AI預(yù)測(cè)的案例
【AICFD案例教程】PCB多變量AI預(yù)測(cè)分析
圖4-1 初始化設(shè)置
圖4-2 初始化流場(chǎng)
2）求解計(jì)算
選擇菜單欄求解>求解>生成AI樣本，開(kāi)始設(shè)置樣本空間；
圖4-3 運(yùn)行求解器
圖4-4 設(shè)置預(yù)測(cè)變量
① 在彈出的AI樣本設(shè)置界面，設(shè)置溫度預(yù)測(cè)范圍為（250-330），設(shè)置速度預(yù)測(cè)范圍為（1-10）。單擊樣本處理，生成樣本數(shù)，如圖所示；
② 點(diǎn)擊開(kāi)始，開(kāi)始計(jì)算。
圖4-5 設(shè)置預(yù)測(cè)范圍
圖4-6 生成樣本數(shù)
五、后處理
1）模型訓(xùn)練
① 計(jì)算完成后，單擊“是”開(kāi)始訓(xùn)練；
② 訓(xùn)練完成后，單擊“確定”，確認(rèn)訓(xùn)練完成，單擊“關(guān)閉”按鈕退出當(dāng)前對(duì)話框，如圖所示；
圖5-1 模型訓(xùn)練
③ 雙擊 求解>求解模型，打開(kāi)AI預(yù)測(cè)開(kāi)關(guān)，輸入值：280和3；
④ 單擊應(yīng)用按鈕，程序自動(dòng)加載預(yù)測(cè)結(jié)果，如圖所示。
展開(kāi) 【AICFD案例操作】潛艇阻力AI預(yù)測(cè)分析
圖4-1 初始化設(shè)置
圖4-2 初始化流場(chǎng)
3）求解計(jì)算
選擇菜單欄 求解> 求解> 生成AI樣本，開(kāi)始設(shè)置樣本空間。
圖4-3 運(yùn)行求解器
圖4-4 設(shè)置預(yù)測(cè)變量
① 在彈出的AI樣本設(shè)置界面，設(shè)置預(yù)測(cè)范圍為（1-5）。單擊樣本處理，生成樣本數(shù)，在彈出的AI樣本生成界面中，修改其中一個(gè)樣本數(shù)3為2.8，避免和原始工況趨近，如圖所示；
② 點(diǎn)擊開(kāi)始，開(kāi)始計(jì)算。
圖4-5 設(shè)置預(yù)測(cè)范圍
圖4-6 生成樣本數(shù)
五、后處理
1）模型訓(xùn)練
① 計(jì)算完成后，單擊“是”開(kāi)始訓(xùn)練；
② 訓(xùn)練完成后，單擊“確定”，確認(rèn)訓(xùn)練完成，單擊“關(guān)閉”按鈕退出當(dāng)前對(duì)話框，如圖所示。
圖5-1 模型訓(xùn)練
① 雙擊 求解> 求解模型，打開(kāi)AI預(yù)測(cè)開(kāi)關(guān)，輸入值：3.043；
② 單擊應(yīng)用按鈕，程序自動(dòng)加載預(yù)測(cè)結(jié)果，如圖所示。
圖5-2 結(jié)果預(yù)測(cè)
2）求解結(jié)果更新及導(dǎo)入
雙擊樹(shù)節(jié)點(diǎn) 報(bào)告> 力，設(shè)置方向參數(shù)，選取區(qū)域面列表中hull，單擊應(yīng)用，讀取升阻力數(shù)據(jù)。
展開(kāi) 參數(shù)化，知識(shí)工程，仿真技術(shù)與AI結(jié)合實(shí)現(xiàn)快速性能預(yù)測(cè)
1、基于AI，快速構(gòu)建全參數(shù)化的幾何模型。結(jié)合知識(shí)工程，實(shí)現(xiàn)所需預(yù)測(cè)的結(jié)構(gòu)、厚度、材料等信息的參數(shù)化；
2、設(shè)計(jì)仿真一體化，快速生成AI學(xué)習(xí)訓(xùn)練所需的仿真模型及數(shù)據(jù)。基于單一的數(shù)據(jù)源，全參數(shù)化設(shè)計(jì)模型與仿真技術(shù)自動(dòng)關(guān)聯(lián)，利用仿真自動(dòng)化流程，多學(xué)科多目標(biāo)優(yōu)化技術(shù)，自動(dòng)更新模型，自動(dòng)更新仿真設(shè)置；
3、AI神經(jīng)網(wǎng)格搭建以及AI模型訓(xùn)練&調(diào)試。
