智能航行仿真的案例
自主水下航行器 (AUV) | 近實時仿真與控制助力實現水下機動航行
代碼的生成和驗證
通過仿真確定了可能有效的控制策略后，該團隊沿兩條路徑之一準備在 AUV 上進行測試。在某些情況下，只需根據 Simulink 控制器模型編寫控制代碼。或者，使用 Simulink Coder? 直接從模型生成C 代碼，并使用 ROS Toolbox 將其作為獨立的機器人操作系統(ROS) 節點部署在 AUV 上。
當在 AUV 上測試控制器時，通常是在貯水池或海中進行現場測試期間，團隊將航行器的性能和行為與仿真結果進行了比較。大家一致認為，從定性的角度而言，AUV 在現場測試中的行為與仿真行為很相似（圖5）。
圖 5. 現場測試中的AUV 的時間序列圖像（左）和仿真中的對應圖像（右）。
當前和將來的研究
在執行水下機動航行時，AUV 處于需要精準控制的作業模式。AUV 的第二種作業模式適用于在開放水域中遠距離航行。該模式優先考慮的是路徑跟隨和最小能耗，而不是精準定向。基于這兩種作業模式，該團隊當前正在研究更高級的策略，以便在不同控制器之間進行自適應切換。
該團隊小組還將利用建模和仿真來評估可能對 AUV 本身所作的改進。例如，有位同事在 AUV 被控對象模型的前端增設了一個抓手。盡管還沒有抓手的物理硬件，但該同事借助仿真設計了一個 LQR 控制器，該控制器可對使用抓手時可能遇到的沖激載荷和其他擾動作出正確的響應。該團隊也將探索類似抓手的應用。該抓手裝在 AUV 的側面，使航行器能夠鎖定到一個或多個相同的 AUV，并開始作為一個多智能體系統運行。
展開 技術交流▏基于無人自主航行器的智能水下多參數移動監測平臺
針對上述問題，本文提出采用移動性靈活的水下無人自主航行器完成水域監測任務。因此，本文提出面向水域生態環境監測的基于無人自主航行器的智能水下多參數移動監測平臺。
該平臺基于輕型免維護AUV載體，通過搭載水下多參數傳感器及水下側掃聲吶，獲取水質參數及水底的地形地貌信息；基于穩健水聲通信技術實現水下多參數傳感器的實時回傳，實現水質信息的原位監測；通過提出的智能水下平臺控制算法，本平臺可實現航跡自主規劃，提高了監測任務的靈活性。
二、系統設計
⒈系統總體設計
本系統采用輕型免維護AUV平臺搭載聲通信機、水質傳感器與側掃聲吶的水下探測系統，可實現水下采集傳感器數據的實時回傳，總體系統分為水下航行器、操控終端和保障系統三部分。AUV航行器平臺搭載聲通信機與側掃聲吶的實施方案如圖1所示，搭載后的平臺除原平臺的頭段、控制段、接口段和尾端外，在頭段與控制段之間針對聲通信機和側掃聲吶的搭載需求分別設計聲通信機搭載段。側掃聲吶安裝于側掃聲吶搭載段的雙側“肋部”位置，段內安裝相應聲學設備的電子處理板。該平臺采用模塊化設計，擴展性強，可搭載多種聲吶設備，完成水文參量數據采集、水底地形地貌勘察以及相關的作業任務。
AUV總體結構采用封閉耐壓結構形式，分段形式構成，各艙段按功能模塊化要求進行設計，各段功能相對獨立，各艙段采用了統一的連接結構和密封形式進行設計，可增添附加的功能段。AUV平臺直徑180mm，總長1975mm，排水量約50kg。
展開 基于Icepak的水下航行器電池艙段散熱仿真分析
摘 要：針對水下航行器的鋰電池組發熱問題，利用ANSYS Icepak軟件對不同散熱條件下的電池艙段內溫度氣流分布情況進行了仿真分析。結果表明：相比于艙內空氣自然對流冷卻，使用風冷散熱可大幅降低電池組平均溫度，并改善電芯之間的溫差，有利于提高電池組的環境適應性和放電功率，進而提升水下航行器的安全性和可靠性。
關鍵詞：鋰電池;Icepak;散熱仿真;水下航行器溫度場;
0 引言
