2025年08月26日
霍尼韦尔2025年08月26日
PTC2025年08月22日
魏德米勒2025年08月21日
智芯半导体2025年08月21日
PTC2025年08月26日
海克斯康
2025年08月12日
桥田智能
2025年08月11日
深视智能
2025年08月06日
倍福
2025年08月26日
海康机器人
2025年08月26日
研华
2025年08月26日
发那科
2025年08月26日
Littelfuse
2025年08月26日
倍加福
AI是一个多学科的话题，它能让机器、设备和计算机以类似智能的方式进行思考和决策。AI可以帮助机器和程序根据收集到的信息，在迭代过程中不断学习和改进，从而做出更明智的决策。
AI在CFD计算中的价值
AI改变了各行各业的技术。将AI应用于CFD可以帮助降低成本并创造新的差异化价值，因而是公司的战略资产。
AI驱动的智能解决方案可为CFD工程师、设计师和分析师带来巨大收益：
● 通过在更短的周转时间内创建更多的每次仿真设计，降低计算、设计程序和运营成本
● 利用基于ML的代用模型和智能AI驱动的工作流程加快周转时间，从而缩短流程和程序开发周转时间
● 通过在CFD流程中标记异常和提供知识库工作流程帮助，提高模拟的准确性。这包括CAD、物理建模、网格设置和后处理
● 通过创建一个生态系统，以无缝方式模拟、预测和优化产品，从而提高产品性能和效率
● 在CFD中提供知识库工作流程帮助
AI在CFD应用中的4个误区
我们已经确定了一些常见的定义，那么就让我们来打破一些误区吧。
误区一：数值模型是解决困难工程问题的唯一方法。AI不够精确，不适合计算流体力学(Computational FluidDynamics，CFD)和工程问题。
误区二：数据科学很简单，公司可以使用开源工具。
误区三：AI不需要人来运行
误区四：数据越多越好。
西门子Simcenter解决方案助力AI落地CFD
西门子的Simcenter为CFD计算开发了专业工具以及AI解决方案，这些解决方案可以帮助企业发挥出以下几个方面的潜力：
● 使企业能够将CFD与AI和多场科学连接起来，协助工程师进行以下工作：
-多物理场设计探索研究
-采用AI控制行动，提高产品性能
● 通过增强数字孪生能力，推动设计和模拟创新
● 通过提供以下服务，赋能AI在设计和仿真中发挥出最大价值：
-领域知识
-利用CFD和多科学数据构建和训练机器学习模型
-获取深度学习和机器学习技术
AI在CFD应用的实例
使用ML预测离散温度
对于负责热管理的工程师来说，回归技术可用于开发基于输入数据（如数值/分类）和输出数据（数值）的预测算法。
在上述示例中，Simcenter团队训练了一个神经网络来预测车辆的平均温度。在Simcenter STAR-CCM+针对各种运行条件组合生成的600个数据样本中，使用500个随机样本进行了训练。提取KPI（温度）来训练模型。在600个样本中，团队使用了500个样本进行训练，其余100个样本用于预测模型的准确性。在100个数据样本中，72个样本的预测误差（预测温度与实际温度之差）小于1%，28个样本的预测误差在1至1.66%之间。该模型的最大预测误差为1.66%，相当于温度差小于5℃。
回归技术还可以与控制系统相结合。利用CFD数据，工程师可以训练回归模型，用它来预测相关变量的值，然后采取纠正控制措施，以实现预期目标并提高性能（例如，根据电池剩余续航时间）。此外，该模型还可以预测能源负荷，并调用控制操作来相应地调整座舱温度。
利用卷积神经网络预测座舱表面温度
在一个类似的例子中，Simcenter团队与某客户预测分析团队合作，利用数据样本构建了一个卷积神经网络，以预测汽车座舱内的表面温度分布。在这项工作中，通过运行各种运行条件下的CFD仿真生成了一个仿真数据库。
研究小组测试了应用500个（Expt.1）、1,000 个（Expt.2）、1,500个（Expt.3）和2,000个（Expt.4）数据样本训练网络的情况，预测误差保持稳定。研究小组用实际的CFD模拟结果测试了神经网络预测的准确性，结果发现两种技术的结果相吻合。
我们按照以下步骤计算预测误差：
1. 计算真实像素值与预测像素值之间的平方误差
2. 用真实像素值对其进行归一化处理
3. 计算整个区域的平均值。
这些测试向团队证明，AI技术可用于CFD模拟，而不会影响精度。通过应用上述例子中列出的技术，公司可以解放工程师的时间，使他们能够在保持精度的同时，执行更有价值、更复杂的设计和模拟任务。
带有CFD和控制动作的深度学习网络
CFD中的AI可与控制操作相结合，实现高效的能源管理、维护和提高系统效率。例如，在座舱温度预测和控制操作中使用AI，工程师可以实现最佳温度，从而实现高效的能源管理。这也有助于提高电池性能，在某些情况下有可能增加电池的续航能力。
工程师还可以使用来自座舱舒适性分析的CFD数据来训练神经网络，以预测给定输入的温度分布。这反过来又可以调用AI控制来改变质量流量或通风口配置（开口/方向），以实现所需的流动特性。
虽然AI在工程领域仍处于起步阶段，但其潜力是无限的。正如福特装配线通过提高速度和减少耗时彻底改变了汽车制造一样，AI也有能力使汽车开发更快、更省时。这将使工程师们能够更加专注于他们所受的教育和获得的报酬：更快地制造出更好的产品。
官方微信号
官方视频号
