首页/文章/ 详情

仿真与实验对比的不是数据，是人

CAE_LJX

1年前浏览325

贾科莫·巴拉《数字爱好者》1920

当你发现仿真数据与实验对不上，你会怎么办？

你会不会全身发冷，当场崩溃。我滴天，仿真怎么做错了。抱着头好好想，是哪里搞错了？公式有么有错？算法合不合适？网格够不够？回想一遍好像到处都不太可靠，这可怎么向老板交代？

当你把仿真和实验这两条捏合不到一起的曲线，战战兢兢地递到上面。老板只能叹口气说，再多请几位专家一起分析。

工程师级别的专家就会扑上来，指着你的额头告诉你。你漏项了，你忽略了细节，你简化了环境。你偷懒了，你算的状态个数不够，你用的网格数量不够，你用的算法精度不够。

大师级别的专家后仰坐在椅子上，微笑着看大家。等大家把建议喷溅完毕，大师轻声说：“这个不奇怪，这种数据做仿真就是不准确，所以我们才做实验。”

然后历数某年某月曾经仿真和实验对不上，某地某事曾经对不上。

最后总结，这个问题是个很难的难题，是个科学难题，需要我们做好长期努力，投入更多的人力物力。

大家顿时心情大悦，本来准备挨骂，最后发现还有希望要到更多的钱。

不是我不明白，是科学它难琢磨，

不是我不明白，是问题它太曲折。

明白的是下一步如何扩大项目，把坏事变为好事。

如果你只需要向老板做个交代，让这件事过去，用大师的方式最好。

然而，你作为一位励志青年，还是想找到数据对不上的原因，让自己放心。

你准备把工程师专家和你自己想到的仿真可能出错的所有因素修正一遍。

且慢！

请关闭你的仿真软件，先问自己一个问题，你确定是仿真错了吗？

凭什么只要仿真与实验对不上，就首先找仿真的麻烦？

难道实验不会错？

花了几百万的实验不一定比只花费几十万的仿真准确。

如果这类实验容易得到准确数据，做仿真模型的人，早就用大量的准确实验数据修正模型，把仿真的准确性也提上来了。

今天的仿真水平发展，不会比实验滞后多少。仿真不准确，往往就暗示了实验也很难准确。

只有设计精良的实验，只有超越了一般水平的实验，才可以为你超越一般仿真水平提供依据。

你也知道，那些匆匆忙忙设计的实验，那些勉勉强强测量的数据，其中犯错的几率一点不低于仿真。

用这种实验数据与同样匆匆忙忙完成的仿真，勉勉强强收敛的数据做对比，不知道是谁在误导谁？

对上了，说明什么？

对不上，又说明什么？

只有高水平的仿真与高水平的实验，才有资格互相对比，才有可能减小误差，修正结果。

如果你与一个低水平的实验数据对不上，有什么要自责的？对上了才可怕。

然而，你确定自己的仿真是高水平吗？

如果你确定自己是高水平，你会稳如磐石，当数据与实验对不上，你会先怀疑实验有问题。

其实，你也不确定。你对自己的仿真结果一直疑神疑鬼。你也觉得自己的数据变幻莫测，不知道动了那个参数，仿真结果就完全不同了。你用不同的方法，做出一大堆数据，你也不知道那些数据准确，那些错误。

所以你草木皆兵，所以你和实验对不上就心慌，所以你需要一个对上了证明自己正确。

我们面临的问题不是：通过实验改进仿真这么高大的科学难题。

我们面临的真问题是：如何用一个不准确的实验帮助一个不靠谱的仿真。

你先衡量一下，你的仿真的不靠谱级别。

如果行业一般水平的误差在10%，你平时做仿真的数据变化范围没有超过20%，仿真的不靠谱级别为一般。一般的仿真和一般的实验对比，对你没有多大帮助。

如果，改改网格带来数据变化50%，改改设置导致数据正负号颠倒，和师兄的仿真结果对比数据差别100%，仿真不靠谱级别为“没谱”。

对于“没谱”的仿真数据，和实验数据比对就太重要了。

不管怎么说，实验是看得到摸得着，不容易错太多。虽然不能帮助你消除一般误差，但是能够发现“没谱”的仿真数据。

（“背对背”的考核等都具有同等功效。）

所以，在产品设计中，还是要做大量的实验，消除足以致命的“没谱”的仿真数据。

可靠的仿真可以发现一般实验的错误。

一般的仿真与一般的实验互相无关。

没谱的仿真可以用一般的实验纠错。

来源：CAE之道

理论通用

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：2023-05-30