材料性能預(yù)測(cè)的案例
佐治亞理工《Part B》：人工智能/機(jī)器學(xué)習(xí)在高性能復(fù)合材料中的應(yīng)用
未來，將<strong>生成式 AI 模型</strong>與逆向設(shè)計(jì)相結(jié)合，有望克服現(xiàn)有材料數(shù)據(jù)庫(kù)的限制，發(fā)現(xiàn)全新的材料結(jié)構(gòu)。</p><p><img src="https://mmbiz.qpic.cn/mmbiz_png/4XyibPMYcptgDDWibPMsNGicbMoAXRneN6Rxh79RqB9bNZbVQz9EYHSEr6nuop7E8hC2ic8I0dLHxL0p8tiab2SIMPw/640?wx_fmt=png&from=appmsg"></p><p class="ql-align-justify">圖 2. 高性能 FRP 復(fù)合材料結(jié)構(gòu)設(shè)計(jì)、制造、測(cè)試和監(jiān)控階段的 AI/ML 模型，分別用于材料開發(fā)和選擇、工藝建模和優(yōu)化、材料性能預(yù)測(cè)以及損傷診斷和預(yù)測(cè)。</p><p><strong>3.人工智能/機(jī)器學(xué)習(xí)在高性能復(fù)合材料制造過程建模和優(yōu)化中的應(yīng)用</strong></p><p class="ql-align-justify">高性能 FRP 復(fù)合材料的制造過程包括部件生成和固化兩個(gè)主要階段。部件生成過程包括自動(dòng)纖維鋪放（AFP）、增材制造（AM）等。AI/ML 可以通過圖像處理、深度學(xué)習(xí)等方法，對(duì) AFP 過程進(jìn)行<strong>缺陷檢測(cè)、分類和優(yōu)化</strong>，以提高生產(chǎn)效率和產(chǎn)品質(zhì)量。在 AM 領(lǐng)域，AI/ML 可以用于<strong>識(shí)別纖維方向、分析力學(xué)性能、進(jìn)行過程參數(shù)優(yōu)化</strong>等，以實(shí)現(xiàn)更高質(zhì)量的復(fù)合材料部件制造。</p><p class="ql-align-justify">固化過程涉及樹脂基復(fù)合材料和粘合劑接頭的連接，是一個(gè)復(fù)雜的物理過程，涉及到熱化學(xué)、流動(dòng)壓縮和熱力學(xué)性能的相互作用。
展開 Digimat&Marc助力Radici集團(tuán)準(zhǔn)確預(yù)測(cè)再生工程聚合物的力學(xué)性能
Radici集團(tuán)的高性能聚合物公司使用Digimat和Marc，根據(jù)微觀結(jié)構(gòu)、拉伸試驗(yàn)數(shù)據(jù)和微觀力學(xué)建模對(duì)材料卡進(jìn)行逆向工程。
背景
Radici集團(tuán)的高性能聚合物公司提供力學(xué)回收的工程聚合物。由于開發(fā)用于高端應(yīng)用的再生聚合物是一項(xiàng)有挑戰(zhàn)的工作，Radici集團(tuán)的高性能聚合物公司借助于海克斯康工業(yè)軟件Digimat和Marc軟件，提出一種先進(jìn)的材料性能預(yù)測(cè)方法，以便讓客戶相信其生產(chǎn)的可持續(xù)利用材料能夠滿足客戶的應(yīng)用要求。
Radici集團(tuán)的高性能聚合物公司已經(jīng)驗(yàn)證了三種可回收產(chǎn)品。一個(gè)是后工業(yè)可回收（PIRPIR）級(jí)別，兩個(gè)是后消費(fèi)可回收（PCRPCR）級(jí)別。這些產(chǎn)品源自于安全氣囊廢物和輪罩廢物。根據(jù)生命周期評(píng)估，使用回收工程材料相比于使用原始材料，二氧化碳排放減少了84%-88% 。
圖1：一種原始材料和三種回收級(jí)別的材料的拉伸試驗(yàn)數(shù)據(jù)挑戰(zhàn)