4、AI模型預(yù)測(cè)結(jié)果與實(shí)際仿真評(píng)價(jià)對(duì)比。
5、AI模型替換仿真模型，實(shí)現(xiàn)快速性能預(yù)測(cè)。
成功案例丨開(kāi)發(fā)時(shí)間從1小時(shí)縮短到3分鐘：如何利用歷史數(shù)據(jù)訓(xùn)練AI模型，預(yù)測(cè)設(shè)計(jì)性能？
然而，為了突破開(kāi)發(fā)瓶頸并加速?zèng)Q策流程，Hero決定超越傳統(tǒng)FEA方法，引入人工智能（AI）和機(jī)器學(xué)習(xí)技術(shù)。為了幫助其CAE工程師在日常工作流中順利應(yīng)用AI和機(jī)器學(xué)習(xí)，Hero需要高效、強(qiáng)大且用戶友好的工具支持。</p><p><br></p><p>Hero的首個(gè)AI驅(qū)動(dòng)項(xiàng)目聚焦于摩托車(chē)把手的設(shè)計(jì)優(yōu)化。作為摩托車(chē)的核心部件，把手的設(shè)計(jì)直接影響人機(jī)工程學(xué)、騎手姿勢(shì)以及車(chē)輛的操控性、平衡性、舒適性和整體風(fēng)格。由于其重要性，團(tuán)隊(duì)通常需要投入大量時(shí)間進(jìn)行把手的設(shè)計(jì)與優(yōu)化。為了實(shí)現(xiàn)目標(biāo)并縮短設(shè)計(jì)周期，Hero選擇了Altair的AI驅(qū)動(dòng)技術(shù)。</p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p>Hero 選擇了Altair<sup>?</sup> PhysicsAI?，這是一項(xiàng)強(qiáng)大的幾何深度學(xué)習(xí)技術(shù)，能夠利用歷史數(shù)據(jù)訓(xùn)練AI模型，并在傳統(tǒng)FEA方法所需時(shí)間的一小部分內(nèi)生成物理預(yù)測(cè)結(jié)果。PhysicsAI的工作流程已無(wú)縫集成到仿真與設(shè)計(jì)平臺(tái) Altair<sup>?</sup> HyperWorks<sup>?</sup>中，這使得Hero的所有用戶，無(wú)論技能水平如何，都能輕松將這一解決方案融入現(xiàn)有流程。</p><p><br></p><p>為了充分利用PhysicsAI，Hero首先將現(xiàn)有數(shù)據(jù)分為訓(xùn)練集和測(cè)試集：訓(xùn)練集用于基于歷史仿真數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型，測(cè)試集則用于評(píng)估和量化AI模型的預(yù)測(cè)準(zhǔn)確性。由于Hero的產(chǎn)品線涵蓋多種車(chē)型（如運(yùn)動(dòng)型摩托車(chē)、探險(xiǎn)摩托車(chē)、通勤摩托車(chē)和巡航車(chē)等），團(tuán)隊(duì)使用了多樣化的把手?jǐn)?shù)據(jù)集，以確保AI模型能夠生成準(zhǔn)確的結(jié)果。</p><p><br></p><p>數(shù)據(jù)分割和模型訓(xùn)練是AI驅(qū)動(dòng)工程流程中的關(guān)鍵步驟。
展開(kāi) 
MeshWorks AI智能預(yù)測(cè)網(wǎng)絡(luò)研討會(huì)報(bào)名
image_process=/format,webp" data-initial-src="https://img.jishulink.com/202508/attachment/03fb14aa27d0421d802fa5a27c593bce.jpg">
</figure>
