人工智能与机械工程CAE的交叉前沿

2天前浏览41

机械工程领域的人工智能不再是一个未来概念；它在各个机械工程领域积极掀起波澜。该路线图将探索人工智能当前和未来在机械工程中的应用，提供有关如何有效利用该技术的见解。主要关注领域包括设计优化、预测性维护、先进机器人技术、增材制造、材料科学、复杂 CAD、计算流体动力学 (CFD) 和有限元分析 (FEA)。此外，我们将深入研究利用人工智能在该领域的力量所需的基本技能和协作努力。

人工智能与机械工程的交叉点

人工智能和机械工程在传统工程原理和尖端技术的融合中产生交叉。这种协同作用正在改变工程师设计、分析和制造流程的方式。机械工程是一门植根于物理和材料科学的学科，现在利用人工智能在数据分析、机器学习和预测建模方面的能力来突破创新的界限。

人工智能在机械工程中的集成提高了精度、效率和创造力，使工程师能够解决复杂的问题并开发先进的系统。从优化设计参数到预测维护需求和创建自主机器，人工智能和机械工程的交叉正在重塑行业并推动进步。

1.了解人工智能及其在机械工程中的应用

1.1 什么是人工智能？

人工智能（AI）是指在设计为像人类一样思考和学习的机器模拟人类智能。它涵盖各种技术，包括机器学习 (ML)、神经网络和自然语言处理 (NLP)。在机械工程中，人工智能用于处理大量数据、识别模式并进行预测，从而显著增强决策过程。

图1：AI及相关关键词参考

1.2 机械工程中人工智能的关键应用

设计优化

传统上，设计改进依赖于反复试验。人工智能算法现在可以分析无数的设计参数、材料和操作条件。这样可以快速探索设计可能性，从而生产出更轻、更强、更高效的产品。人工智能驱动的生成设计工具，例如 Autodesk 的 Dreamcatcher，将设计要求作为输入并生成大量可行的设计，帮助工程师通过评估权衡来选择最佳解决方案。

预测性维护

想象一下这样一个世界：机器可以预测自己的维护需求！人工智能与传感器数据分析相结合，可以识别异常并在潜在故障发生之前预测它们。这使工程师能够实施预防性维护，最大限度地减少停机时间并最大限度地提高生产力。例如，人工智能系统可以实时监控机械的健康状况，分析振动数据、温度变化和操作模式，以预测维护需求。

图2：维护水平参考

先进机器人技术

机械工程领域的人工智能和机器学习推动了与人类一起工作的协作机器人 (cobots) 的兴起。人工智能算法使协作机器人能够从环境中学习并适应不断变化的任务，使其成为制造领域的宝贵合作伙伴。这些机器人可以协助装配线、处理复杂的任务并确保精度，从而显着提高工业环境中的生产力和安全性。

增材制造（3D 打印）

机械工程中的人工智能应用通过建议最佳打印参数、材料使用和支撑结构来优化 3D 打印过程。这可以缩短打印时间、减少材料浪费并提高打印部件的质量。通过分析以前打印的大量数据，人工智能可以预测并纠正潜在问题，确保生产的一致性和可靠性。要进一步探索这些进步并增强您的项目，请考虑 Abaqus 中的 3D 打印仿真，它提供了用于优化增材制造工艺的综合工具。

材料科学

潜在材料的浩瀚宇宙可能令人难以抗拒。人工智能算法可以分析广泛的材料特性数据库，帮助工程师发现具有突破性应用特定特性的新型材料。这加速了更轻、更强、更耐用的新材料的开发，推动了各个行业的创新。

2. 仿真和分析工具中的人工智能

2.1 AI 助力复杂 CAD

计算机辅助设计 (CAD) 中使用的人工智能通常适用于基于知识的系统。CAD 中的设计工件、规则和问题都被存储起来，以便稍后为 CAD 设计人员提供帮助。AI 和 CAD 的融合是通过基于模型的推理 (MBR) 完成的。许多新版本的软件包都使用基于知识的系统。人工智能应用的一个主要领域是生成设计。生成设计工具将设计要求作为输入，并给出可能的设计作为输出。例如，SolidWorks 在其 2018 年版本中引入了拓扑优化，使用基于生成设计原理的算法。