挑戰(zhàn)
圖1 中的拉伸試驗(yàn)數(shù)據(jù)表明，可回收聚酰胺6.6 在材料開發(fā)和商業(yè)化方面面臨挑戰(zhàn)。三種可回收聚合物，即PIR GF030/1K 、具有報(bào)廢安全氣囊的PCR PA6.6 GF30 以及具有回收輪罩的PCRPA6.6 GFMD3015GFMD3015，和原始材料進(jìn)行了對(duì)比。
解決方案
Radici集團(tuán)的高性能聚合物公司使用Digimat和Marc，根據(jù)微觀結(jié)構(gòu)、拉伸試驗(yàn)數(shù)據(jù)和微觀力學(xué)建模對(duì)材料卡進(jìn)行逆向工程。回收過程中的額外加工步驟使微觀結(jié)構(gòu)成為影響回收工程聚合物材料性能的關(guān)鍵因素。受研磨和復(fù)合影響的纖維長(zhǎng)度分布可準(zhǔn)確地記錄在Digimat 材料卡中。
展開 設(shè)計(jì)仿真 | Digimat&Marc助力Radici集團(tuán)準(zhǔn)確預(yù)測(cè)再生工程聚合物的力學(xué)性能
圖2：用于三種可回收等級(jí)的Digimat 逆向工程材料卡片的驗(yàn)證
結(jié)果和價(jià)值
通過圖2中令人信服的驗(yàn)證結(jié)果，Radici集團(tuán)的高性能聚合物公司在可調(diào)臺(tái)式執(zhí)行器外殼的誤用測(cè)試中使用了PCR等級(jí)材料和上述預(yù)測(cè)方法。在完全使用仿真預(yù)測(cè)的方法中，將PCR等級(jí)的材料與相應(yīng)原始等級(jí)材料進(jìn)行比較，展示了可回收工程聚合物的強(qiáng)度。
在圖3中，描述了預(yù)測(cè)方法的概述。將可調(diào)臺(tái)式執(zhí)行器外殼仿真模型與Digimat中的纖維取向分布相結(jié)合起來，生成兩個(gè)有限元分析模型在Marc中進(jìn)行分析。執(zhí)行器殼體在誤用測(cè)試時(shí)，電機(jī)在殼體上施加的最大扭矩為6Nm 。仿真預(yù)測(cè)結(jié)果表明，PCR級(jí)別的材料能夠承受上述程度的誤用。
圖3：比較原始級(jí)別（左）和后消費(fèi)回收級(jí)別（右）的預(yù)測(cè)結(jié)果
展開 直播預(yù)告 | 基于材料數(shù)據(jù)庫(kù)和人工智能技術(shù)的復(fù)合材料許用值預(yù)測(cè)分析
精彩直播預(yù)告
計(jì)算機(jī)性能的提升促使人工智能（AI）/機(jī)器學(xué)習(xí)（ML）方法蓬勃發(fā)展，AL/ML開始與各行各業(yè)進(jìn)行深度的融合，助力傳統(tǒng)行業(yè)實(shí)現(xiàn)經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)字驅(qū)動(dòng)的研發(fā)理念轉(zhuǎn)變，有效降低研發(fā)成本，提高研發(fā)效率，加快產(chǎn)品上市周期。
針對(duì)連續(xù)纖維增強(qiáng)復(fù)合材料（CFRP）測(cè)試樣本多、測(cè)試周期長(zhǎng)、成本高昂的問題，海克斯康融合多尺度復(fù)合材料建模平臺(tái)Digimat和人工智能仿真平臺(tái)ODYSSEE，開發(fā)出一套基于人工智能的復(fù)合材料虛擬許用值預(yù)測(cè)方案，基于以下三個(gè)重要步驟，從而幫助客戶快速獲取復(fù)合材料許用值。
● 復(fù)合材料虛擬許用值計(jì)算幫助用戶減小測(cè)試規(guī)模；
● 材料數(shù)據(jù)庫(kù)平臺(tái)對(duì)復(fù)合材料許用值的結(jié)構(gòu)化存儲(chǔ)；
● 基于數(shù)據(jù)的人工智能方法與復(fù)合材料虛擬許用值計(jì)算結(jié)合，加速材料性能預(yù)測(cè)。
