首页/文章/ 详情

效率释放:大涡模拟引领车辆设计变革

3小时前浏览24
本文翻译转载于:Cadence blog
作者:AnneMarie

汽车设计领域日新月异,而空气动力学优化是影响峰值性能、燃油效率、行驶里程和可持续性的关键。大涡模拟(LES)是一项前沿的仿真技术,它正在重塑汽车空气动力学设计流程。

什么是大涡模拟

大涡模拟(LES)的主要对象是含能的湍流结构,对能量较小的涡则采用亚格子模型。相比传统的雷诺-平均方程(RANS),LES 可以更深入地分析影响车辆空气动力学和声学性能的复杂流动。

湍流复杂性分析

汽车空气动力学涉及的湍流环境非常复杂,因为车辆周围的空气流动会受到各种因素的影响。LES 擅于通过呈现细致的湍流结构来揭示这些复杂性。精度的提升使工程师能够分析细小涡旋结构和涡流对阻力、升力和整体气动效率的影响,并利用气动声学结果表征外部噪声源。

 

设计精度

LES 的主要优点之一是能够更准确地预测气动力和力矩。通过捕捉流场细节,精准量化设计变更对性能的影响,工程师可以根据更精确的仿真数据做出正确的设计决策。精度的提高减少了对物理样机的依赖,节省了宝贵的时间和资源。

符合真实环境

真实场景中的汽车空气动力学性能不同于受控理想环境的结果。模拟现实世界的参数很重要,诸如车轮旋转、地面效应、侧风和复杂的几何形状特征。LES 模型可以更精确地捕捉相关参数的影响,其中很多都与非定常的流场相关。模拟的真实性对于在复杂且不可预测的条件下运行的车辆至关重要,可以进一步增强车辆的整体安全性和稳定性。

计算强度

尽管 LES 精度更优,但其计算成本与 RANS 相比也水涨船高。湍流结构的详细模拟需要大量的计算资源,并影响其在特定应用中的可行性。

边界处理:近壁面区域的模化处理

传统上,LES 在壁面附近需要非常精细的网格分辨率才能准确捕获近壁面区域的湍流结构,高分辨率导致计算成本的上升。近壁面区域模化处理(WMLES)采用壁面模型来捕捉近壁面的湍流,它支持更粗的网格从而能获得更高的计算效率。这一创新在精度和效率之间取得了平衡,工程师能够在控制计算量的情况下实现高精度仿真,使其成为复杂汽车空气动力学和气动声学研究的可行方案。

Fidelity CFD 加速 LES 模拟

Cadence Fidelity CharLES 求解器在不牺牲精度的情况下最大化仿真迭代效率来应对 LES 的仿真挑战。GPU 加速降低了计算成本,使其能够适用于实际的工程应用。工程师可以在几个小时内实现整车 LES 仿真。交互式界面和详细的后处理能力有助于高效分析 3D 流场的复杂细节,提取有价值的流动信息。

综上所述,大涡模拟是汽车空气动力学和气动声学设计与开发领域的变革者。LES 可以剖析湍流详细结构、提高精度、处理真实场景的流动条件,并推动设计创新,成为新一代汽车设计的基石。随着 LES 应用的普及,我们将迈向汽车设计无缝融合精度、效率和可持续性的未来。

   

 


来源:Cadence楷登
SystemFidelity湍流电路航空汽车电子消费电子芯片UM声学Cadence数字孪生控制
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:2025-03-18
最近编辑:3小时前
Cadence楷登
签名征集中
获赞 0粉丝 19文章 31课程 0
点赞
收藏
作者推荐