隨著鋰電池的蓬勃發展，水下航行器越來越多的使用鋰電池作為動力能源。為滿足水下航行器的能量和功率需求，鋰電池組常采用單體密堆積方式成組，且水下航行器的電池艙段為密封環境，鋰電池組長時間高倍率放電所產生的熱量容易積累，導致部分單體電池溫度過高，發生內短路，進而引發熱失控[1]。因此，對水下航行器的電池艙段進行散熱設計及仿真分析，對保證水中裝備鋰電池組的安全可靠工作具備重要意義。
本文以水下航行器電池艙段為研究對象，利用Icepak有限元分析軟件對不同條件下艙內空氣自然對流散熱和風冷散熱的電池艙段溫度場進行數值模擬，得到不同風機功率、風機方向、電池單元間隙條件下電池艙段內部的溫度氣流分布，分析了電池艙段內部傳熱特性，并研究了影響電池艙段溫度場的主要因素。
1 計算模型
1.1 模型簡化
水下航行器電池艙段一般較長，電池艙段內沿軸向的熱量傳遞極少，為節約計算時間，將電池艙段的熱仿真簡化電池模塊艙段熱仿真分析。此外，電池艙段內各種螺釘、導線和鋁合金外框等對電池溫度場的影響很小，故在熱仿真分析時也將其省略。電池模塊由8個電池單元堆積組成，電池單元由8個單體電芯串聯組成，對64個電芯從左下方開始，順時針依次編號，電池模塊艙段模型及電芯標號如圖1所示。
展開 Fluent帆船航行仿真全攻略：動網格×多相流案例教學包（含源文件+全程操作講解視頻） ￥150
船舶在真實水域中的航行涉及復雜的流體動力學問題，尤其當船體動態運動與氣液兩相流耦合時，仿真難度呈指數級上升！本案例基于Fluent深度還原帆船航行場景，攻克兩大技術壁壘：動網格技術精準模擬船體運動導致的網格拓撲變化，避免因劇烈變形導致的求解發散；多相流VOF模型精確捕捉船體-波浪-空氣的交互細節，如興波阻力、飛濺流場及尾部渦旋，需平衡相間界面捕捉精度與計算穩定性。案例完整提供參數化cas文件、dat文件和高適配性網格及逐幀講解視頻，手把手演示動網格參數設置、多相流收斂技巧與瞬態結果診斷，直擊仿真痛點，助您繞過數月試錯周期！無論是科研攻關、工程優化還是教學實踐，本案例均為不可多得的實戰資源，購買即享“開箱即用”的高效學習體驗，讓復雜仿真難題迎刃而解！
?
展開 
案例 | 基于CFD仿真的潛航器不同航行狀態下阻力特性模擬與評估
1、簡述
水下航行器（UUV）作為一種海洋探測裝備，具備體積小、隱身性好、機動性強、成本低和可組網等優點。這些特點使得它們在海洋探索、科學研究、軍事偵察等領域發揮著重要作用，其在現代海洋探測和軍事領域中占據著越來越重要的地位。
水下航行器在航行時，會受到水流的阻力，其在航行過程中的阻力性能會影響其快速性, 水下航行器的快速性是評價其綜合航行性能的一項重要戰術技術指標。隨著各種反潛設備的發展，水下航行器的航行安全問題不容忽視，提高航行器的快速性已經成為各國重要的軍事研究課題，因而對其阻力的預報精度也有了更高的要求，suboff潛艇作為一種常見的水下航行器模型，曾在國際上被各大海洋強國進行充分的實驗與數值模擬研究，本文以suboff模型對水下航行器阻力計算展開介紹。
2、計算方法
2.1幾何模型
在本研究中，在數值模擬中主要考慮的模型為全附體 SUBOFF 模型（配置8）[1]。設計的 CAD 模型的尺寸如圖1所示。SUBOFF 模型是一個軸對稱船體，總長度為 4.356 m，等直段最大直徑 D 為 0.508 m。SUBOFF 型號在船體上方有一個艦橋，其前緣位于距船頭 0.924 米（1.820D）處，后緣距離 1.293 米（2.545D），因此艦橋的總長度為 0.368 米（0.724D）。船尾有四個相同的附件，呈“十”字形布置（垂直和水平控制平面）。
圖 1 具有完全附體suboff潛艇模型/側視圖（左）和正視圖（右）
2.2 數值方法