本期直播講堂請(qǐng)到了海克斯康工業(yè)軟件應(yīng)用專家常誠(chéng)，在直播間中講師將重點(diǎn)介紹基于復(fù)合材料虛擬許用值計(jì)算工具Digimat-VA、材料數(shù)據(jù)管理平臺(tái)MaterialCenter，以及人工智能仿真平臺(tái)ODYSSEE，實(shí)現(xiàn)復(fù)合材料許用值快速預(yù)測(cè)的整體解決方案和案例應(yīng)用。敬請(qǐng)關(guān)注！
直播報(bào)名
8月20日 14:00
▲ 掃碼參與報(bào)名
立即預(yù)定
直播內(nèi)容聚焦
? 復(fù)合材料虛擬許用值計(jì)算
? 材料數(shù)據(jù)庫(kù)管理平臺(tái)
? 人工智能方法加速?gòu)?fù)合材料仿真分析
? 基于材料數(shù)據(jù)庫(kù)和人工智能技術(shù)的復(fù)合材料許用值預(yù)測(cè)解決方案
常誠(chéng)
海克斯康工業(yè)軟件應(yīng)用專家
工程力學(xué)博士，在CAD/CAE行業(yè)擁有8年工作經(jīng)驗(yàn)，在汽車零部件設(shè)計(jì)與仿真、航天航空、能源建筑等領(lǐng)域有豐富經(jīng)驗(yàn)。
展開 
基于Abaqus的umat子程序?qū)崿F(xiàn)三維編織復(fù)合材料疲勞性能預(yù)測(cè)
隨著理論研究的深入和設(shè)備計(jì)算能力的快速發(fā)展，對(duì)于一些金屬材料的疲勞壽命預(yù)測(cè)已取得了一定的成果。但復(fù)合材料作為一種具備較高比強(qiáng)度、比模量和設(shè)計(jì)自由性的新性能各向異性材料，目前仍未有多少方法可以較為準(zhǔn)確地對(duì)其疲勞壽命進(jìn)行預(yù)測(cè)。若直接利用商用有限元軟件中的對(duì)應(yīng)模塊進(jìn)行計(jì)算，所得的結(jié)果也往往不盡人意。
這一期我們就來說說如何在ABAQUS中基于Umat子程序來實(shí)現(xiàn)對(duì)纖維增強(qiáng)復(fù)合材料疲勞壽命進(jìn)行較為有效的預(yù)測(cè)。
1. 預(yù)測(cè)方法概述—“以靜代動(dòng)”
我們知道，構(gòu)件疲勞壽命動(dòng)輒數(shù)十萬甚至上百萬疲勞循環(huán)，之所以要采用仿真手段，無外乎要達(dá)到兩個(gè)目的。
其一，降低成本。君不見，構(gòu)件加工、疲勞試驗(yàn)機(jī)采購(gòu)、長(zhǎng)周期試驗(yàn)電費(fèi)、人力成本，處處都是燒錢的地方。國(guó)內(nèi)能養(yǎng)得起完整的結(jié)構(gòu)強(qiáng)度部門的大多是主機(jī)院所，在養(yǎng)技術(shù)員的同時(shí)，還養(yǎng)著一套試驗(yàn)設(shè)備的單位則更屈指可數(shù)。
其二，提高效率。長(zhǎng)周期的試驗(yàn)，效率自然是很低的，而在設(shè)計(jì)階段，大量的構(gòu)型需要去驗(yàn)證，從而選擇最后的方案，這個(gè)階段就上試驗(yàn)手段選型，哪個(gè)單位都吃不消，畢竟研制節(jié)點(diǎn)不等人。
如果采用仿真計(jì)算，去計(jì)算個(gè)上百萬疲勞循環(huán)，那么上面第二個(gè)目的就達(dá)不到了。大的模型動(dòng)輒千萬網(wǎng)格，做上百萬次循環(huán)計(jì)算，這個(gè)時(shí)間成本我想都不敢想，畢竟不是哪個(gè)地主家都有超算中心啊。
于是乎，這就有了個(gè)“以靜代動(dòng)”的方法。思路是這樣的：
1）采用載荷峰值加靜力載荷。
2）總時(shí)間設(shè)為1，然后認(rèn)為1代表1e6循環(huán)，如果分析步長(zhǎng)為0.01，那就是說每個(gè)分析步，就認(rèn)為完成了1e4循環(huán)。然后根據(jù)循環(huán)次數(shù)，對(duì)材料性能做折減和失效判斷。
2.
