首页/文章/ 详情

人工智能在流体力学的应用

驭风之道

1年前浏览3612

1 背景概述

流体力学的数值仿真，即CFD，在机械、土木、采矿、医疗等领域得到广泛运用。

红牛F1赛车的空气动力学仿真（图源：ansys.com）

通常CFD仿真，需要非常强大的硬件配置，耗时很久才能完成。其根源在于，CFD仿真求解的微分方程形式复杂，数值计算的运算量极大。

流体力学微分方程的通用表达形式

如何在硬件成本、仿真速度、仿真精度之间取得平衡，成为CFD用户的重点问题。同时，在实际工作中不可避免存在多种设计方案的比较，从仿真角度来说就是重复劳动，如何提升重复工作的效率也是很重要的事项。

2 人工智能的应用

人工智能（AI）随着硬件性能上升和数据来源扩张而发展迅速，并在图片识别、信息安全等领域实现了商业化应用。AI如何应用于CFD，受到软件开发商、CFD用户、研究学者等利益相关方的关注。

AI的处理方法以基于数理统计的概率推断为主，不涉及微分方程数值计算，从而相对于CFD求解可以实现数量级的耗时下降。

AI推理过程（图源：《

Application of Artificial Intelligence in Computational Fluid Dynamics

》，《Industrial & Engineering Chemistry Research》期刊）

目前基于AI推理的流场计算还有不少需要解决的问题，短期内AI推理不可能取代数值计算方法，成为CFD的主流模式。

不同AI模型的天气预报结果与实际气象数据对比（图源：deepmind‍‍.com）

设计过程中不可能仅考虑一种工况的影响，最终设计方案是多种工况之间设计妥协的结果。AI推理对于多种复杂工况下的设计寻优、控制策略等CFD的间接应用也有相关的应用。但整体而言，更多的是学者研究工作，实际应用于企业的较少。

设备控制逻辑的AI推理优化（图源：《Sloshing suppression with active controlled baffles through deep reinforcement learning-expert demonstrations-behavior cloning process》，《Physics of Fluids》期刊）

AI应用到实际工作场景，模型训练是必不可少的过程。通过已有的结果数据，对AI的机器学习模型进行训练，从而能够优化各类模型参数组合，保证模型的准确性。对于AI模型训练，高质量的模型数据集越多越好。

AI的CFD训练工作流程（图源：《Simulation of liquid flow with a combination artificial intelligence flow field and Adams–Bashforth method》，《Scientific Reports》期刊）

3 发展趋势

目前AI应用到CFD，无论企业界还是学界都有尝试，且有一些成功案例，例如DeepMind的天气预报。后续AI推理一定会逐渐完善，在更多领域并得到推广和商业化运用。

AI应用于通用CFD，目前主要受限于以下几个方面：

CFD的历史数据不足或其质量较差，导致AI模型的训练质量不佳
缺少具体场景中的AI模型选择标准，各类AI模型针对特定场景的优缺点不明确
部分CFD问题的理论不够完善，仿真结果不准确，AI推理更无从下手

来源：驭风之道

Adams 通用理论控制人工智能气象

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：2023-02-25