首页/文章/ 详情

工业软件产品设计—AI加速CAE仿真：步骤完善与用户体验目标

石寒ColdStone

3小时前浏览13

根据《【智能仿真】AI仿真，到哪步了？》文中所述，AI在CAE软件中的应用包括以下几方面：

1. 加速仿真计算

替代传统求解器：通过AI模型（如神经网络、图神经网络）直接预测物理场（应力、温度、流场等），绕过传统有限元或CFD的迭代计算，实现秒级仿真。
降阶模型（ROM）：利用AI构建低维代理模型，替代高保真仿真，用于快速迭代和参数优化。

来源：Ansys SimAI

2. 设计优化与自动化

生成式设计：基于AI（如GAN、强化学习）自动生成满足约束条件的最优设计。
拓扑优化：AI结合传统优化算法，快速生成轻量化结构（如汽车部件、航空航天结构）。

来源：Autodesk Generative design

3. 数据驱动的仿真增强

多物理场耦合简化：AI模型学习多物理场（如热-力-流体耦合）的复杂关系，降低耦合仿真的计算复杂度。
不确定性量化：通过AI预测材料参数、边界条件的不确定性对仿真结果的影响。

来源：SimScale AI功能

4. 实时仿真与数字孪生

实时动态更新：AI结合传感器数据，驱动数字孪生模型实时反映物理系统的状态（如设备健康监测）。

来源：星派仿真-结构健康监测系统

5. 自动化前处理与后处理

网格生成自动化：AI自动划分高质量网格（如基于深度学习的非结构化网格生成）。
结果分析与可视化：AI自动提取关键特征（如应力集中区域、流场分离点）。

Lumi Mesh Adaptation 生成的 AI 网格

笔者经过调研，发现目前落地比较多的是第一种，通过训练AI模型来加速仿真计算。比如Ansys的SimAI、Altair的PhysicsAI、云境智仿的YJ-DORGP智能求解器、英特仿真的INTESIM-dTwins等等，都是通过AI算法构建低维代理模型进而实现快速仿真。

来源：云境智仿Simversus智能求解器

他们的AI功能存在形态各不相同，有的在云端，有的在客户端。有的是重量级的独立软件，有的是软件平台中的独当一面的功能Tab，也有的是参数设置框中一个大隐隐于市的勾选框。

来源：天洑AICFD

这类AI功能普遍可分为模型生成和模型应用两个应用阶段。

在模型生成阶段，用户需要做的步骤主要包括：训练样本收集、上传样本数据、模型训练、参数配置、模型验证。

在模型应用阶段，包括模型预测、模型部署、界面配置等步骤。

根据操作步骤，设计满足用户体验的产品功能，那么应该如何评价这些功能的用户体验呢？对于大部分刚刚起步的AI功能模块，如何完善产品功能呢？

我赶时髦问了问DeepSeek，他给了我以下答案。虽然体验目标很抽象，但是根据我调研时的体会，它列的这些确实挺全面挺有道理的（内心os：比我总结的好多了，感觉要失业了/(ㄒoㄒ)/），后续笔者会根据这些体验目标浅析市面上几款包含AI功能的CAE软件，产品经理们快来查缺补漏吧。

一、模型生成阶段

步骤	完善说明	体验目标
1. 训练样本收集	- 提供数据采集工具或接口，方便用户从仿真软件或实验设备中获取数据。 - 支持多种数据格式导入，如CSV、Excel、JSON等。 - 提供数据预览和基本统计分析功能，帮助用户了解数据质量。	- 易用性: 简化数据收集流程，降低用户操作难度。 - 高效性: 提供高效的数据导入和处理方式，节省用户时间。 - 可控性: 让用户清晰了解数据情况，便于后续步骤的决策。
2. 上传样本数据	- 提供清晰的数据上传界面，支持拖拽上传和批量上传。 - 显示上传进度和状态，并提供错误提示和重试机制。 - 对上传数据进行初步校验，如格式检查、数据完整性检查等。	- 可靠性: 确保数据上传过程稳定可靠，避免数据丢失或损坏。 - 透明性: 让用户实时了解上传进度和状态，减少等待焦虑。 - 安全性: 保障用户数据安全，防止数据泄露。
3. 模型训练	- 提供多种AI模型算法选择，并给出算法简介和适用场景。 - 支持自定义模型参数配置，并提供参数说明和推荐值。 - 显示模型训练进度和资源占用情况，并提供训练日志查看功能。	- 灵活性: 满足不同用户和场景的模型训练需求。 - 可控性: 让用户能够根据自身需求调整模型参数，优化模型性能。 - 透明性: 让用户了解模型训练过程和资源消耗情况，便于监控和调整。
4. 参数配置	- 提供参数配置界面，支持手动输入和选择推荐值。 - 提供参数说明和取值范围，帮助用户理解参数含义。 - 支持参数组合保存和加载，方便用户进行不同参数组合的尝试。	- 易用性: 简化参数配置流程，降低用户操作难度。 - 可解释性: 帮助用户理解参数含义和影响，便于进行参数调优。 - 高效性: 提供参数组合保存和加载功能，提高参数调优效率。
5. 模型验证	- 提供模型验证指标和可视化结果，如准确率、误差分析等。 - 支持验证数据集上传和划分，方便用户进行模型评估。 - 提供模型对比功能，方便用户选择最优模型。	- 可信度: 提供可靠的模型验证指标和结果，增强用户对模型的信任。 - 可解释性: 通过可视化方式展示模型验证结果，便于用户理解模型性能。 - 高效性: 提供模型对比功能，方便用户快速选择最优模型。

二、模型应用阶段

步骤	完善说明	体验目标
1. 模型预测	- 提供简洁易用的预测界面，支持输入数据导入和手动输入。 - 显示预测结果和置信度，并提供结果解释和可视化展示。 - 支持批量预测和结果导出，方便用户进行后续分析。	- 易用性: 简化预测流程，降低用户操作难度。 - 可解释性: 提供清晰的预测结果和解释，便于用户理解和使用。 - 高效性: 支持批量预测和结果导出，提高用户工作效率。
2. 模型部署	- 提供多种部署方式选择，如云端部署、本地部署等。 - 提供部署向导和文档，指导用户完成部署过程。 - 监控模型运行状态和性能，并提供预警和故障排除功能。	- 灵活性: 满足不同用户的部署需求。 - 易用性: 简化部署流程，降低用户操作难度。 - 可靠性: 保障模型稳定运行，及时预警和排除故障。
3. 界面配置	- 提供可视化界面配置工具，方便用户自定义预测界面。 - 支持多种界面元素添加和布局调整，如图表、文本框等。 - 提供界面预览功能，方便用户实时查看配置效果。	- 灵活性: 满足用户个性化界面配置需求。 - 易用性: 提供可视化配置工具，降低用户操作难度。 - 实时性: 提供界面预览功能，方便用户实时调整配置。