</figure><p><br></p><p><strong>?尊敬的先生/女士，</strong></p><p><br></p><p>我們很高興推出全新的 DEP MeshWorks AI智能預(yù)測(cè)平臺(tái)！</p><p><br></p><p>機(jī)器學(xué)習(xí)（ML）已高效應(yīng)用于汽車(chē)、零部件、能源、重型機(jī)械、電子、醫(yī)療器械以及消費(fèi)品等多個(gè)行業(yè)。在上述行業(yè)中，MeshWorks AI 平臺(tái)主要針對(duì)疲勞耐久性、碰撞事件、剛度、NVH問(wèn)題、CFD、散熱等工程難題提供解決方案。應(yīng)用的場(chǎng)景多種多樣，如跌落分析、碰撞分析、剛度分析、零部件強(qiáng)度分析、流場(chǎng)分析、散熱分析等。</p><p><br></p><p>在CAE仿真領(lǐng)域，這些傳統(tǒng)問(wèn)題通常使用Nastran、Abaqus、LS-Dyna、Fluent、ANSYS等求解器進(jìn)行計(jì)算。如今，MeshWorks AI的機(jī)器學(xué)習(xí)技術(shù)被視為許多求解器的替代方案，可在無(wú)需開(kāi)展詳細(xì)仿真的情況下支持產(chǎn)品設(shè)計(jì)。</p><p><br></p><p>DEP MeshWorks AI平臺(tái)通過(guò)智能預(yù)測(cè)和可視化界面，可在產(chǎn)品設(shè)計(jì)階段提供高效的性能預(yù)測(cè)能力，快速進(jìn)行方案迭代，無(wú)需耗時(shí)的仿真計(jì)算！實(shí)時(shí)預(yù)測(cè)性能參數(shù)及仿真云圖！該平臺(tái)具有極高精度，平臺(tái)同時(shí)具有自動(dòng)識(shí)別參數(shù)及自動(dòng)優(yōu)化功能。</p><p><br></p><p>接下來(lái)，您將了解 DEP MeshWorks AIML 技術(shù)如何提供相關(guān)解決方案。</p><p><br></p><ul><li>由AI驅(qū)動(dòng)的工作流，可直接基于CAD和設(shè)計(jì)數(shù)據(jù)預(yù)測(cè)性能。
展開(kāi) 行業(yè)分享丨TCL華星光電：AI 如何助力LCD顯示模組精準(zhǔn)老化預(yù)測(cè)？
以往在完成對(duì)應(yīng)制程后，需要100%對(duì)模組進(jìn)行Aging測(cè)試，而現(xiàn)在通過(guò)AI預(yù)測(cè)Aging結(jié)果，對(duì)于合格樣本可直接跳過(guò)該環(huán)節(jié)，對(duì)于有問(wèn)題的樣本則進(jìn)行正常Aging測(cè)試。
我們的模型應(yīng)用有三大指標(biāo)：第一，SKIP率大于60%，要釋放60%的Aging測(cè)試產(chǎn)能；第二，模型精確率需達(dá)到99.95%以上；第三，降低客訴漏放風(fēng)險(xiǎn)，使得漏放率低于萬(wàn)分之三。
項(xiàng)目方案的整體實(shí)施過(guò)程主要包括兩部分，第一部分是AI模型的構(gòu)建，第二部分是在系統(tǒng)平臺(tái)進(jìn)行串接。
在模型構(gòu)建部分，我們首先分析了Aging線不良的相關(guān)異常原因，識(shí)別關(guān)鍵參數(shù)，下載了約10萬(wàn)片數(shù)據(jù)樣本并進(jìn)行數(shù)據(jù)加工，然后使用AI軟件進(jìn)行模型開(kāi)發(fā)和部署。
模型部署的整體路徑如下：通過(guò)良率管理系統(tǒng)（YMS）的數(shù)據(jù)獲取生產(chǎn)數(shù)據(jù)源，將開(kāi)發(fā)好的模型部署在大數(shù)據(jù)分析平臺(tái)，實(shí)現(xiàn)實(shí)時(shí)預(yù)測(cè)，預(yù)測(cè)結(jié)果會(huì)推送到制造執(zhí)行系統(tǒng)（MES），模組端的Aging機(jī)臺(tái)讀取預(yù)測(cè)結(jié)果指令后執(zhí)行Aging動(dòng)作，從而實(shí)現(xiàn)精準(zhǔn)Aging功能。
