大声告诉我，你做仿真的目的是什么！

每当熬夜改模型画网格，周末发现算例离奇发散时，眼含热泪的你是否想过：我做仿真的目的是什么？

可能因为你天生喜欢花花绿绿的后处理云图，每次看到都像吃了蘑菇一样兴奋；

也可能为了和实验结果尽可能接近，让实验室同事对你刮目相看；

但更可能的，是来自领导和甲方的无理取……

你既然做了仿真，说明你本质上做的就是正向研制工作。哪怕是基于友商产品做一丢丢改进，那也是站在前人肩膀上的正向研制。

纯逆向抄你做什么仿真？上皮尺就行。

既然是正向研制，就往往少不了优化。

比如设计一款风扇，你想让它额定转速下的叶轮 功耗相比已有方案降低至少10%，且流量不降低。

如何下手？

单单对风扇叶片，就有叶片安装角、叶片弦长、叶片厚度、顶部间隙等多个影响性能的参数。

这些参数如何组合才为最优，30年经验的老师傅也不敢说手拿把掐。

你说那没事，我虽然缺经验，但体力足。大力出奇迹，上遍历法。

算个账。

假设可变参数有7个，不多吧？

每个参数变10次，也不多吧？

最终有几个组合呢？高中数学告诉我们，有10^7个，也就是10000000个。

一种让人头冷的绝望涌上心头，1000万块钱，都要数好久。

退一步，5个可变参数，每个参数变5次，组合总数也有5^5=3125个。算不完，根本算不完。

擦干眼泪，此时不妨试试我司的智能优化设计软件AIPOD（图穷匕见。

有了AIPOD，你只需要“打个样”，带它走一遍建模+仿真的流程，然后定好哪些是自变量哪些是因变量，以及自变量的取值范围。

之后，你直接去干（摸）其（鱼）它的，剩余的工况都交给AIPOD就行。

是不是很爽？

你也许会担心，如此一来虽然省力，但似乎没省时间啊？10000000个工况哪怕是交给AIPOD去跑，依然是海量工作。

甲方都杀到门口了，它还在遍历，想想就让人害怕。

莫担心！AIPOD最大的优点并非“体力足”，而是“有脑子”。

它内置强大的自动优化算法，除了常规的梯度型寻优和进化型寻优等优化算法，还有不常规的——我司自主研制的SilverBullet算法，也是AIPOD的核心优化算法。

完整描述（过于枯燥建议跳过）：

“SilverBullet 是基于人工智能技术的单目标智能优化算法、集成强化学习技术的 SilverWing 单目标智能代理优化算法、单纯形算法、方向加速算法、共轭梯度算法、拟牛顿法、截断牛顿法、线性近似约束优化方法、序贯最小二乘规划算法、信赖域算法、粒子群及其多种改进算法、第三代非支配排序遗传算法。

整合了智能采样技术、耦合优化技术，以及一套核心的参数指标动态协调全局优化和局部探索力度，从而能够实现在小计算规模下的高效性能优化提升。SilverWing 算法能够耦合利用原始计算流程和代理模型各自优势，实现快速、准确的优化设计。”

最后来个案例展示，用AIPOD优化前面那个风扇，即额定转速下的叶轮 功耗相比已有方案降低至少10%，且流量不降低。

选定叶片底部出口角、中间出口角、顶部出口角、中间弦长、中间安装角、中间厚度系数、顶部间隙这七个参数作为优化自变量；叶轮 功耗作为优化目标量；风扇流量作为限制量。

用AIPOD调用CAESES软件做参数化建模，然后再调用CFD软件做仿真计算。

最后软件共计算了140个工况，就找到了最优设计。

风扇的轴功率降低14.14%，大于10% 的目标。同时进口流量、静压和总压效率也都有小幅提升，意外之喜。

仔细对比最优模型和原模型，发现其出口角、安装角及叶片厚度等都发生了较大变化。

实在是省力，实在是省时间，实在是效果好！是不是看的心痒痒？

还等什么，不要99，不要9.9，南京天洑软件官网免费下载，免费试用一个月。

如果安装之后两眼一黑不知如何用，我们这有很多精通参数化建模、CFD模拟、自动优化、人长的帅说话又好听的小哥哥（此条5毛括号内删除）。

请放肆联系我们。