在本研究中，數值模擬的湍流雷諾數均在107以上，采用了RANS方程求解，其以笛卡爾張量形式書寫的連續性和動量方程分別如下：
其中，ρ 是體積分數平均密度；u 是流動速度，可以分解為均值 和波動分量u’；p 是壓力項；μ 是動力粘度。
展開 Altair 電磁仿真技術盛會：探索人工智能與仿真技術的創新融合
電磁仿真技術與人工智能（AI） 正在以驚人的速度推動著數字化研發的新趨勢！
2023年7月7日，Altair 將在西安舉辦電磁仿真技術大會，屆時我們將深入探討最前沿的技術亮點，聚焦熱門話題，并與行業領軍者一同探索電磁仿真技術與 AI 相結合的最新進展，共同加速數字化研發的步伐！
無論您是從事電磁領域的專業人士，還是對該領域充滿好奇的科技愛好者，這是一場不容錯過的電磁行業盛宴！
點擊鏈接報名：https://uao.so/8128e9be
掃碼報名
大會亮點議題 行業技術與創新趨勢的融合
1
數據分析與AI驅動的電磁仿真
在大會主會場圓桌討論中，行業專家們將講在現場共同探討數據分析和人工智能在電磁仿真中的應用：如何通過將大數據和智能算法引入仿真過程，快速分析、優化和預測電磁現象，從而加速研發周期，提高產品質量，實現更高效的數字化創新。
2
創新趨勢與案例分享
分享最新的創新趨勢和成功案例，涵蓋電磁仿真與AI在多個領域的應用。
展開 智能計算時代的電子仿真--Ansys AEDT、Ansys Lumerical與智能計算相結合【6月11直播】
AI的大熱也使電子仿真進入了智能計算時代，這一時代，計算不再局限于傳統的數值運算，而是具備感知、學習、推理和決策能力，推動各領域向智能化、自動化、精準化方向變革。
Ansys一系列電子仿真軟件也順應時代與智能化計算相結合，AEDT和Lumerical分析工具可進行高頻、低頻、電子散熱、光電等領域的仿真分析；Lumerical等產品可以結合智能化計算進行光子學的優化和逆向設計。
6月11日，Ansys推出網絡研討會『智能計算時代的Ansys仿真軟件-微電子應用』，了解智能計算時代的電子仿真，下方預約了解學習??
時間：6月11日（星期三），16：00-17：00
內容簡介：Ansys 的軟件家族中的AEDT和Lumerical分析工具，可以進行高頻、低頻、電子散熱、光電等領域的仿真分析，具有廣泛的用途和廣大的用戶。Ansys AEDT產品可以結合智能化計算方法，高效率的評估微電子器件的PI/SI等特征。AEDT產品也可以結合智能化計算方法，進行高精度電學物性、熱學物性和力學物性的高精度計算。Lumerical等產品可以結合智能化計算進行光子學的優化和逆向設計。本次講座將從PI/SI，高精度物性以及光子學等方面向用戶介紹Ansys產品與智能化計算的結合。
講師：
張國軍 | 中潤漢泰資深Ansys產品工程師
資深Ansys產品工程師，智能化計算工程師，北京理工大學碩士。在經典仿真與智能化計算方面有較多經驗積累，參與眾多汽車、國防項目的仿真咨詢和深度開發。
展開 AI for CAE：仿真智能體開啟“普惠仿真”新時代
這一創新模式與云道智造所倡導的"普惠仿真"的理念高度契合，即通過智能化手段，讓仿真技術突破長期以來的專業壁壘，使更廣泛的用戶群體能夠輕松使用先進的仿真工具，推動仿真技術的大眾化進程。
目前，仿真智能體已經具備了初步功能。下面就讓我們一起來看下吧~！↓↓↓
用戶輸入：“我想要完成一次芯片散熱仿真”，AI助手便會自動根據知識庫，智能生成案例，運行建模、網格離散、方程求解與后處理的全部流程，并輸出結果↓↓↓
如果用戶對輸出的結果不滿意，只需輸入想要調整的幾何結構，例如“將散熱片的高度增加為五倍”，軟件便會自動完成案例修正，并輸出新的結果↓↓↓