在詳細(xì)介紹案例的實(shí)施過(guò)程之前，需要先介紹一下我們使用的RapidMiner軟件。
對(duì)于我這樣非專(zhuān)業(yè)人員來(lái)說(shuō)，它非常友好，無(wú)需懂編程語(yǔ)言，也不需要具備深厚的AI算法領(lǐng)域知識(shí)。
我2019年畢業(yè)于南京大學(xué)化學(xué)工程專(zhuān)業(yè)，理論上與AI并無(wú)關(guān)聯(lián)，但機(jī)緣巧合從事了仿真相關(guān)工作，接觸到了AI這類(lèi)新型仿真技術(shù)，這款AI大數(shù)據(jù)分析軟件真正幫助我們實(shí)現(xiàn)了數(shù)據(jù)價(jià)值的挖掘。
下面，正式介紹建模方案。
展開(kāi) 行業(yè)分享丨TCL華星光電：AI 如何助力LCD顯示模組精準(zhǔn)老化預(yù)測(cè)？
以往在完成對(duì)應(yīng)制程后，需要100%對(duì)模組進(jìn)行Aging測(cè)試，而現(xiàn)在通過(guò)AI預(yù)測(cè)Aging結(jié)果，對(duì)于合格樣本可直接跳過(guò)該環(huán)節(jié)，對(duì)于有問(wèn)題的樣本則進(jìn)行正常Aging測(cè)試。
我們的模型應(yīng)用有三大指標(biāo)：第一，SKIP率大于60%，要釋放60%的Aging測(cè)試產(chǎn)能；第二，模型精確率需達(dá)到99.95%以上；第三，降低客訴漏放風(fēng)險(xiǎn)，使得漏放率低于萬(wàn)分之三。
項(xiàng)目方案的整體實(shí)施過(guò)程主要包括兩部分，第一部分是AI模型的構(gòu)建，第二部分是在系統(tǒng)平臺(tái)進(jìn)行串接。
在模型構(gòu)建部分，我們首先分析了Aging線不良的相關(guān)異常原因，識(shí)別關(guān)鍵參數(shù)，下載了約10萬(wàn)片數(shù)據(jù)樣本并進(jìn)行數(shù)據(jù)加工，然后使用AI軟件進(jìn)行模型開(kāi)發(fā)和部署。
模型部署的整體路徑如下：通過(guò)良率管理系統(tǒng)（YMS）的數(shù)據(jù)獲取生產(chǎn)數(shù)據(jù)源，將開(kāi)發(fā)好的模型部署在大數(shù)據(jù)分析平臺(tái)，實(shí)現(xiàn)實(shí)時(shí)預(yù)測(cè)，預(yù)測(cè)結(jié)果會(huì)推送到制造執(zhí)行系統(tǒng)（MES），模組端的Aging機(jī)臺(tái)讀取預(yù)測(cè)結(jié)果指令后執(zhí)行Aging動(dòng)作，從而實(shí)現(xiàn)精準(zhǔn)Aging功能。
在詳細(xì)介紹案例的實(shí)施過(guò)程之前，需要先介紹一下我們使用的RapidMiner軟件。
對(duì)于我這樣非專(zhuān)業(yè)人員來(lái)說(shuō)，它非常友好，無(wú)需懂編程語(yǔ)言，也不需要具備深厚的AI算法領(lǐng)域知識(shí)。
我2019年畢業(yè)于南京大學(xué)化學(xué)工程專(zhuān)業(yè)，理論上與AI并無(wú)關(guān)聯(lián)，但機(jī)緣巧合從事了仿真相關(guān)工作，接觸到了AI這類(lèi)新型仿真技術(shù)，這款AI大數(shù)據(jù)分析軟件真正幫助我們實(shí)現(xiàn)了數(shù)據(jù)價(jià)值的挖掘。
下面，正式介紹建模方案。
展開(kāi) 行業(yè)分享丨重慶望變電氣如何利用AI X 變壓器空載損耗快速預(yù)測(cè)
全文內(nèi)容選自 Altair 區(qū)域技術(shù)交流會(huì)西南站
重慶望變電氣(集團(tuán))股份有限公司技術(shù)研發(fā)主管 左思紅
《Altair RapidMiner 快速預(yù)測(cè)變壓器空載損耗》演講
如何用 AI 打通制造研發(fā)“數(shù)據(jù)孤島”？