展開 利用Digimat-FE對(duì)三維五向編織復(fù)合材料進(jìn)行性能表征
三維編織復(fù)合材料作為一種新型的復(fù)合材料, 由于它具有整體異形性和三維預(yù)制體制造等優(yōu)點(diǎn)和靈活的性能可設(shè)計(jì)性, 在國(guó)內(nèi)外航空、航天等領(lǐng)域得到了廣泛的應(yīng)用。近 20 年, 國(guó)內(nèi)很多科研機(jī)構(gòu)都對(duì)對(duì)三維編織復(fù)合材料力學(xué)性能開展了系列研究。
三維四向編織復(fù)合材料克服了傳統(tǒng)層合復(fù)合材料的分層開裂敏感、抗沖擊損傷性能差等缺點(diǎn), 厚度方向強(qiáng)度得到了很大提高, 但同時(shí)面內(nèi)性能有所下降。為了提高三維編織復(fù)合材料的縱向性能, 發(fā)展了三維五向編織復(fù)合材料。
三維五向編織結(jié)構(gòu)是在基本的三維四向編織結(jié)構(gòu)基礎(chǔ)上, 在編織過程中引入沿編織成型方向不動(dòng)的紗線而形成的一種新的整體編織結(jié)構(gòu)。在三維四向編織結(jié)構(gòu)中, 所有的編織紗線均與編織成型方向有一個(gè)夾角,共有四種空間傾斜方向, 部分紗線通過了材料的厚度方向, 有效提高了材料厚度方向的性能, 但是, 同時(shí)使材料的面內(nèi)性能有所下降。而在三維五向編織結(jié)構(gòu)中, 除了有四組傾斜分布的編織紗線以外, 還有一組沿材料縱向 (編織成型方向或第五向) 分布的紗線。縱向紗線幾乎處于伸直狀態(tài), 可以改善材料縱向性能。
三維四向編織、三維五向編織示意圖
三維編織材料的性能表及測(cè)試方法都未形成成熟的標(biāo)準(zhǔn), 需要進(jìn)一步進(jìn)行研究探討。下面將通過Digimat-FE對(duì)三維五向編織進(jìn)行建模，通過Digimat-FE計(jì)算三維五向編織材料的工程常數(shù)，以實(shí)現(xiàn)通過仿真對(duì)三維五向編織材料性能的預(yù)測(cè)。
首先，在Digimat-FE中定義材料屬性。分別包括基材與纖維特性
接下來定義每相特性與RVE特性，
最終就可以生成三維五向編織的RVE模型如下圖所示
然后對(duì)模型進(jìn)行像素網(wǎng)格劃分
選擇計(jì)算工程常數(shù)
最終可計(jì)算出工程常數(shù)
從上述過程可以看到，通過Digimat-FE我們可以很方便的對(duì)三維編織材料的力學(xué)性能進(jìn)行表征。
展開 OptiSystem應(yīng)用：通過機(jī)器學(xué)習(xí)預(yù)測(cè)系統(tǒng)性能
a） epoch vs loss
b） epoch vs mae
c） epoch vs val_loss
d） epoch vs val_mae
圖5 神經(jīng)網(wǎng)絡(luò)損失函數(shù)評(píng)估
訓(xùn)練完成后我們將余下的眼圖用于對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，比較測(cè)試預(yù)測(cè)的結(jié)果與實(shí)際測(cè)試集結(jié)果之間的誤差，測(cè)試結(jié)果如圖6所示：
a） 實(shí)際光纖長(zhǎng)度與預(yù)測(cè)光纖長(zhǎng)度對(duì)比
b） 實(shí)際光纖長(zhǎng)度與預(yù)測(cè)光纖長(zhǎng)度誤差
c） 實(shí)際Q因子與預(yù)測(cè)Q因子的對(duì)比
d） 實(shí)際Q因子與預(yù)測(cè)Q因子的誤差
e） 實(shí)際最小BER與預(yù)測(cè)最小BER的誤差
圖6 神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果
導(dǎo)入一個(gè)眼圖，如圖7所示：
圖7.導(dǎo)入需要預(yù)測(cè)的眼圖
運(yùn)行預(yù)測(cè)功能，結(jié)果如圖8：