以下案例展示了用戶通過自然語言輸入精確的仿真需求，智能體能夠直接根據描述生成完全符合用戶需求的仿真案例。可以說，用戶與軟件的交互過程簡化為與智能助手的對話過程↓↓↓
未來，仿真智能體還將引入優化設計功能，用戶只需要告訴智能體需要實現的參數指標，智能體就能自動、循環完成“生成式設計-自動仿真驗證-迭代優化”過程，最終輸出滿足用戶需求的結果。仿真技術將不再是專家的專屬工具，而應成為每個創新者都能輕松使用的高效生產力工具。
可在本文下方評論留言，或登陸Simapps網站（http://www.simapps.com/v2/tool/electronic-cooling），聯系客服優先下載試用仿真智能體。
更多創新分享，敬請期待4月18日在深圳舉辦的2025云道智造用戶生態大會暨新產品發布會：2025云道智造用戶生態大會暨新產品發布會 - Simapps Store - 工業仿真APP商店
展開 設計仿真 | 基于VTD的智能大燈仿真測試方案
VTD
>>>
隨著汽車行業智能化的發展，車燈系統從基礎的功能化照明發展為智能化的視覺交互系統。從2020年開始，車燈開始向智能化、像素化、激光化、感知、決策、規劃、控制、交互體驗等方向發展。例如，智能車燈在基礎照明的基礎上，會根據車輛的環境狀態對投射燈光進行自動調整，避免影響周圍行人/車輛的正常交通行為；狹窄道路通行狀態下，智能大燈支持地面投射示寬燈，從而向駕駛員提供高可靠性保障；惡劣天氣形勢，智能車燈可以投射天氣標識，增強行車安全性。智能車燈的開發和測試，亟需高效安全的測試方法。以虛擬場景為基礎的仿真測試為智能大燈的開發和測試提供了有效解決方案。
<<<
以場景仿真工具VTD為基礎，構建面向智能燈光的SIL/HIL解決方案。方案的整體流程如下：
通過VTD構建多種測試場景，并通過LSC工具完成車輛大燈的分布和控制設置，以及光強傳感器模型；
被測對象通過軟件或硬件的方式集成到測試系統中；
VTD的攝像頭傳感器模型采集虛擬場景的圖像信息，轉發至智能大燈接口以接收畫面，軟件根據畫面做出決策輸出燈光效果，向VTD端發送；
VTD接收到控制器的輸出燈管，投射到VTD的實時場景渲染圖像中；其中，被控車輛由駕駛員模型和車輛動力學軟件聯合仿真輸出；
VTD生成的新的圖像再次發送至控制中樞的算法接口，完成中樞控制系統的閉環測試；
整個測試環境的各個節點通過自動化測試軟件管理，從而完成自動化測試，自動生成測試報告。
展開 設計仿真 | 海克斯康VTD智能駕駛仿真方案—Camera
與傳統的道路測試相比，虛擬仿真能夠模擬各種復雜的駕駛環境，不受天氣、道路條件等因素限制。自動駕駛系統需要依靠搭載的傳感器感知外界環境，識別道路標志、檢測行人、估測物體距離等，從而做出安全、精準的駕駛決策。海克斯康作為自動駕駛汽車開發全鏈路測試方案的提供方，其VTD（Virtual Test Drive）軟件被廣泛應用于各類自動駕駛算法及汽車研發的測試工作中，該軟件在模擬高精度的交通仿真場景的同時，還兼具各類傳感器數據的物理仿真。
0
1
海克斯康VTD Camera仿真概述
自動駕駛仿真系統能夠對傳感器數據進行分析處理來感知周圍環境，并以此為依據進行決策。視覺感知是自動駕駛系統的關鍵技術，在傳感器仿真中，相機傳感器尤為重要。基于逼近真實道路場景的視覺環境，VTD的相機傳感器能夠配置現實世界中真實相機的內參外參，模擬鏡頭畸變、CMOS成像、ISP仿真等多種相機成像數據。不僅能夠模擬虛擬環境中的光照、天氣、物體遮擋等因素，還可以還原真實相機的物理特性，更加貼近真實駕駛環境，從而為自動駕駛測試中傳感器算法提供逼真的圖像數據。
0
2
Camera仿真的數據鏈路
簡化相機模型
Camera=Lens+Cmos(raw,R/G/B)+ISP(Control+rgb/Yuv)+feature&noise(env&cam)