2.2 CFD 中的人工神经网络

计算流体动力学 (CFD) 一直受到科学家、工程师和数学家的极大兴趣。与流体力学相关的湍流和混沌使得直接数值模拟 (DNS) 难以解决。人工智能，特别是人工神经网络 (ANN)，因其以更少的计算能力和时间来近似流动行为的潜力而受到关注。ANN 模型可以与传统 CFD 模型提供良好的一致性，尽管它们需要通过示例模拟进行大量培训。虽然人工神经网络提供有效的流量预测，但它们目前缺乏提供对流量机制的详细见解的能力。

2.3 有限元分析（FEA）

有限元分析 (FEA) 对于预测产品对现实世界的力、振动、热和其他物理效应的反应至关重要。AI 通过优化网格划分过程、识别潜在故障点和减少计算时间来增强 FEA。机器学习模型可以预测应力分布和变形模式，从而实现更准确、更高效的模拟。AI 驱动的 FEA 工具可帮助工程师快速迭代设计并做出数据驱动的决策，以提高产品性能。

FEA 中的 AI 应用：案例 – SimScale GmbH 宣布完全集成的云原生 A.I.基于物理的预测将进入其模拟软件。SimScale 与领先的 A.I. 合作。对于加速工程开发人员，NAVASTO 将其解决方案集成到 SimScale 平台中，这将使工程师能够使用并行物理和人工智能进行实时设计。生成的分析结果。参考号

3.新兴趋势和技术

人工智能与机械工程的集成并不是一成不变的；它随着新趋势和技术不断发展，有望进一步革新该领域。一些最令人兴奋的新兴趋势包括：

3.1 数字孪生

数字孪生是物理场景、系统或流程的虚拟模型，使用实时数据来模拟其性能。人工智能通过提供预测分析来增强数字孪生，使工程师无需进行物理试验即可预测测试场景并优化性能。该技术在航空航天、汽车和工业制造等复杂系统中特别有用。

3.2 前沿计算

前沿计算使计算和数据存储更接近需要的位置，从而缩短响应时间并节省带宽。在机械工程中，前沿计算与人工智能相结合，可以实时监控和控制机械和流程，从而提高效率并减少延迟。

3.3 增强现实（AR）和虚拟现实（VR）

由人工智能驱动的 AR 和 VR 正在改变工程师设计、测试和维护设备的方式。这些技术为培训、原型设计和故障排除提供身临其境的体验，减少对物理模型的需求并实现远程协作。

3.4 供应链管理的区块链

区块链技术与人工智能相结合，增强了供应链的透明度和可追溯性。这确保了材料和零件的真实性，减少欺诈，并提高物流和采购流程的效率。

3.5 量子计算

尽管仍处于早期阶段，量子计算在解决传统计算机无法解决的复杂机械工程问题方面具有巨大潜力。在量子计算机上运行的人工智能算法可以彻底改变材料科学、优化问题和模拟任务。

4. 人工智能在机械工程领域的未来

随着人工智能的不断发展，我们可以期待人工智能在机械工程中的更多变革性应用：

4.1 自主机器

想象一下，自动驾驶汽车不仅可以在道路上行驶，还可以适应不可预见的情况。人工智能将在开发能够在复杂环境中独立决策的自主机器方面发挥至关重要的作用。这些机器将通过提高效率和安全性来彻底改变汽车、航空航天和制造业等行业。

4.2 生成设计

人工智能算法将把设计优化提升到一个全新的水平。通过了解所需的功能和性能参数，人工智能可以自主生成创新的设计解决方案，突破可能的界限。这将导致创造出更复杂、更高效、更可持续的产品。

4.3 人机协作

机械工程工作的未来将看到人类与人工智能之间的无缝协作。工程师将利用人工智能的分析能力，专注于创造性的问题解决和战略决策。这种共生关系将提高生产力和创新能力，使工程师能够应对更复杂的挑战。

