AICFD是由天洑軟件自主研發(fā)的一款通用的智能熱流體仿真軟件。軟件引入AI技術(shù),具備智能問答、智能加速、智能預(yù)測等特色功能,解決用戶在傳統(tǒng)CFD軟件中遇到的“網(wǎng)格劃分繁、求解設(shè)置難、仿真計算慢”等痛點,使設(shè)計師和工程師可以專注于業(yè)務(wù)本身,從而提升產(chǎn)品設(shè)計迭代效率。
一、AICFD的功能和特色
● 交互式前處理:軟件利用智能算法建立熱流體基礎(chǔ)理論與工程應(yīng)用實踐的映射,幫助用戶在通俗易懂的交互式問答中完成前處理設(shè)置;
● 智能求解加速:軟件利用特征識別、時序預(yù)測等機器學(xué)習(xí)算法,實現(xiàn)跳躍式迭代求解,大幅提升仿真效率;
● 智能預(yù)測仿真:軟件基于歷史仿真數(shù)據(jù)生成AI降階模型,實現(xiàn)三維流場的秒級預(yù)測,讓快速設(shè)計-仿真-優(yōu)化迭代和三維場數(shù)字孿生成為可能;
● 一體化仿真流程:軟件經(jīng)過多年工程實踐打磨,支持“幾何、網(wǎng)格、求解、后處理”一體化操作流程,滿足汽車、船舶、能源、旋轉(zhuǎn)機械等領(lǐng)域仿真需求;
● 全面的流體和傳熱求解能力:軟件核心求解器具有完整的自主知識產(chǎn)權(quán),求解范圍覆蓋單相流、共軛傳熱、多相流、氣動噪聲、燃燒、多旋轉(zhuǎn)坐標系、熱輻射等,求解精度高,計算效率高。
二、版本更新介紹
AICFD 2024R1在前后處理、求解精度和計算效率方面均有更新和提升 ,具體包括:
1. 前后處理
01.“前前處理”模塊全新發(fā)布:交互式問答中完成求解設(shè)置,確保零基礎(chǔ)也可以用好CFD;
02.幾何網(wǎng)格模塊全新升級:擴大網(wǎng)格類型兼容范圍、豐富網(wǎng)格劃分工具箱、提升網(wǎng)格處理效率與規(guī)模上限;
03. 后處理模塊新增探針、自由切面等功能。
2. 求解器
01.AI加速全新升級:求解范圍擴大至各類工業(yè)級流動換熱復(fù)雜案例,并大幅提升加速效率;
02.優(yōu)化多相流VOF算法:精度與魯棒性雙提升,達到船舶靜水阻力行業(yè)使用標準;
03.優(yōu)化數(shù)值格式:氣動噪聲達到汽車行業(yè)使用標準;
04.優(yōu)化可壓縮算法:跨聲速可壓支持航空經(jīng)典算例;
05.支持動態(tài)邊界條件:為多物理場聯(lián)合仿真提供底層支持。
1)“前前處理”模塊全新發(fā)布
傳統(tǒng)CFD軟件學(xué)習(xí)成本高,研發(fā)人員面對各類繁瑣的功能選項和專業(yè)術(shù)語常常無從下手,大部分時間都浪費在與實際業(yè)務(wù)毫無關(guān)聯(lián)的概念理解;在缺乏有效指導(dǎo)的前提下,仿真設(shè)置過程中錯選、漏選成為常態(tài),研發(fā)人員不得不付出大量的成本試錯。
針對此痛點,AICFD創(chuàng)新性研發(fā)“前前處理”模塊,利用智能算法將熱流體基礎(chǔ)理論與工程應(yīng)用實踐建立映射,從工程角度出發(fā)拆解復(fù)雜的流體問題,用戶在通俗易懂的交互式問答中即可輕松完成物理場景定義、湍流模型選擇、邊界條件設(shè)置等操作。
圖1 “前前處理”引導(dǎo)用戶進行VOF多相流設(shè)置
2)幾何網(wǎng)格模塊全新升級
幾何處理與網(wǎng)格劃分能力直接影響了通用CFD軟件的產(chǎn)品體驗,對求解效率、精度及穩(wěn)定性至關(guān)重要。產(chǎn)品設(shè)計人員需要一款操作簡單、全流程業(yè)務(wù)閉環(huán)的仿真產(chǎn)品,滿足快速迭代產(chǎn)品設(shè)計的需求。仿真工程師則已有固定的網(wǎng)格劃分工具及習(xí)慣,要求CFD產(chǎn)品支持大規(guī)模、多類型的網(wǎng)格導(dǎo)入和編輯功能,最大程度發(fā)揮求解器的能力。
AICFD 2024R1全新升級幾何網(wǎng)格模塊,支持復(fù)雜幾何的非結(jié)構(gòu)化網(wǎng)格生成,整個流程人工干預(yù)少,生成網(wǎng)格質(zhì)量高,具體如下:
◆ 豐富網(wǎng)格劃分工具箱:全流程支持“幾何導(dǎo)入-面網(wǎng)格設(shè)置-體網(wǎng)格設(shè)置-邊界層設(shè)置-局部加密-質(zhì)量檢查”的業(yè)務(wù)閉環(huán),操作高效簡潔、功能魯棒性強;
圖2 AICFD水泵網(wǎng)格劃分案例
◆ 支持非共形交界面與多面體網(wǎng)格:軟件支持復(fù)雜幾何模型的非共形網(wǎng)格交界面拼接,求解器通過高精度插值算法保證交界面計算精度;多面體網(wǎng)格則有助于減少網(wǎng)格數(shù)量,提高計算精度與效率,在汽車、船舶、熱交換器和化工設(shè)備仿真中有廣泛的應(yīng)用;