近年來(lái)，制造業(yè)數(shù)字化浪潮持續(xù)推進(jìn)，但真正讓數(shù)據(jù)驅(qū)動(dòng)研發(fā)與決策的案例仍相對(duì)稀缺。特別是在傳統(tǒng)裝備制造領(lǐng)域，如何將經(jīng)驗(yàn)主導(dǎo)的設(shè)計(jì)流程轉(zhuǎn)化為可量化、可優(yōu)化的模型，是許多企業(yè)數(shù)字化轉(zhuǎn)型的瓶頸。AI是否能真正落地？數(shù)據(jù)該如何組織與應(yīng)用？我們?cè)谧儔浩鳟a(chǎn)品設(shè)計(jì)中，做了一個(gè)有益的嘗試。
我是來(lái)自重慶望變電氣的一線研發(fā)人員，這次很榮幸受邀在 Altair 技術(shù)交流會(huì)上分享我們的 AI 建模實(shí)踐。作為一家深耕輸配電設(shè)備制造三十余年的企業(yè)，我們一直關(guān)注如何將智能化工具融入傳統(tǒng)制造流程，實(shí)現(xiàn)質(zhì)量提升與成本控制的雙贏。
選擇從變壓器的空載損耗預(yù)測(cè)切入。為什么是它？一方面，這是國(guó)家強(qiáng)制的產(chǎn)品性能指標(biāo)，出廠前必須達(dá)標(biāo)；另一方面，它與硅鋼材料強(qiáng)相關(guān)，而硅鋼成本又占據(jù)整個(gè)鐵芯成本的95%以上，精準(zhǔn)預(yù)測(cè)的價(jià)值不言而喻。過(guò)去，我們依賴(lài)公式和經(jīng)驗(yàn)做估算，設(shè)計(jì)上不得不留出5%~8%的性能冗余，來(lái)“保守達(dá)標(biāo)”，這在材料價(jià)格持續(xù)上行的背景下，變得越來(lái)越不可持續(xù)。
我們嘗試借助 Altair RapidMiner? 構(gòu)建 AI 預(yù)測(cè)模型，把研發(fā)人員擅長(zhǎng)的“工藝經(jīng)驗(yàn)”和軟件平臺(tái)擅長(zhǎng)的數(shù)據(jù)建模能力結(jié)合起來(lái)。RapidMiner 的一大優(yōu)勢(shì)是可視化操作，無(wú)需編程基礎(chǔ)，大幅降低了技術(shù)門(mén)檻。我們用自己整理的設(shè)計(jì)參數(shù)、工藝參數(shù)和幾何參數(shù)作為輸入變量，不斷訓(xùn)練、迭代、驗(yàn)證模型，最終將預(yù)測(cè)誤差從初版的7.4%壓縮到3%以?xún)?nèi)，并已在兩類(lèi)產(chǎn)品（干變和油變）中落地應(yīng)用。
展開(kāi) 行業(yè)分享丨重慶望變電氣如何利用AI X 變壓器空載損耗快速預(yù)測(cè)
全文內(nèi)容選自 Altair 區(qū)域技術(shù)交流會(huì)西南站
重慶望變電氣(集團(tuán))股份有限公司技術(shù)研發(fā)主管 左思紅
《Altair RapidMiner 快速預(yù)測(cè)變壓器空載損耗》演講
如何用 AI 打通制造研發(fā)“數(shù)據(jù)孤島”？
近年來(lái)，制造業(yè)數(shù)字化浪潮持續(xù)推進(jìn)，但真正讓數(shù)據(jù)驅(qū)動(dòng)研發(fā)與決策的案例仍相對(duì)稀缺。特別是在傳統(tǒng)裝備制造領(lǐng)域，如何將經(jīng)驗(yàn)主導(dǎo)的設(shè)計(jì)流程轉(zhuǎn)化為可量化、可優(yōu)化的模型，是許多企業(yè)數(shù)字化轉(zhuǎn)型的瓶頸。AI是否能真正落地？數(shù)據(jù)該如何組織與應(yīng)用？我們?cè)谧儔浩鳟a(chǎn)品設(shè)計(jì)中，做了一個(gè)有益的嘗試。
我是來(lái)自重慶望變電氣的一線研發(fā)人員，這次很榮幸受邀在 Altair 技術(shù)交流會(huì)上分享我們的 AI 建模實(shí)踐。作為一家深耕輸配電設(shè)備制造三十余年的企業(yè)，我們一直關(guān)注如何將智能化工具融入傳統(tǒng)制造流程，實(shí)現(xiàn)質(zhì)量提升與成本控制的雙贏。