5. 为旅程做好准备：如何在机械工程中使用人工智能

机械工程中的人工智能不再是少数人的专利。以下是在机械工程中有效使用人工智能的方法：

5.1 拥抱持续学习

人工智能是一个快速发展的领域。随时了解与机械工程相关的人工智能和机器学习算法的最新进展。考虑在线课程、研讨会，甚至为工程师寻求人工智能认证。这将确保您始终处于技术进步的前沿，并能够有效地将人工智能集成到您的项目中。

5.2 数据为王

人工智能因数据而蓬勃发展。熟悉来自传感器、模拟和过去项目的数据收集技术。深入了解数据分析工具和技术，为人工智能算法提取有价值的见解。适当的数据管理和分析将显着提高人工智能应用的准确性和效率。

5.3 学习编程

虽然您不需要成为一名成熟的程序员，但 Python 等语言的基本编码技能将使您能够与 AI 工具进行交互，并根据您的特定工程需求进行定制。了解编码原则还有助于您与软件开发人员和数据科学家更有效地协作。

5.4 协作是关键

在机械工程中使用人工智能需要采用协作方法。与数据科学家、人工智能专家和工程师同事合作，弥合技术专业知识和人工智能实施之间的差距。通过营造协作环境，您可以利用不同的技能和观点来开发创新的解决方案。

通过培养正确的技能并培养协作精神，您可以成为人工智能驱动的机械工程领域的宝贵资产。人工智能与机械工程的融合不仅仅是一种趋势，这是一种范式转变，将重新定义该行业。拥抱这一转变，为自己配备必要的技能，并准备好为机械工程项目中人工智能的未来做出贡献。

六、结论

人工智能在机械工程中的集成正在重塑行业、推动创新并提高各个领域的效率。从设计优化到预测性维护、先进机器人技术和增材制造，人工智能在机械工程中的应用是广泛且具有变革性的。随着人工智能的不断发展，它对机械工程的影响只会越来越大，为创新、协作和提高性能提供新的机会。拥抱人工智能技术并培养必要的技能对于工程师在这个快速发展的领域保持领先地位至关重要。人工智能在机械工程领域的未来是光明的，有望带来更智能、更高效和突破性的进步，从而重新定义行业。

参考文献：

https://ahmadwriter.medium.com/ai-in-mechanical-engineering-a-complete-guide-cb867df0b01

https://formlabs.com/eu/blog/generative-design/

https://www.plantengineering.com/articles/how-to-use-artificial-intelligence-a-guide-for-mechanical-engineers/

https://www.simscale.com/

来源：ABAQUS仿真世界

5.3.2 单轴压缩和双轴拉伸之间的相似性

不可压缩单轴压缩的变形梯度为：不可压缩双轴拉伸的变形梯度由以下给出：乍看之下，这两个变形梯度看起来很不同，但如果我们在单轴压缩中选择λ=0.5，在双轴拉伸中选择λ=2，那么两种情况下的变形梯度都变为：这意味着对于不可压缩材料，单轴压缩和双轴拉伸对材料施加相同的变形状态，因此在这种情况下是等效的。然而，这两种加载模式会产生不同的应力，这是由于满足应力边界条件所需的压力不同。由于没有真正的完全不可压缩材料，这种单轴压缩和双轴拉伸之间的相似性并不严格有效。为了探究材料可压缩性对预测应力的影响，我们考虑一个可压缩的新虎克（NH）材料模型，其剪切模量μ=1MPa，以及不同的体积模量κ。为了得到具体的应力值，考虑一个可压缩拉伸状态λ=0.5，和一个双轴拉伸拉伸1/√0.5。在这些条件下，计算得到的真实应力值列在表5.2中。表5.2单轴压缩和相应双轴拉伸变形状态下计算的应力值汇总剪切模量μ=1MPa，施加的单轴拉伸为λ=0.5，施加的双轴拉伸为λ=1/√0.5。表格显示，为了使单轴压缩和双轴拉伸的预测应力之间存在相似性，体积模量需要比剪切模量高得多。来源：ABAQUS仿真世界