AI加速设计仿真
作者：微信文章随着产品的日益复杂，充分的设计仿真对产品开发至关重要，但也变得越来越困难和耗时。借助西门子Simcenter先进的AI集成工具，使用人工智能（AI）和机器学习（ML）技术，可以大幅缩减工作流程搭建和运行这些复杂仿真所需的时间，曾经需要几天或几周的工作现在只需要几小时，甚至几分钟。
图表1 AI正在改变设计仿真流程
通过利用AI的力量来加速仿真过程，可以在开发周期中腾出宝贵的时间，从而实现更广泛的设计空间探索、更短的开发周期和/或更严格的测试。随着对更短时间内交付更智能产品的需求不断增长，AI将成为支持这些尖端技术发明的重要工具。
现代仿真的挑战
许多现代产品，无论是从零部件数量和单个零部件设计方面，都已经变得非常复杂，逐个手动的设计验证几乎是不可能的。多年来，设计师们已经开始依赖于计算机驱动的仿真，但这些仿真的准备和执行通常需要很长时间，因此只能运行有限数量的仿真，然后按照计划将产品推向市场。这中间几乎没留下什么时间进行额外的设计空间探索，而且设计师疲于应付仿真模型相关的高度手动和重复性的任务，进一步拖累了研发进度。即使选择了最佳设计，也需要运行数千次额外的仿真，以确保在其生命周期内可能经历的各种操作条件下安全运行。
以汽车设计为例。为了准备好仿真模型，必须手动标记螺母、螺栓和螺钉等所有部件，以便为每个部件赋予适当的材料属性和细节特征，并为每个部件进行特定的前处理操作。对于数百或数千个零件来说，这是一个高度手动和耗时的过程。类似的，高精度空气动力学仿真需要大量的数据中心计算时间，这限制了测试替代设计方案或在其他设计阶段利用详细仿真的机会。
AI驱动的自动化的力量
AI和自动化一直非常适合彼此，现在，由于最新的技术进展，AI也能够承担一些更劳动密集型的仿真任务，创建方便的自动化工作流程。随着大型神经网络能够一次准确识别数百或数千个零件，曾经高度手动的零件分类过程现在可以自动处理。以前述汽车模型为例，传统的分类过程可能需要经验丰富的工程师手动处理一周以上。而训练后的AI模型可以在几个小时内完成。
图表 2虚拟车辆模型非常复杂，其中上千个零部件需要手动标记
除了节省时间外，依靠AI来自动化这些重复的、高度手动的任务，可以最大限度地减少由于人为疏忽导致的错误，因为计算机能够在设定的误差范围内准确、一致地对所有部分进行分类。工程师接下来只需要确认计算机完成的工作无误即可。
允许AI接管琐碎的任务也可以为设计师腾出了宝贵的时间，让他们花在更重要、更高级的任务上。AI在支持设计过程中提供了一系列好处，但只有设计师才有真正创造新事物所需的想象力。随着AI承担着设计过程所需的越来越多的简单但耗时的任务，设计师可以专注于他们最擅长的领域。
代理模型大幅提升计算速度
AI在设计仿真中提供显著优势的另一个领域是代理模型（也称为降阶模型或ROM）。 运行高精度仿真既费时又昂贵，这意味着它通常只用于设计过程中最关键的步骤。虽然这是传统仿真方法局限性的自然产物，但这确实意味着在这些关键区域之外的任何仿真都被迫使用低精度替代品或简单的近似。然而，通过利用ML驱动的代理模型，可以以接近1D系统仿真速度获得类比高精度仿真的准确和详细的结果。
图表 3 AI电池模型比传统仿真计算速度快55000倍
基于机器学习的代理模型是使用传统高保真模拟生成的大量数据进行训练而获得的——从这个昂贵的过程中提取超出仿真结果本身的额外价值。一旦经过训练，这些代理模型可以实时推断结果，使设计人员能够获得高精度的结果，而无需相关的计算成本。代理模型甚至能够推断出超出其训练数据范围的结果，从而为新的和未经测试的设计提供基本的验证。
一旦代理模型被训练并集成到设计过程中，它就可以有效地将它那部分的仿真时间减少到接近零，从而为设计过程的其他方面腾出宝贵的时间。从更严格的安全测试到更短的设计周期，再到探索更广阔的设计空间，只要有更多的时间，一切都是可能的。
虽然在加速仿真过程中创建和使用代理模型的投资回报是显而易见的，实际上它们还可以简化多软件工具链。对于涉及到多种软件和工具的复杂工作流程，不同的工具必须协同工作，无论是并行还是串行，同时还要考虑到仿真步长协调的问题，这在很多场景下，例如新能源车电驱系统仿真，都是一个挑战。 借助代理模型，我们可以将复杂的某一学科仿真模型进行降阶集成到另外一个工具或软件中。通过这种方式，我们可以充分的考虑到不同物理现象，而无需搭建涉及到许多不同工具和软件的复杂工作流程。
更高保真度的系统仿真
代理模型的使用不仅限于替代高精度仿真，它们还可以用于需要高精度仿真但传统方法难以实现的领域。例如，使用西门子Simcenter Amesim系统仿真软件对汽车进行多学科系统级仿真。由于现代硬件的限制，这种类型的系统仿真无法完全详细地描述汽车的每个元素。相反，我们需要将不同部件的各种仿真结果，如车身的空气动力学性能或发动机特性，以静态1D近似的方式输入到系统模型中。
图表 4 AI帮助工程师快速理解不同设计参数如何影响整体性能
用代理模型替换系统模型中某些组件的1D近似值，可以有效地同时对同一模型中的每个组件进行高精度仿真。换而言之，代理模型允许学科之间有更大的信息流，例如设计发动机的团队可以充分研究不同车身设计的空气动力学性能对发动机效率的影响。
今天的大多数产品设计都高度依赖于前几代的设计，今年的智能手机或汽车与前几年的设计有很多相似之处。这允许在未来的设计周期中重用现有的代理模型，或作为快速完善当前设计产品模型的起点。
从设计过程的一开始就可以获得关键组件的具备合理精度的模型，这带来了许多好处。由于设计概念的早期验证，它使设计师能够在设计周期的早期探索更多的替代方案。随着代理模型的持续改进，这种复合效应有助于提升代理模型的速度和价值。
AI正在从根本上改变仿真
仿真是设计过程的重要组成部分，随着产品变得越来越复杂，仿真每年都扮演着越来越重要的角色。尽管仿真已被证明是验证和测试设计的一种经济有效的方法，但随着设计变得更加复杂，传统的计算机驱动模型可能难以跟上步伐。随着AI和机器学习的最新进展，仿真时间可以从几天甚至几周缩短到几分钟，且同时保留模型的复杂性和细节。这反过来又重新定义了仿真在设计过程中的使用方式，它不仅改变了仿真，而且改变了整个设计过程，从而能够以更快的速度和效率创造出更智能、更具创新性的产品。
页:
[1]