圖8.神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的系統(tǒng)性能
展開 OptiSystem應(yīng)用：通過機(jī)器學(xué)習(xí)預(yù)測(cè)系統(tǒng)性能
a） epoch vs loss
b） epoch vs mae
c） epoch vs val_loss
d） epoch vs val_mae
圖5 神經(jīng)網(wǎng)絡(luò)損失函數(shù)評(píng)估
訓(xùn)練完成后我們將余下的眼圖用于對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，比較測(cè)試預(yù)測(cè)的結(jié)果與實(shí)際測(cè)試集結(jié)果之間的誤差，測(cè)試結(jié)果如圖6所示：
a） 實(shí)際光纖長(zhǎng)度與預(yù)測(cè)光纖長(zhǎng)度對(duì)比
b） 實(shí)際光纖長(zhǎng)度與預(yù)測(cè)光纖長(zhǎng)度誤差
c） 實(shí)際Q因子與預(yù)測(cè)Q因子的對(duì)比
d） 實(shí)際Q因子與預(yù)測(cè)Q因子的誤差
e） 實(shí)際最小BER與預(yù)測(cè)最小BER的誤差
圖6 神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果
導(dǎo)入一個(gè)眼圖，如圖7所示：
圖7.導(dǎo)入需要預(yù)測(cè)的眼圖
運(yùn)行預(yù)測(cè)功能，結(jié)果如圖8：
圖8.神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的系統(tǒng)性能
展開 重型裝備工程 – 預(yù)測(cè)式性能工程軟件
可精確預(yù)測(cè)性能的工程能夠加快開發(fā)高級(jí)重型裝備，以滿足客戶需求。此信息圖概括介紹重型裝備制造商如何使用預(yù)測(cè)式性能工程軟件將行業(yè)復(fù)雜性轉(zhuǎn)化為競(jìng)爭(zhēng)優(yōu)勢(shì)。
物理場(chǎng)仿真
如何在滿足政府排放和安全法規(guī)的同時(shí)保障機(jī)器性能？利用先進(jìn)而全面的多物理場(chǎng)仿真，一次性實(shí)現(xiàn)強(qiáng)大而正確的設(shè)計(jì)。
CAE 自動(dòng)化
如何以更少的資源實(shí)現(xiàn)更高的生產(chǎn)率目標(biāo)？通過無縫 CAE 自動(dòng)化即刻獲得有關(guān)設(shè)計(jì)性能的定性反饋并使常規(guī)流程自動(dòng)化。
數(shù)據(jù)集成
如何滿足物聯(lián)網(wǎng)賦能機(jī)器不斷增長(zhǎng)的需求？運(yùn)用現(xiàn)場(chǎng)物聯(lián)網(wǎng)數(shù)據(jù)集成來打造互聯(lián)工作場(chǎng)所并實(shí)現(xiàn)更快開發(fā)的閉環(huán)反饋和預(yù)測(cè)性維護(hù)。
點(diǎn)擊鏈接登記獲取文檔
http://t8iw4ulf0hpixn8k.mikecrm.com/Mb9aR16
-END-
展開 LeadingEDGE 預(yù)測(cè) Lloyd's Register Regal 的全尺寸船舶性能
從技術(shù)角度來看，這可以轉(zhuǎn)化為需要更高效和準(zhǔn)確的設(shè)計(jì)方法，以便能夠在設(shè)計(jì)階段的早期預(yù)測(cè)預(yù)期的船舶性能。準(zhǔn)確的預(yù)測(cè)可以避免事后昂貴的改造解決方案。
計(jì)算流體動(dòng)力學(xué) (CFD) 軟件在預(yù)測(cè)和優(yōu)化船舶性能方面發(fā)揮著越來越重要的作用。廣泛的國(guó)際研討會(huì)旨在不斷驗(yàn)證和驗(yàn)證 CFD 工具生成的數(shù)據(jù)，這些研究中心和大學(xué)定期組織深入?yún)⑴c進(jìn)一步開發(fā)這種替代實(shí)驗(yàn)?zāi)Ｐ蜏y(cè)試的數(shù)值方法。