選擇從變壓器的空載損耗預(yù)測(cè)切入。為什么是它？一方面，這是國(guó)家強(qiáng)制的產(chǎn)品性能指標(biāo)，出廠前必須達(dá)標(biāo)；另一方面，它與硅鋼材料強(qiáng)相關(guān)，而硅鋼成本又占據(jù)整個(gè)鐵芯成本的95%以上，精準(zhǔn)預(yù)測(cè)的價(jià)值不言而喻。過(guò)去，我們依賴(lài)公式和經(jīng)驗(yàn)做估算，設(shè)計(jì)上不得不留出5%~8%的性能冗余，來(lái)“保守達(dá)標(biāo)”，這在材料價(jià)格持續(xù)上行的背景下，變得越來(lái)越不可持續(xù)。
我們嘗試借助 Altair RapidMiner? 構(gòu)建 AI 預(yù)測(cè)模型，把研發(fā)人員擅長(zhǎng)的“工藝經(jīng)驗(yàn)”和軟件平臺(tái)擅長(zhǎng)的數(shù)據(jù)建模能力結(jié)合起來(lái)。RapidMiner 的一大優(yōu)勢(shì)是可視化操作，無(wú)需編程基礎(chǔ)，大幅降低了技術(shù)門(mén)檻。
展開(kāi) 【新聞】智能熱流體仿真軟件 - AICFD 2022R1版本發(fā)布
圖4 后處理及監(jiān)控功能
優(yōu)化AI預(yù)測(cè)和AI加速功能
（1）
AI預(yù)測(cè)功能
：
增加AI預(yù)測(cè)變量列表，用戶可根據(jù)更多參數(shù)變量，預(yù)測(cè)流場(chǎng)結(jié)果。
圖5 AI預(yù)測(cè)界面及AI預(yù)測(cè)案例
（2）AI加速功能：更新AI加速界面設(shè)置選項(xiàng)，加速精度、穩(wěn)定性?xún)?yōu)化。
圖6 AI加速案例
其它更新功能
（1）
自建材料功能
：
增加用戶自定義材料屬性并添加至軟件材料庫(kù)功能。
（2）視口區(qū)工具欄：增加視口平面內(nèi)順時(shí)針，逆時(shí)針旋轉(zhuǎn)90°功能及視口圖片保存功能。
（3）
邊界條件顯示：
增加邊界條件類(lèi)型視口區(qū)顯示工具。
（4）計(jì)算域自動(dòng)識(shí)別：界面支持自動(dòng)識(shí)別并創(chuàng)建計(jì)算域，交界面和邊界條件。
歡迎進(jìn)入天洑軟件官網(wǎng)試用
AICFD 2022R1
版本！
展開(kāi) 數(shù)據(jù)分析與AI丨預(yù)測(cè)電池壽命只需要2小時(shí)！Altair RapidMiner 實(shí)現(xiàn)論文級(jí)AI 模型流程化
，只要有數(shù)據(jù)，也可以用在：</strong></p><p><br></p><ul><li>預(yù)測(cè)老化試驗(yàn)時(shí)間</li><li>優(yōu)化充電策略</li><li>電池工藝參數(shù)推薦</li><li>甚至換成別的行業(yè)：壓縮機(jī)部件壽命預(yù)測(cè)、光伏組件老化預(yù)估、電機(jī)健康監(jiān)測(cè)……</li></ul><h3><strong>三、總結(jié)：</strong></h3><p><strong>RapidMiner 讓 AI 走入一線工程師手中</strong></p><p><br></p><p>很多人一聽(tīng)“機(jī)器學(xué)習(xí)”“非線性預(yù)測(cè)”，就覺(jué)得門(mén)檻高、落地難。
展開(kāi) 
成功案例丨AI 賦能智能熱預(yù)測(cè)：依托降階建模，實(shí)現(xiàn)孔探儀高效便捷安裝
該孔探儀需依賴(lài)氣體吹掃與水冷系統(tǒng)協(xié)同工作，而冷卻需求受多種因素影響 —— 從熔爐溫度到耐火材料的質(zhì)量與材質(zhì)，這些變量導(dǎo)致精準(zhǔn)預(yù)測(cè)保障設(shè)備正常運(yùn)行、防止過(guò)熱所需的流量變得極為復(fù)雜。