圖3 AICFD多面體非共形交界面測試案例
◆ 提升網(wǎng)格處理效率與規(guī)模上限;
◆ 大幅提升求解前處理效率、優(yōu)化內(nèi)存占用與并行分區(qū)效率;
◆ 網(wǎng)格處理規(guī)模上限提升至10億單元,支持超大規(guī)模工業(yè)級案例;
◆ 新增交界面自動匹配功能,大幅減少多域場景的前處理工作量。
圖4 AICFD前處理效率與能力提升
3)AI加速模塊全新升級
天洑堅持核心求解器從0到1國產(chǎn)自研,在突破國外技術(shù)壟斷的同時,也保障了底層算法架構(gòu)的可拓展性,為人工智能等新技術(shù)的應(yīng)用提供強力支撐。AI加速功能的成功落地便體現(xiàn)了這種后發(fā)優(yōu)勢。
AI加速利用特征識別、時序預(yù)測等機器學(xué)習(xí)算法,從歷史數(shù)據(jù)中學(xué)習(xí)仿真數(shù)值求解過程,實現(xiàn)跳躍式迭代求解;在復(fù)雜仿真問題中,利用AI模型快速識別系統(tǒng)的時空特性,在矩陣求解和時間推進上加速傳統(tǒng)求解器,提高復(fù)雜系統(tǒng)的求解效率。
AICFD 2024R1全面升級AI加速模塊,在適用范圍、易用性、穩(wěn)定性、精度方面均有大幅提升:
◆ 適用范圍擴大:可適應(yīng)各類湍流模型、大網(wǎng)格多域并行運算等場景,求解范圍擴大至各類工業(yè)級流動換熱復(fù)雜案例;
◆ 易用性與穩(wěn)定性提升:簡化設(shè)置操作,用戶僅需一鍵勾選即可獲得穩(wěn)定加速效果,加速預(yù)期不少于20~30%;
◆ 精度提升:物理量關(guān)鍵統(tǒng)計值誤差不大于5%,空間分布一致性大幅提升。
圖5 AICFD智能加速案例:簡化汽車外氣動仿真
4)優(yōu)化多相流VOF算法
多相流VOF模型可以準確分析船舶航行過程中受到的阻力情況,從而指導(dǎo)船型設(shè)計優(yōu)化,提高船舶的可用性和經(jīng)濟性。
AICFD 2024R1優(yōu)化多相流VOF算法,精度與魯棒性雙提升;船舶靜水阻力仿真計算,KCS、DTC、KVLCC2、JBC等標準船型典型工況仿真值與實驗值誤差均小于3%,仿真速度比肩國外商軟,達到船舶行業(yè)使用標準。
圖6 AICFD多相流VOF案例:船舶靜水阻力計算
5)優(yōu)化數(shù)值格式,提高氣動噪聲計算精度
風(fēng)噪作為新能源汽車主要噪音來源之一,對乘員的舒適性和駕駛體驗產(chǎn)生顯著影響。CFD分析中,關(guān)鍵部位氣流的微小變動會對結(jié)果產(chǎn)生顯著影響,因此需要在超大網(wǎng)格規(guī)模下進行高保真度的瞬態(tài)計算,以捕捉不同空間與時間尺度的精細湍流結(jié)構(gòu)。整車風(fēng)噪仿真能力體現(xiàn)了一個CFD軟件的綜合實力。
AICFD 2024R1針對風(fēng)噪問題進行數(shù)值格式的優(yōu)化,四千萬級別網(wǎng)格的實車風(fēng)噪仿真速度可比肩國外商軟,全頻段聲壓級與實測值接近,達到汽車行業(yè)使用標準。
圖7 AICFD數(shù)值格式優(yōu)化:整車風(fēng)噪計算
6)優(yōu)化可壓縮算法:跨聲速可壓支持航空經(jīng)典算例
AICFD 2024R1優(yōu)化了可壓縮求解程序,增加了無反射邊界條件。在飛行器跨聲速氣動分析中,實現(xiàn)了對激波的準確捕捉,并且計算精度、收斂特性、計算魯棒性均大幅提升,其中計算的DLR F6翼身組合體模型的升、阻力系數(shù)與實驗偏差分別為1.9%與3.1%,優(yōu)于國外商軟。
圖8 AICFD可壓縮案例:DLR-F6翼身組合體跨音速流動
7)支持動態(tài)邊界條件:為多物理場聯(lián)合仿真提供底層支持
AICFD 2024R1新增動態(tài)邊界條件,支持靜壓入口、速度入口、質(zhì)量流量入口、溫度入口、溫度壁面的動態(tài)輸入。結(jié)合AI預(yù)測功能使用,可以克服一維仿真細節(jié)刻畫不足及三維場計算效率過低的缺點,為多物理場聯(lián)合仿真提供底層支持。
圖9 動態(tài)邊界條件:芯片散熱場景
AICFD更多詳細介紹及軟件試用,請前往天洑軟件官網(wǎng)查詢。試用無需申請license,下載安裝后可直接免費試用30天。
版權(quán)聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻,該文觀點僅代表作者本人。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容, 請發(fā)送郵件至 舉報,一經(jīng)查實,本站將立刻刪除。