首页/文章/ 详情

技术干货丨PhysicsAI 与 Inspire Cast 的结合:实现铸件缺陷的快速预测

2月前浏览1843

ALTAIR

影响铸造产品性能最常见的问题之一是孔隙率。虽然在压铸过程中不可能实现零孔隙率,但通过精心规划的模具设计和工艺过程控制,您可以将其降至最低。每个过程都有其去除或者减少孔隙率的方法。


检测孔隙率最流行的方法是通过X射线扫描、切割零件和计算机断层扫描等手段。由于气体滞留、凝固过程中补缩不足、排气不当、浇口尺寸等原因都会导致出现孔隙缺陷。




问 题 陈 述




Q

为什么要使用?

A

  • 几何模型的处理

  • 花费很多时间

  • 经常性设计变更

  • 需要一定的行业知识

Q

实现什么?

A

  • 快速决策

  • 预测设计变更的结果

  • 快速且高效

Q

谁将受益?

A

  • 设计工程师

  • 仿真工程师

  • 设计而非工艺变更





Inspire Cast 结合 PhysicsAI 工作流程




第 1 步:

收集过去执行的铸造模拟的历史数据。对充型或凝固阶段的h3d结果文件进行学习和训练。下图显示了用于为高压铸造工艺仿真创建的各种设计迭代的变量。


 


第 2 步:

在 PhysicsAI 中创建用于训练和测试的数据集。使用 Inspire Cast 的结果数据训练 PhysicsAI 的机器学习算法。定义训练变量,如深度、宽度、遍历次数和需要训练的结果类型。

 
 


第 3 步:

将未经训练的数据与经过训练的数据进行测试,以查看机器学习算法的预测准确性。通过 MAE(平均绝对误差)根据求解器验证 ML 模型。这代表了 PhysicsAI 的预测准确性。

 
 


第 4 步:

在获得令人满意的 MAE 后导入新设计模型。新设计导入在网格和单位方面应相似,以便准确预测。网格化的FEM文件可用于导入和预测。在预测新设计之前,请确保激活已训练的机器学习模型。然后预测新的设计。

 


接下来就可以利用这个训练好的模型更快地预测后续的新设计,而无需运行传统的铸造仿真。





总 结




PhysicsAI 是一款出色的工具,可以根据设计变更进行快速预测。但是,结果的准确性取决于用户经过训练的数据集。如果数据未正确训练,则新的设计预测将无法保证其准确性。因此,最好了解用于训练目的的数据类型。下面是新设计的铸造仿真结果与预测结果的对比示例。


 



  


来源:Altair澳汰尔
HPCInspire航空航天汽车电子消费电子控制人工智能模具Altair
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-09-01
最近编辑:2月前
Altair澳汰尔
澳汰尔工程软件(上海)有限公司
获赞 138粉丝 466文章 739课程 4
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