若冷卻需求未得到滿足，必須先升級(jí)冷卻系統(tǒng)才能安裝孔探儀。若抵達(dá)現(xiàn)場(chǎng)后才發(fā)現(xiàn)流量數(shù)據(jù)計(jì)算有誤，將因前期測(cè)算偏差導(dǎo)致項(xiàng)目延誤、突發(fā)故障排查，進(jìn)而增加項(xiàng)目成本。因此，客戶亟需一套可靠、簡(jiǎn)化的工作流程，無(wú)需投入成本維持專(zhuān)業(yè)分析師團(tuán)隊(duì)、昂貴軟件及高性能硬件來(lái)構(gòu)建和求解 CFD 模型，即可輕松操作管理。
Altair解決方案
孔探式熱像儀的核心測(cè)溫點(diǎn)為前透鏡溫度，LAND? 所有孔探式熱像儀均在前透鏡處配備熱電偶，以確保透鏡得到充分冷卻，始終處于工作溫度范圍內(nèi)。為此，LAND? 尋求 Altair 的支持，探索通過(guò)預(yù)測(cè)建模解決方案確定孔探儀熱電偶溫度，尤其希望借助 Altair romAI?，基于 CFD 模型生成 AI 驅(qū)動(dòng)的預(yù)測(cè)結(jié)果，更精準(zhǔn)地預(yù)判特定冷卻條件下的溫度變化。其核心目標(biāo)是開(kāi)發(fā)一款能夠預(yù)測(cè)水冷式孔探儀熱電偶溫度的模型，提升預(yù)測(cè)精度。romAI? 是 Altair Twin Activate? 平臺(tái)內(nèi)置的 AI 驅(qū)動(dòng)工具，利用機(jī)器學(xué)習(xí)與物理數(shù)據(jù)，基于仿真和測(cè)試數(shù)據(jù)快速構(gòu)建模型。LAND? 期望通過(guò)構(gòu)建全新工作流程，提升尖端熱電偶溫度預(yù)測(cè)的效率與準(zhǔn)確性，同時(shí)確保該流程易于推廣和管理。
展開(kāi) 智能熱流體仿真軟件AICFD 2023R2新版本功能介紹
圖8 以汽車(chē)外氣動(dòng)阻力仿真為例，在不同網(wǎng)格規(guī)模下，AMG-CG算法與IC-CG算法比較
7）
優(yōu)化AI預(yù)測(cè)算法，高效精準(zhǔn)預(yù)測(cè)多變量問(wèn)題
AICFD的AI預(yù)測(cè)功能突破了傳統(tǒng)仿真模式的限制，可基于歷史計(jì)算樣本，通過(guò)輸入計(jì)算變量，實(shí)現(xiàn)三維全流場(chǎng)信息的秒級(jí)預(yù)測(cè)。AI預(yù)測(cè)包含采樣和訓(xùn)練功能，可進(jìn)行歷史計(jì)算樣本的積累、追加、模型訓(xùn)練。AICFD 2023R2針對(duì)多變量預(yù)測(cè)問(wèn)題：
■ 優(yōu)化采樣算法，進(jìn)一步提升樣本豐富性；
■ 優(yōu)化預(yù)測(cè)算法，有效平衡變量權(quán)重，提升預(yù)測(cè)精度。
圖9 汽車(chē)乘員艙內(nèi)流動(dòng)預(yù)測(cè)案例，AI預(yù)測(cè)結(jié)果與仿真結(jié)果對(duì)比誤差在2%以?xún)?nèi)
8）新增中文界面，支持多語(yǔ)言切換
AICFD 2023R2新增中文界面，各類(lèi)物理模型具體選項(xiàng)等專(zhuān)業(yè)詞匯仍保持為英文，更加貼合中文用戶理解和使用習(xí)慣。
圖10 AICFD 2023R2中文界面
更多詳細(xì)介紹及軟件試用，請(qǐng)搜索“AICFD-智能熱流體仿真軟件”，前往查閱及下載。軟件試用無(wú)需申請(qǐng)license，下載安裝后可直接免費(fèi)試用30天。
展開(kāi) 成功案例丨AI 賦能智能熱預(yù)測(cè)：依托降階建模，實(shí)現(xiàn)孔探儀高效便捷安裝
