以AI數據分析準確地預測彈片應力｜physicsAI

 使用軟體 : physicsAI 

【 背 景 】

       電子連接器的插槽內部，需經由彈片的接觸傳遞訊號，而彈片提供的接觸力大小會影響連接器傳遞電子訊號的能力，接觸力太小會造成接觸阻抗上升，接觸力太大則會有操作插拔力過大，或衍生其他問題。因此，電子連接器的彈片設計往往需要反覆的改良，耗費許多時間成本。
       Altair 提供完整 AI 大數據的解決方案，包含 : AI 數據分析 Rapid Miner、整合 AI 與 CAE 分析的 physicsAI 與 ExpertAI。本案例運用 physicsAI 建立彈片應力預測模型，快速得到不同彈片設計的結果。
 

【 成 果 】

建立AI預測模型
​​​       運用過去不同彈片設計之 CAE 分析結果，以 physicsAI 進行 AI 大數據訓練並建立 AI 預測模型，預測新設計彈片的應力。

快速預測分析結果
        降低以往 CAE 重新建模與分析的時間成本，將1~2小時的工作，縮短至幾秒鐘完成，大幅降低開發時程。

準確度高
       AI 預測之應力分布與 CAE 分析結果，兩者誤差在3%以下。

【 技術特點 】 

• 使用 physicsAI 深度幾何學習技術，以過去的設計分析結果做為訓練資料，訓練 AI 模型。

• 新設計構型，僅需提供 CAD 或 FEM 模型，便能利用已訓練成熟的 AI 模型直接預測結果。

 

延伸閱讀 :  AI大數據之自行車前叉CAE結果預測｜physicsAI