
在之前的AI+CAE专题中我们已经提到萧山股票配资,通过AI代理模型进行CFD的结果预测是当前AI仿真领域应用最多的方向,尤其是汽车行业已经有较多的应用。在国内,一些车企也已经落地了具体的AI+CAE应用,如近期十沣科技介绍的上汽智已的车型AI气动优化的案例。
案例中,上汽智己基于十沣科技的TF-AIDEA平台,采用几何变形—自动CFD—AI训练—秒级推理—智能优化的流程,将原本7人天的气动优化工作缩减至0.5人天,实现了15倍设计效率提升,并在真实工程场景中将车型风阻降低超过5 count。
工作的具体步骤为:
第一步:生成大量几何变体
展开剩余68%基于 FFD(Free Form Deformation) 技术对原始整车外形进行参数化处理,通过控制点位置、影响区域与变形幅度的组合,自动化批量生成四百余份具有代表性和多样性的几何变体,并统一采用标准化的STL格式进行存储
第二步:自动仿真
调用基于GPU加速的LBM求解器,以批处理的方式,对所有生成的几何形状自动执行外流场模拟,并输出压力场、速度场、风阻系数和升力系数等高保真关键物理量。
第三步:AI模型构建
基于空间注意力算子(SATO),对五个关键气动物理量进行端到端学习,构建空气动力学预测模型,通过迭代优化、误差反馈与参数调整逐步提升预测精度,使模型能够识别毫米级几何变化并稳定输出满足工程要求的结果,最终建成的模型在五个关键物理量上均实现了NRMSE小于5%的工程级精度。
第四步:部署应用
训练完成的模型被部署至推理系统中,将训练完成的模型集成到推理引擎中,使其能够在设计师操作界面中直接运行。拥有约八百万表面节点的整车几何能够在单卡RTX 4070(12GB 显存)环境下实现秒级分析,单物理量预测耗时不足十秒
第五步:AI优化
将AI预测结果与遗传算法等智能优化方法结合,自动在形变空间中探索更优外形方案,并通过批量预测筛选高潜力设计。对于候选结果,系统再通过AI推理进行复核,以确保优化方案具备工程可靠性。
最终的结果:
整体优化周期从传统的数周缩短至一天以内
关键气动物理量预测误差控制在5%以内
风阻预测偏差小于4 count,且能识别毫米级形变
CFD计算成本降低超70%
以上就是该案例的情况介绍萧山股票配资,更多细节可以访问十沣科技官号(深圳十沣科技有限公司)进行了解。AIE也将后续继续介绍更多实际的AI+CAE落地案例,如果您公司也有实际AI+CAE落地案例希望介绍给更多人,欢迎联系AIE(vx:15011560163)
发布于:上海市胜亿配资提示:文章来自网络,不代表本站观点。