該孔探儀需依賴(lài)氣體吹掃與水冷系統(tǒng)協(xié)同工作，而冷卻需求受多種因素影響 —— 從熔爐溫度到耐火材料的質(zhì)量與材質(zhì)，這些變量導(dǎo)致精準(zhǔn)預(yù)測(cè)保障設(shè)備正常運(yùn)行、防止過(guò)熱所需的流量變得極為復(fù)雜。</p><p><br></p><p>若冷卻需求未得到滿足，必須先升級(jí)冷卻系統(tǒng)才能安裝孔探儀。若抵達(dá)現(xiàn)場(chǎng)后才發(fā)現(xiàn)流量數(shù)據(jù)計(jì)算有誤，將因前期測(cè)算偏差導(dǎo)致項(xiàng)目延誤、突發(fā)故障排查，進(jìn)而增加項(xiàng)目成本。因此，客戶亟需一套可靠、簡(jiǎn)化的工作流程，無(wú)需投入成本維持專(zhuān)業(yè)分析師團(tuán)隊(duì)、昂貴軟件及高性能硬件來(lái)構(gòu)建和求解 CFD 模型，即可輕松操作管理。</p><p><br></p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p><br></p><p>孔探式熱像儀的核心測(cè)溫點(diǎn)為前透鏡溫度，LAND? 所有孔探式熱像儀均在前透鏡處配備熱電偶，以確保透鏡得到充分冷卻，始終處于工作溫度范圍內(nèi)。為此，LAND? 尋求 Altair 的支持，探索通過(guò)預(yù)測(cè)建模解決方案確定孔探儀熱電偶溫度，尤其希望借助 Altair romAI?，基于 CFD 模型生成 AI 驅(qū)動(dòng)的預(yù)測(cè)結(jié)果，更精準(zhǔn)地預(yù)判特定冷卻條件下的溫度變化。<strong>其核心目標(biāo)是開(kāi)發(fā)一款能夠預(yù)測(cè)水冷式孔探儀熱電偶溫度的模型，提升預(yù)測(cè)精度</strong>。romAI? 是 Altair Twin Activate? 平臺(tái)內(nèi)置的 AI 驅(qū)動(dòng)工具，利用機(jī)器學(xué)習(xí)與物理數(shù)據(jù)，基于仿真和測(cè)試數(shù)據(jù)快速構(gòu)建模型。LAND? 期望通過(guò)構(gòu)建全新工作流程，提升尖端熱電偶溫度預(yù)測(cè)的效率與準(zhǔn)確性，同時(shí)確保該流程易于推廣和管理。
展開(kāi) 智能熱流體仿真軟件AICFD 2023R1新版本功能介紹
相比于上一個(gè)版本，AICFD 2023R1在軟件功能和操作體驗(yàn)上均實(shí)現(xiàn)了升級(jí)，具體包括：
共軛傳熱算法優(yōu)化
AI預(yù)測(cè)功能升級(jí)
多孔介質(zhì)模型新增
噪聲模型新增
Linux系統(tǒng)兼容
圖1 智能熱流體仿真軟件AICFD 2023R1產(chǎn)品界面
一、共軛傳熱算法優(yōu)化
新版本深度優(yōu)化了共軛邊界求解算法，提高了散熱案例計(jì)算精度。改進(jìn)多域穩(wěn)態(tài)算法、豐富了散熱模型，進(jìn)一步提高了散熱案例的計(jì)算精度和計(jì)算效率。
圖2 電子機(jī)箱仿真案例
二、AI預(yù)測(cè)功能升級(jí)
AI預(yù)測(cè)功能突破了傳統(tǒng)仿真模式的限制，可基于歷史計(jì)算樣本，通過(guò)輸入計(jì)算變量，實(shí)現(xiàn)秒級(jí)預(yù)測(cè)、實(shí)時(shí)得到包含全流場(chǎng)信息的計(jì)算結(jié)果。新版本增加了多變量預(yù)測(cè)和樣本追加功能。
圖3 AI預(yù)測(cè)模型
多變量預(yù)測(cè)功能支持輸入多個(gè)變量進(jìn)行流場(chǎng)實(shí)時(shí)預(yù)測(cè)，圖中展示了一個(gè)PCB板的散熱仿真預(yù)測(cè)案例。預(yù)測(cè)變量為入口速度和入口溫度兩個(gè)變量，基于50個(gè)樣本進(jìn)行來(lái)流速度為2.5m/s和入口溫度280K的工況，及來(lái)流速度為3m/s和入口溫度280K的工況進(jìn)行秒級(jí)預(yù)測(cè)，預(yù)測(cè)結(jié)果與傳統(tǒng)仿真結(jié)果流場(chǎng)溫度分布一致，定量統(tǒng)計(jì)偏差小于0.5%。
展開(kāi) 