即将直播：基于机器学习的智能仿真工具Odyssee案例分享

导读：Odyssee是海克斯康公司旗下的一款跨学科、跨领域、跨专业的软件产品，基于机器学习模型，能够实现秒级实时的CAE静态、动态仿真、图像识别、智能预测等，显著缩短计算分析周期，提高生产效率。ODYSSEE为工程、制造和质量提供实时解决方案，包括以下功能：

• 机器学习&人工智能
• 统计、数据挖掘、数据融合
• 优化和鲁棒性

• 图像识别和压缩

ODYSSEE包含了两个重要模块：ODYSSEE CAE和ODYSSEE A-EYE。ODYSSEE CAE是一个独特而强大的以CAE为中心的创新平台；而ODYSSEE A-EYE是一个独特而强大的基于图像的机器学习解决方案。

图一. Odyssee两个模块：Odyssee CAE和Odyssee A-EYE。能够与多款软件联合进行预测，如Marc、MSC Nastran、Cradle、Romax、Adams、VTD、Simufact、Actran等

一、认识Odyssee 

1、ODYSSEE CAE

ODYSSEE CAE是一个独特而强大的以CAE为中心的创新平台，允许工程师在其工作流程中使用机器学习、人工智能、降阶建模（ROM）和设计优化。通过对CAE模拟数据和物理测试数据进行实时预测建模和优化，创建经济高效的数字孪生，让用户从现代数据科学技术中获益。

ODYSSEE CAE可以通过实时地回答解决工程问题来增强用户的认识，从而替代数百小时的模拟和分析。通过几次CAE模拟分析的结果，ODYSSEE CAE可以实时预测、优化并可靠地生成准确的结果。ODYSSEE CAE生成完整的历史输出，包括完整的CAE分析和结果的详细后处理。

Odyssee CAE能够与市面上常见的结构力学、流体力学、多体动力学等仿真软件进行无缝衔接，例如Marc、MSC Nastran、Cradle、Romax、Adams、VTD、Simufact、Actran等，使用先进的降维算法在保留高维度数据精度和质量的同时提高分析效率，进行仿真结果的预测和参数灵敏度的分析。

应用领域如下：

• 计算流体力学

• 结构仿真

• 材料

• 声学设计

• 系统动力学

• 自动驾驶

• 制造工艺图

2、Odyssee A-EYE

ODYSSEE A-EYE是一个独特而强大的基于图像的机器学习解决方案。通过使用机器学习和人工智能（AI）解决方案的实时参数模拟和优化，来加速产品设计和开发。ODYSSEE A-EYE允许用户根据图像数据、传感器数据、标量、标签、曲线和CAD数据作为输入创建自己的AI应用程序，进而使用系统中已知的数据来预测响应。上述方法可以使设计师和生产技术人员能够在无需高昂的计算成本或时间成本的条件下，更广泛和交互地探索设计空间，并改进下一代产品。

ODYSSEE A-EYE数据输入类型：

• 图像数据

• 传感器数据

• 标量

• 标签

• 曲线

• CAD数据

应用案例：

• 产品制造缺陷检测（铸造）

• 建立模具成本指标

• 为质量控制的缺陷表征

• 基于MRI图像的肺部感染诊断预测

• 通过实时预测模型对远程患者进行健康监控

• 飞行模拟器（着陆条件）

• 卫星图像选择性压缩和分类

二、实际案例

1、Odyssee进行汽车碰撞

汽车碰撞仿真一般使用显示动力学仿真软件进行（如Ls-dyna），计算耗时比较长。通过Odyssee建立汽车碰撞代理模型，并使用仿真数据进行训练，可以快速预测整车碰撞情况，并实现碰撞动画的实时仿真预测，如下图。

图四. 整车碰撞仿真动画结果对比：粉色为Odyssee仿真结果，蓝色为有限元仿真结果

2、Odyssee优化问题

汽车底盘振动仿真优化的传统流程是采用多体动力学软件（如Adams）进行试验设计（DOE）样本的生成，构建响应面并进行寻优，因此需要花费大量时间进行样本的仿真和生成。通过Odyssee建立代理模型，可见Adams仿真样本量由3000次降低到240次，并可实现与前者样本量相同的精度，由此再进行底盘振动的优化，可节约工程师大量时间。

图五. 汽车底盘振动仿真优化

3、Odyssee进行芯片散热优化

为了实现芯片的良好散热，一般需要针对不同散热设计方案进行仿真，以找到最优方案。芯片散热仿真涉及到流体-热耦合的瞬态仿真，而CFD的仿真需要消耗时间和计算资源比较多。若完全使用流体-热耦合仿真进行优化所所需要的样本点生成，将严重增加设计产品设计的周期。采用Odyssee的代理模型进行预测，可以在保证结果精度的情况下，大幅缩短仿真时间，提高产品设计迭代效率。

图六. Odyssee加速芯片散热仿真及优化过程

4、Odyssee针对轮胎噪声预测

Odyssee可以基于图像数据进行机器学习和预测。针对轮胎花纹的设计，可以读取设计图片以及轮胎噪声的频响曲线进行学习和代理模型建立，并针对工程师新设计的轮胎花纹图样进行噪声预测，帮助工程师在设计初期进行轮胎花纹形状的优化。

图七. 基于轮胎花纹图像的噪声预测

更多Odyssee应用案例请关注我们即将在仿真秀直播公开课中与大家分析。

三、我的直播公开课

在12月17日周六19时30分，受仿真秀平台邀请，笔者将在仿真秀公开直播《基于机器学习的智能仿真工具Odyssee案例分享》报告，将带您了解基于机器学习的智能仿真工具Odyssee及其实际应用案例，探讨了机器学习方法在仿真分析中的应用，提高工程师的工作效率。

以下是直播安排：

基于机器学习的智能仿真工具Odyssee案例分享-仿真秀直播