯了基于仿真的數字孿生的另一顯著優勢。Ansys Twin Builder使用戶能夠進行多物理場分析，以了解流速、機械應力和熱分布等壓力如何影響現場設備。
展開 【ANSYS線上直播回看】Ansys Twin Builder數字孿生解決方案與2020 R1新功能
『點擊觀看直播回放』
Ansys Twin Builder是系統級多物理域多語言建模與仿真平臺，支持跨學科多領域的系統仿真與數字孿生。非常適合于航空航天，電力電子等設計多學科的行業用戶。Twin Builder具備Modelica、VHDL-AMS、SPICE、C/C++等多種建模語言與基于語言的模型庫用于建模、集成和仿真。以Ansys Twin Builder為基礎平臺，結合Ansys多物理仿真產品，幫助用戶針對自身產品進行數字孿生建設全周期內，進行建模、驗證與部署工作。
此次網絡直播吸引了眾多觀眾在線觀看，在會后我們也陸續收到在線觀眾以及其他用戶前來詢問，在此附上本場網絡直播錄播內容，供大家回看學習。
▼▼▼2020 Ansys網絡研討會有獎反饋 - 可免費獲取本場錄播和講解資料，參與者均可獲得千元培訓券及技術鄰金幣獎勵！
展開 數字孿生 | 如何使用Ansys Twin Builder軟件加速電動汽車開發
我們來了解一下Ansys Twin Builder基于仿真的數字孿生平臺如何用于虛擬驗證，并幫助加快電動汽車技術的上市進程，以滿足汽車制造需求。
虛擬模型為早期驗證鋪平了道路
在傳統的設計工作流程中，OEM廠商通常默認采用孤立的方法來開發車輛軟件和硬件。這兩者的集成通常出現在硬件在環（HIL）（軟件系統）工作臺測試過程中，或者出現在實際車輛裝配過程中。這一流程雖然比較高效，但并非沒有風險，因為在這一階段遇到的任何問題，都可能會使計劃推遲7-8個月時間，用于改進架構問題。
此時，通過仿真進行早期驗證非常重要，因為它提供了更大的靈活性，可以在不投入任何成本的情況下動態地進行變更。然而，這種方法通常會孤立地分別考慮基于物理場的各具體挑戰。相比之下，數字孿生并不專注于單一學科，而是整合了多個多物理場工具和求解器來對整個系統進行建模。這使工程師能夠同時分析整體組件或車輛系統在流體、結構、電磁等多種系統動力學作用下的整體表現。
數字孿生是一種以特定頻率和保真度與現實世界物理實體和流程同步的虛擬表示。根據這里的定義，“虛擬表示”是一組相關的數字模型和支持數據，它們共同提供了關于其對象的整體、一致性信息。所有數字孿生都具有同步機制，使其能夠在仿真環境中更準確地反映現實世界物理實體。
這里需要注意的是，數字孿生有兩種類型：設計孿生和運營孿生。運營數字孿生通過傳感器連接到運行中的物理資產并與之交互，但設計數字孿生并非如此，這使得其在早期設計開發階段尤為有價值，因為那時車輛系統的細節仍處于變化之中，尚未最終確定。在Twin Builder軟件的幫助下，可以采用虛擬數字設計或運營孿生來加速開發，這對于電動汽車的成功至關重要。
例如，從現有平臺設計中調用各種組件，您就可以構建新的車輛設計。
展開 