勞埃德船級(jí)社測(cè)試案例
勞埃德船級(jí)社技術(shù)調(diào)查部組織的勞氏船級(jí)社研討會(huì)是全球參與的研討會(huì)之一。研討會(huì)的范圍是驗(yàn)證一種能夠準(zhǔn)確預(yù)測(cè)全尺寸船舶性能的數(shù)值方法，旨在加快船舶的設(shè)計(jì)過程，并為模型測(cè)試提供時(shí)間和成本效益高的替代方案。參與者必須提交在給定條件下預(yù)測(cè)的船速、軸扭矩、動(dòng)態(tài)平衡和螺旋槳空化擴(kuò)展的數(shù)值結(jié)果。然后將這些結(jié)果與海上試航期間在貨船“REGAL”上進(jìn)行的船上測(cè)量和觀察結(jié)果進(jìn)行比較。
考慮中的船舶是一艘1994年在波蘭建造的138m雜貨船，總重量11542噸，配備一個(gè)四葉右旋定距螺旋槳。
LeadingEDGE 結(jié)果
LeadingEDGE Marine Engineering參加了研討會(huì)，并在整個(gè)項(xiàng)目中使用了 Fine Marine。LeadingEDGE 的方法主要圍繞 Fine Marine 中實(shí)施的高級(jí) Actuator Disk 模型構(gòu)建，該模型讀取真實(shí)螺旋槳的開放水域性能。能夠從數(shù)值計(jì)算中刪除實(shí)際的螺旋槳幾何形狀可以大大簡(jiǎn)化物理過程并加快過程。只需要裸船體阻力和自航案例來驗(yàn)證該方法（空化和開放水域螺旋槳測(cè)試不在本次練習(xí)的范圍內(nèi)）。
與船體阻力模擬的慣例相反，模擬的是整個(gè)船體而不是半個(gè)船體。這允許正確包含由于容器的初始流體靜力平衡和 3D 掃描幾何形狀引起的小不對(duì)稱，如研討會(huì)組織者提供的那樣。
展開 電子書：適用于重型裝備的西門子預(yù)測(cè)式性能工程
憑借預(yù)測(cè)式性能工程實(shí)現(xiàn)重型裝備工業(yè) 4.0
您的重型裝備開發(fā)流程能否跟上快速發(fā)展的建筑業(yè)、采礦業(yè)和農(nóng)業(yè)？可精確預(yù)測(cè)性能的工程能夠加快開發(fā)高級(jí)重型裝備，以滿足客戶需求。
注冊(cè)閱讀本電子書，了解預(yù)測(cè)式性能工程如何通過以下方式為重型裝備工業(yè) 4.0 賦能：
縮減成本和時(shí)間
降低排放
提高質(zhì)量與合規(guī)性
提高安全性和運(yùn)行時(shí)間
預(yù)測(cè)重型裝備的性能
隨著互聯(lián)技術(shù)和自動(dòng)駕駛技術(shù)的進(jìn)步，重型裝備也在不斷發(fā)展。客戶對(duì) IoT 智能裝備的需求有增無減，由此產(chǎn)生了大量數(shù)據(jù)。開發(fā)流程數(shù)字化使制造商能夠盡早準(zhǔn)確地預(yù)測(cè)其裝備的性能，從而加速創(chuàng)新并推動(dòng)新一代重型裝備的發(fā)展。
西門子數(shù)字化雙胞胎技術(shù)將最大程度提高非公路裝備的性能
以仿真和早期驗(yàn)證為核心的數(shù)字化方法是應(yīng)對(duì)不斷增加的成本和復(fù)雜性的唯一途徑。西門子數(shù)字化雙胞胎技術(shù)可最大程度提高性能，使非公路裝備制造商能夠精確預(yù)測(cè)產(chǎn)品在所有性能屬性下以及整個(gè)生命周期中的行為。
重型裝備工程的數(shù)字化轉(zhuǎn)型優(yōu)勢(shì)
在仿真得到應(yīng)用之前，重型裝備工程不得不依靠樣機(jī)和物理測(cè)試來驗(yàn)證設(shè)計(jì)。如今，西門子的預(yù)測(cè)式性能工程解決方案可將多物理場(chǎng)設(shè)計(jì)、仿真、測(cè)試和現(xiàn)場(chǎng)數(shù)據(jù)分析整合到統(tǒng)一、互聯(lián)的工作流程中，從而能夠以更低的成本更快生成精確的結(jié)果。