Cadence 总裁:紧握 AI 这把钥匙,敲开未来取胜之门

3 月 20 日,SEMICON / FPD China 2024 开幕主题演讲在上海浦东嘉里大酒店隆重举行。本次开幕主题演讲汇集了众多全球行业领袖,演讲嘉宾们向现场观众分享了全球产业格局和技术市场趋势等方面的最新观点。其中,Cadence 总裁兼首席执行官 Anirudh Devgan 博士以“如何在人工智能驱动时代取得成功”为主题,向与会者阐述了 AI 对企业目前产品矩阵不断完善的推动力,未来研发方向秉承的思维理念,以及对客户服务体系的最新思考。 Cadence 总裁兼首席执行官 Anirudh Devgan1AI 是推动半导体产业持续发展的重要动力在演讲中,他首先谈到了推动半导体产业未来发展,促进市场新机会迸发的三大动因:芯片与系统的融合、人工智能和数字孪生。他特别强调,在数字化转型过程中,AI 将有助于芯片公司和系统公司更好地耦合。就第一个因素来讲,Anirudh Devgan 指出,目前芯片公司和系统公司的融合度越来越高,很多系统公司在做芯片,而芯片厂商也在成为系统公司:“目前 Cadence 的客户中有大约 45% 是系统公司。”就半导体行业本身来讲,他预测到 2030 年,单芯片将有 1 万亿个晶体管,复杂性增加 5 到 10 倍,且半导体市场也将突破 1 万亿产值,电子系统市场将突破 3 万亿。其中,AI 芯片和汽车芯片两大终端领域是推动半导体市场不断发展主要动力:“未来几年,每辆汽车的半导体成本将会增长到 2000 至 4000 美元;同时,训练和推理等应用将助推 AI 芯片在未来增长到 7000 亿美元甚至更高规模。”Anirudh Devgan 阐述,相对于芯片与系统融合以及人工智能的应用,“数字孪生”这一概念相对来讲谈论较少,但它对 EDA 公司价值非凡:“借助数字孪生仿真技术可以有效降低芯片开发成本,在芯片正式进入制造环节之前,数字孪生的仿真、验证可以让芯片的整个研发周期得到极大的优化。”他还就半导体、航空航天和生物制药这三个领域加以对比,指出半导体行业所需的数字化模拟和验证占比远远超过后两者。航空航天能用到的“数字孪生”占比只有 20%,剩下的验证占比基本只能通过物理测试完成,而生物医药相关占比只有百分之几,但后两个领域在未来同样会推动“数字孪生”仿真技术不断发展。2三个圆圈与三层蛋糕接下来,Anirudh Devgan 先生谈到了 Cadence 的智能系统设计战略,它由三个圆圈组成:“最外圈是数据分析和人工智能,中间圈层是系统,内圈则是芯片。如果把我们的计算软件用在系统和数据上,就是系统设计和仿真,如果用在芯片上,就是 IP 和 EDA 工具——这是 Cadence 的核心业务。”相应地,Cadence 的智能系统设计战略则有“三层蛋糕”来实现:“中间层是基于物理、化学或生物学原理的仿真和优化,最上层则是 AI 和数据编排处理,而下层则是以 CPU、GPU、FPGA 为代表的加速计算。所有的终端市场都和这三层蛋糕相关,当你吃这个蛋糕时,通常需要把这三层一起吃掉。”3EDA 工具与人工智能发展的三个阶段AI 将如何影响半导体行业以及整个社会?具体到 EDA 工具供应商,AI 导向未来的技术路线又会是怎样的?对此,Anirudh Devgan 博士非常形象地用了互联网发展的三阶段作为类比,认为人工智能也将有类似的三个阶段:AI 赋能芯片的“基础设施建设”阶段,将人工智能应用到芯片设计、系统设计中的第二阶段,以及创建完全开放 AI 新型市场的第三阶段。Anirudh Devgan 强调,第一阶段相当于互联网时代当年对基础设施网络的铺设,该阶段会有一个较长的周期。讲到此处,Anirudh Devgan 以 AI 推动边缘数据中心演进和芯片 3D 化设计架构,尤其是 Chiplet 的发展为例,介绍了超级计算机以及 Chiplet 带来的芯片设计、互连、封装体系的革命化演进。他指出,英伟达、AMD 这样的芯片设计巨头成为 Cadence 的优秀合作伙伴,他们通过软硬件架构融合的思维模式构建数据中心基础设施;而具体到 Chiplet 技术,各个 die 不同的工艺节点可以通过导入接口 IP 封装在一起,带动了 AI 芯片的不断发展。Anirudh Devgan 着重介绍了 Cadence 五大产品平台的推出,契合的是人工智能发展的第二阶段,即芯片设计、系统设计的 AI 化。Cadence 目前的 EDA 产品矩阵,如全新数字芯片设计自动化工具 Cerebrus、模拟设计解决方案 Virtuoso Studio、验证平台 Verisium、先进的 PCB 设计布线工具 Allegro,以及多物理场系统分析解决方案 Optimality 等,均和 AI 理念指引下的自动工艺流程紧密相关。为了更直观地表现 AI 对传统数学算法的颠覆性,他以某家厂商的汽车 CPU 举例。如果该 CPU 有 17 个变量要优化,使用传统数学工具需要运行 400 万次,而 Cadence 的 Cerebrus 用 AI 优化算法模型,计算空间仅需要 200 次,在 10 台机器上运行,一两天内就可以得到所需的结果。在人工智能发展的第三阶段——开辟新市场,Anirudh Devgan 重点阐述了“数字孪生”技术在模拟和仿真中的巨大作用。他指出,AI 可以快速生成高质量的多物理场数据,而且可以利用生成式 AI 为理想系统设计方案,创建数字孪生可视化效果。他在现场展示了一个时长一分多钟的视频,展示了 Cadence 与英伟达在 3D 数字孪生可视化平台上的合作。他强调,数据中心的建设者往往由施工团队而非真正的工程团队来完成,巨大的耗电量成为环保痛点。在讲解视频的过程中,Anirudh Devgan 指出,Cadence 的数字孪生技术可以对数据中心的电路板、机架、气流进行建模,辅以多物理场仿真工具,可以极大地优化数据中心的能耗问题。Anirudh Devgan 还谈到,人工智能在未来的数字生物学中也可以大显身手,药物制造的模拟算法和模拟晶体管架构非常类似,Cadence 通过收购药物设计软件商 OpenEye,加强了企业对药物分子模拟领域的技术实力。他预计,在未来 5 到 10 年内,数字生物领域将经历巨大的变革:“我们目前对 AI 驱动下的新型市场的投资将确保我们处在创新的前沿。”总结最后,Anirudh Devgan 博士总结:“我们所专注的计算软件,其核心业务是 EDA 和 IP,将其扩展到系统分析和人工智能领域的这段旅程,我们期待能和合作伙伴一起完成。” 来源:Cadence楷登

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