数字揭秘丨奥运项目背后的智能制造世界：如何助力赛场的每一次超越？

在体育世界中，竞争是激烈的，而运动员与他们的装备之间的关系可以为他们提供战胜对手的优势。如今，大多数球拍框架都是由轻质石墨或石墨复合材料制成的，其中融入了钛合金、凯夫拉尔纤维或玻璃纤维等材料，从而增加了球拍框架的灵活性。但是，如果不使用有限元分析软件（FEA），就很难预测这些先进材料的性能和行为。

Wilson Labs （威尔逊体育用品公司）是世界领先的高性能运动器材制造商之一。包括美国的塞雷娜-威廉姆斯和维纳斯-威廉姆斯以及英国的安迪-穆雷在内的金牌得主都曾使用 Wilson 球拍来达到他们运动的最高峰。

Wilson Labs 的设计工程师使用 Altair HyperWorks™有限元分析工具，利用仿真、自动化和优化技术缩短了设计周期，提高了层压复合材料网球拍的产品价值。

Altair HyperWorks 复合材料球拍网布

复合材料模拟在航空航天等行业得到了广泛应用，但对于体育器材制造商来说，这是一个相对尚未开发的资源。威尔逊实验室是将有限元分析应用于网球行业的先驱之一，它认识到有限元分析作为层叠设计以及重量、强度、刚度和简易性优化工具的优势。

对于球拍层压复合结构中的每一层，都要查看层叠文件以了解层叠位置，然后对表面进行修剪和整理。层厚、材料特性、载荷和边界条件也一并分配。使用 HyperWorks 中的结构分析和优化工具进行了多项分析，并验证了结果与物理测试数据的相关性。测试和分析表明，虚拟模型的行为与现实生活中的行为密切相关。

模拟静态试验、位移轮廓

该项目使人们对 HyperWorks 在虚拟空间中建立网球拍模型所需的精确度以及虚拟仿真作为一种资源远比人工技术更有效充满信心。对于威尔逊实验室所期望的性能指标（质量、质量中心、动态刚度、静态刚度），结果显示与物理测试相比，误差率小于 4%。有了有限元分析技术，威尔逊相信他们可以更快地将未来的产品设计推向市场，同时确保他们的设备性能满足专业运动员和休闲玩家的高要求。

对于那些不熟悉这项运动的人可能会认为赢得铅球比赛最重要的技能是蛮力。毕竟，最强壮的铅球运动员不是能以更大的速度推球吗？然而，在与世界顶级运动员竞争时，每一点小优势都很重要。运动员们练习复杂的滑行或旋转技巧，以最大化每次投掷产生的力量。他们还仔细记录释放高度、释放角度和铅球速度等数据，以获得最佳结果。

仿真软件可以用来研究这些输入参数对铅球投掷距离的影响。利用Altair OptiStruct™，Altair 工程师对铅球飞行进行了显式动态分析，以研究各种输入对总体距离的影响。显式动态分析捕捉了对象在经历高度非线性瞬态动态力时的物理行为。

首先进行了优化研究，以确定约 45 度是产生最大距离的理想释放角度。工程师使用 1680 毫米（约 5 英尺 5 英寸）的释放高度、45 度的释放角度和每秒 13.5 米的投掷速度，模拟出了 20.4 米的投掷距离--几乎与卡特的推铅球获胜成绩相同。有了精确模拟真实世界物理现象的能力，运动员就可以使用软件来探索释放角度或释放高度的微小变化会对他们的最大距离产生怎样的积极或消极影响。

使用 Altair OptiStruct 对铅球进行显式分析

在第二次仿真中，OptiStruct 被用于研究铁饼投掷角度的影响。使用相同的每秒 10 米的速度但调整投掷角度，我们可以看到微小的机械调整对结果的影响有多大。当铁饼以 60 度角投掷时，它飞出了 9.9 米。将投掷角度调整为 45 度后，铁饼飞行了 12 米，比原来的投掷距离增加了 19% 以上。对这些输入参数的进一步探索可以帮助运动员及其教练员确定投掷铁饼或铅球的最佳方式，帮助他们最大限度地发挥自己的能力，使他们在比赛中处于最佳位置。

以 10 米/秒的速度和 45 度的释放角投掷铁饼

以每秒 10 米/秒速度和 60 度的释放角投掷铁饼

铅球和圆盘投掷是利用模拟优化性能的相对简单示例。工程师通常可以利用他们的专业知识和判断来做出简单设计的决策，但在面对具有许多相互关联参数的复杂产品设计时，找到最佳平衡就变得困难。迭代方法（调整参数、重新运行模拟、查看结果、重复）很快变得既繁琐又不足以探索所有可能的组合，工程师常常不确定是否还有未探索的选项。

实验设计（DOEs）和优化是解决这些问题的有用工具。然而，这些多次运行的模拟并不容易定义、设置和管理。计算机辅助工程（CAE）前后处理器通常没有集成这类工具。即使有，也可能需要陡峭的学习曲线，且工具通常不够用户友好。因此，这些工具通常仍然是某些“专家”的领域。

Altair^® HyperWorks^® Design Explorer将这些探索工具自然、无缝、直观地带给产品工程师和分析师。Design Explorer提供了一个端到端的工作流，从定义和执行到后处理和解释多次运行的模拟，以进行实时产品性能预测和评估。

人工智能究竟是如何帮助制造商和设计师设计出更好的杆身、杆头和拓扑结构的呢？在大多数情况下，人工智能可以让他们利用现有数据和真实世界中的击球和挥杆数据，快速创建、测试和优化新设计。

在过去的 10-15 年里，大多数制造公司都学会了如何优化球杆，但主要是针对‘最佳击球点’击球。“这种'最佳'击球数据主要是由职业巡回赛选手驱动的，因为只有他们才能对自己的挥杆动作进行如此大的控制。这意味着球杆 90% 的区域，“最佳击球点”以外的区域，是人工智能优化的潜力所在。这是因为人工智能现在可以预测，有多少普通球员在 “最佳击球点 ”之外挥杆，他们在杆面上挥杆的具体 位置，以及他们接触的质量等等。所有这些数据与当今先进的工程和制造工具相结合，可以帮助制造企业及其工程师打造下“一代球杆"。

此外，人工智能可以帮助制造企业根据球杆的不同方面，如重心位置、耐用性、后旋、手感、声学等，自动创建优化的原型。如今，人工智能可以通过引入所有这些特性的真实世界数据，直接驱动设计。有了这些数据，企业就可以设定设计的优先级，根据对这些参数的优先排序，人工智能工具可以为企业生成一个设计或优化现有设计。这就是人工智能的意义所在，创造力和填补空白。现在，这一流程已成为行业标准。如今几乎所有的大型制造商都在以创纪录的速度推出不同的球杆变体。为什么？因为通过人工智能驱动的设计，他们能够更高效地满足不同人群和不同需求。

从本质上讲，人工智能让工程师和设计师能够做以前做不到的事情，而且做得更快、更好、更广泛。人工智能节省了他们的时间，因为他们可以利用从玩家那里收集到的各种摆动和使用条件的数据，减少物理测试的时间，把更多的时间用在推动创新的边界上。