注冊(cè)下載本電子書，了解數(shù)字化轉(zhuǎn)型可為如今在全球市場(chǎng)中角逐的制造商提供哪些優(yōu)勢(shì)。
展開 
直播 I 電池系統(tǒng)建模預(yù)測(cè)動(dòng)力典型性能及壽命
基于模型的電池系統(tǒng)開發(fā)，針對(duì)電池的電性能、熱性能和老化特性進(jìn)行耦合分析，并結(jié)合電池的多樣化使用場(chǎng)景，保證電池性能輸出及電池壽命達(dá)到質(zhì)保里程的要求。
直播時(shí)間
2022年7月28日 14:00-15:00
講師介紹
錢劍杰
達(dá)索系統(tǒng)CATIA系統(tǒng)
工程高級(jí)顧問
報(bào)名方式
點(diǎn)擊鏈接 報(bào)名直播
https://3ds.tbh5.com/dianchi/EventDetail.aspx?eid=684&f=jishulin
相關(guān)直播推薦
07.29 底盤及傳動(dòng)結(jié)構(gòu)仿真解決方案和典型案例分享
08.05 多學(xué)科仿真驅(qū)動(dòng)電驅(qū)系統(tǒng)創(chuàng)新設(shè)計(jì)
08.12 動(dòng)力總成及相關(guān)零部件仿真解決方案和典型案例分享
點(diǎn)擊鏈接 報(bào)名直播
https://3ds.tbh5.com/SIMULIA/index.aspx?f=jishulin
- END -
展開 基于機(jī)器學(xué)習(xí)的鋁材碰撞性能快速預(yù)測(cè)
具有四個(gè)設(shè)計(jì)變量的鋁合金部件碰撞性能快速預(yù)測(cè)。
RecurDyn成功案例：利用虛擬模型對(duì)諧波齒輪傳動(dòng)性能進(jìn)行預(yù)測(cè)
▎仿真過程
① Circular Spline和Wave Generator以剛體建模
② 考慮柔性輪的形狀變形，用柔性體建模
③ 準(zhǔn)確預(yù)測(cè)柔性輪的局部變形及應(yīng)力，利用FFlex建模
④ 在柔性輪和Circular Spline之間使用Geo Contact
⑤ 改善解析速度，柔性輪和Wave Generator之間使用Geo-Cylinder
⑥ 使用考慮預(yù)應(yīng)力的變形mesh作為Flex Spline的初始狀態(tài)
⑦ 縮短分析時(shí)間，只對(duì)實(shí)際接觸發(fā)生的位置定義接觸，而不是整個(gè)體
▎關(guān)鍵仿真技術(shù)
? 能夠準(zhǔn)確再現(xiàn)高速旋轉(zhuǎn)的柔性輪變形的MFBD技術(shù)
? 快速準(zhǔn)確的接觸算法
- 支持剛體和柔軟體之間的接觸
- 有效處理大量齒輪齒間的接觸
? 適合汽缸或球形形狀的專用接觸要素
? 齒輪齒間接觸的接觸力分布及壓力可視化功能
▎工具包
? RecurDyn/Professional
? RecurDyn/FFlex
▎工程問題
? 設(shè)計(jì)變更帶來的性能評(píng)價(jià)的變化
? 在給定的公差范圍內(nèi)預(yù)測(cè)尺寸差異對(duì)振動(dòng)和傳動(dòng)誤差的影響
? 預(yù)測(cè)負(fù)載和速度變化對(duì)柔性輪行為的影響
? 柔性輪的扭曲對(duì)性能的影響評(píng)價(jià)
? Wave generator的反作用力預(yù)測(cè)
▎解決方案
? 利用MFBD技術(shù)減少建模和仿真時(shí)間
? 利用非線性柔性體和接觸算法再現(xiàn)柔性輪的行為
? 柔性輪的變形及接觸應(yīng)力計(jì)算
? 模擬實(shí)驗(yàn)預(yù)測(cè)修改設(shè)計(jì)/動(dòng)作條件及隨公差后的性能變化
▎結(jié)論
? 評(píng)價(jià)修改后的齒形的性能，并將其反映在設(shè)計(jì)中
? 通過虛擬模型
展開 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)
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)。