為了更加真實地模擬實際相機的物理過程，仿真相機傳感器的數據處理鏈路分為鏡頭、CMOS傳感器、圖像信號處理（ISP）模塊，以及特性和噪聲模擬四個主要部分，用以在仿真系統中再現真實相機的工作機制和輸出結果。
1、鏡頭仿真與畸變模擬
鏡頭是光學系統的核心，它決定了光線進入相機時的折射、聚焦和畸變。
展開 設計仿真 | 直播預告-VTD助力智能網聯汽車仿真全流程
近年來，隨著國家大力發展智能網聯汽車，智能網聯的市場規模也在迅速增大，各大傳統整車廠、新型互聯網企業及零部件供應商也都紛紛發力，角逐智能網聯汽車領域。在各大廠爭紛研發智能網聯產品的過程中，仿真測試起到的降低研發成本、加快研發進度、縮短研發周期等作用也逐步被認可。
VTD作為海克斯康工業軟件中一款專業的場景仿真軟件，用于駕駛輔助系統、自動駕駛系統和智能網聯系統的場景仿真。VTD軟件在仿真測試中，可以快速導入標準化的靜態地圖和動態場景；在針對目標識別算法仿真中，能夠準確的模擬物理傳感器發出的raw data；在大規模的仿真測試中，與云仿真系統結合，可提供大規模、高并發的仿真方案。
本期直播將結合實際應用案例，全面展示海克斯康VTD自動駕駛仿真軟件是如何助力智能網聯汽車仿真測試全流程。歡迎預約報名！
展開 
PIDO智能仿真 | Ansys optiSLang實現仿真流程集成與多學科優化
魯棒性分析
4、緊跟時代，著眼未來
基于上述，我們了解到Ansys optiSLang可以實現仿真流程集成、設計優化等領域的應用，在新技術日新月異的當下，針對諸多前沿科技技術，optiSLang也同樣起著關鍵作用，如數字孿生、人工智能及自動駕駛等等...
01、為數字孿生的實現提供關鍵技術
在科技浪潮的推動下，可以說數字孿生技術將我們帶入了仿真模擬的新時代。而數字孿生所采用的仿真模型有兩個關鍵點：實時仿真和高保真度。Ansys optiSLang可以為數字孿生的實現提供高保真度的ROM模型，下圖展示的案例是漢莎航空針對渦輪葉片流固耦合模型所生成的ROM模型，實現了渦輪葉片流固耦合的實時仿真，同時保證了溫度場和應力結果精度接近100%。
02、融入“機器學習和深度學習”，迎接未來技術變革
新版本Ansys optiSLang在現有機器學習的框架中集成了深度學習算法，包含Keras & Tensorflow并且向任何第三方的深度學習算法開放。基于此optiSLang可以對每個參數進行不同規律的深度學習，在面對海量數據的分析需求時仍可獲得高質量的MOP最佳元模型。
展開 設計仿真 | 基于ODYSSEE人工智能CDC模型集成的整車動力學仿真
而通過海克斯康工業軟件旗下的多體動力學仿真軟件Adams，可輕松實現整車在不同行駛工況下的仿真分析，從而縮短開發周期，提高工作效率。同時，智能實時仿真平臺ODYSSEE能夠基于CDC減振器仿真模型或實測數據，快速構建CDC減振器機器學習模型，并應用于Adams整車仿真分析中，從而幫助工程師更加高效地完成CDC減振器的設計工作。
CDC機器學習模型搭建
基于實際的CDC系統測試數據或設計數據，工程師可以在ODYSSEE中輕松構建其機器學習模型，從而實現對新輸入參數下的響應進行快速預測。ODYSSEE中生成機器學習模型的步驟如下：
01
確定研究系統的輸入參數和輸出參數；
02
準備搭建機器學習模型的相關數據，即在不同輸入參數條件下的輸出結果響應，可以是仿真數據，也可以是試驗測試數據；
03
將準備好的數據拆分為訓練數據和驗證數據，訓練數據用于機器學習的訓練，驗證數據用于訓練好的機器學習模型校驗，從而保證預測結果的精度；
04
