AI在CFD应用的思考
尝试了最近大火的AI应用,包括对话、编程、绘图等。对于AI在CFD仿真中的应用可行性,做了点自己的思考总结。![](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1681664457293_ocwj0v.jpg?imageView2/0)
基于AI的学习(图源:哥伦比亚大学官网)
1 AI的优势领域
AI在本质上,还是基于现有数据的统计分析工具。AI主要优势在于隐式规则场景,即依赖人类经验可进行学习和识别,但是难以采用数学手段定量表述规则。对于可采用数学手段定量化描述的显式规则,其直接基于代码进行固化和执行,执行效率比AI学习高得多,且没有错误。
CFD中对AI的应用,可分为程序功能强化和高效自动化处理两个大方向。
2 AI在CFD的可行性应用:网格划分
前处理包括几何处理、网格划分两个步骤。AI对于几何处理的提效较明显。随着非结构网格的流行,网格划分本身已经成为低难度且存在显式规则的任务。
2.1 几何处理
几何处理中,AI可行方向包括:
由于各种原因,几何模型文件需要以STEP、IGES等中立格式传递。其必然存在几何特征丢失、曲面信息失准等情况。利用AI对模型特征进行识别,可节约大量时间,并避免歧义和出错。例如已丢失几何特征信息的球面,利用AI自动推断半径、球心位置等几何基本属性,避免软件中反复测量和手动计算。对于几何错误可进行提示和自动化修复,例如缺面、曲面扭曲等。装配体也可自动化查找可能的各类配合错误,例如轴线不对齐等。仿真不可避免涉及对产品实际几何形状的修改和简化。常见操作如去除圆角、抽取中面等,都可借助AI判断正确的输出形状,减少操作失败概率。CFD仿真还涉及流体域的问题。汽车外气动等流体域形状复杂的问题,基于AI可快速准确的填充狭缝、坑孔等,使其形成满足仿真需要的密闭的表面。对于边界条件分组、部件命名等问题,基于AI可节约命名的手动操作。部分几何模型为离散数据格式(STL、点云等),借助AI可推导实际的连续曲面形状,可方便后续的网格划分等工作。2.2 网格划分
非结构网格划分,AI可基于最大网格数量限制和单元密度分布需求,协助找出合理的单元尺寸数值。并协助处理某些低质量单元的网格优化。对于结构网格,还可基于AI自动化进行网格映射关系处理。3 AI在CFD的可行性应用:求解 & 后处理
3.1 求解设置
对于求解设置,可基于AI协助模型设置、评估时间步长取值等从而找出最优设置方案。部分设置需要使用函数表达式进行表述(例如随时间变化的入口速度),利用AI直接生成相对应的函数关系式,无需学习相关的语法知识。
结合网格划分和几何处理的相关内容,对于涉及固体变形、超音速流动等需要修改网格的问题可设置自动化修改,并保证单元质量和密度。3.2 求解
AI在CFD求解的应用在数年前就有相关研究,但是目前不够成熟和准确,较少被工业界接纳应用。
3.3 后处理
基于AI,可从云图、流线等可视化素材中查找流动分离、速度死区等趋势不合理的区域,并进行标记。4 AI在CFD的可行性应用:自动化
对于有明确规则的仿真问题,可编写脚本进行自动化操作,从而提升效率。脚本编写涉及较多的编程和操作系统的知识,有较高门槛。且脚本通常与特定版本绑定,一旦软件版本升级则需要更新脚本。基于AI,可自行依照已有的操作,完成脚本代码的编写,大大降低编程能力的门槛,方便提高效率。5 人的作用
根据各种信息源,本文提及应用方向或已有成功案例(例如ANSA 2023版本的AI识别部件),或有软件开发商正在对相关功能进行开发研究。从短期来看,AI很难完全代替人类进行纯自动化工作,用AI进行的工作任务仍然需要人进行检查审核,避免出错。从长期来看,仿真工作人员更多需要在场景问题梳理、寻找设计优化方向、向他人解释仿真结果等涉及深度思考和人际沟通的方向花费时间精力。网格划分等更多依赖于软件操作熟练度的工作时间精力占比会越来越少,叠加算力进步和软件开发商对软件操作不断简化的趋势,仅能够根据规范指导和模板案例进行基础操作的入门级仿真人员的需求量会不断减少。 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:2023-04-18
最近编辑:1年前