通過嘗試不同的機器學習算法以及相應的超參數，找到一種預測精度最高的機器學習算法供后續預測使用，至此完成機器學習模型的搭建。
圖1：ODYSSEE中構建機器學習模型的工作流程
此時，我們選擇車速、車身加速度、車身俯仰、車身側傾、轉向5個變量作為CDC系統的輸入參數，阻尼力值作為CDC系統的輸出響應，來構建機器學習預測模型。針對訓練好的CDC系統機器學習模型，在不同輸入參數條件下進行了結果的對比，如圖2所示。結果表明，機器學習預測模型能夠與實際測試的阻尼力一致。
圖2：CDC系統機器學習模型驗證。左圖：其他條件一定，阻尼力-車身加速度曲線。右圖：其他條件一定，阻尼力-車身俯仰曲線。
ODYSSEE中訓練完成的機器學習預測模型可以導出成為FMU格式的文件，供其他軟件使用。
展開 設計仿真 | 海克斯康走進江淮汽車，合力打造智能仿真平臺
6月25日，江淮汽車仿真數據管理平臺啟動大會在江淮汽車技術中心舉行。江淮汽車與海克斯康工業軟件有多年的仿真系統合作歷史，雙方以建設仿真管理平臺為新的起點，來進一步促進江汽集團仿真數據流程規范化管理，提升業務效率，支持仿真業務發展。
江淮汽車技術中心副主任楊敏向與會的各位介紹了江淮汽車仿真業務的發展歷程與規劃，充分肯定了海克斯康設計與工程仿真軟件的強大技術實力，同時也對仿真數據管理平臺的實施寄予厚望。江淮汽車與海克斯康工業軟件的合作不僅是仿真系統的數字化整合升級，更應該對汽車行業起到一個示范作用。未來的仿真業務將會是基于統一仿真平臺應用和開展，海克斯康SimManager為江淮汽車帶來了一套理想的解決方案。
會議現場，海克斯康工業軟件設計與工程副總經理張冰冰為與會的各位江淮汽車仿真科室負責人詳細介紹了海克斯康工業軟件家族及SimManager仿真管理平臺實施路徑。
海克斯康SimManager是管理所有CAE仿真相關的仿真流程和數據的管理平臺，在國內汽車行業已部署的仿真數據管理平臺中，SimManager占據大半市場份額，致力于滿足各個仿真部門復雜的數據管理與處理需求。我們的客戶非常贊賞我們對CAE問題的深入了解，以及從經驗中獲得的洞察力，幫助他們實現更高效率的工作。
SimManager是基于Web平臺的仿真數據和流程管理系統，可管理從項目啟動到最終報告生成的所有仿真數據和流程。使用SimManager，仿真分析過程將變得更加高效，保障了所有仿真數據的完整性和安全性，減少了產品優化的成本和 縮短產品推向市場的時間。
展開 PIDO智能仿真 | Ansys optiSLang實現仿真流程集成與多學科優化
魯棒性分析
4
緊跟時代，著眼未來
基于上述，我們了解到Ansys optiSLang可以實現仿真流程集成、設計優化等領域的應用，在新技術日新月異的當下，針對諸多前沿科技技術，optiSLang也同樣起著關鍵作用，如數字孿生、人工智能及自動駕駛等等...
01
為數字孿生的實現提供關鍵技術
在科技浪潮的推動下，可以說數字孿生技術將我們帶入了仿真模擬的新時代。而數字孿生所采用的仿真模型有兩個關鍵點：實時仿真和高保真度。Ansys optiSLang可以為數字孿生的實現提供高保真度的ROM模型，下圖展示的案例是漢莎航空針對渦輪葉片流固耦合模型所生成的ROM模型，實現了渦輪葉片流固耦合的實時仿真，同時保證了溫度場和應力結果精度接近100%。
02
融入“機器學習和深度學習”，迎接未來技術變革
新版本Ansys optiSLang在現有機器學習的框架中集成了深度學習算法，包含Keras & Tensorflow并且向任何第三方的深度學習算法開放。基于此optiSLang可以對每個參數進行不同規律的深度學習，在面對海量數據的分析需求時仍可獲得高質量的MOP最佳元模型。為將來的數字孿生、自動駕駛等技術的全面工程化提供技術支撐。
展開 