以AI大數據模型預測車架結構應力｜Knowledge Studio

 使用軟體 : Knowledge Studio

【 背 景 】

      在輕量化車架設計的過程中，確保結構的強度、剛性和耐久性是至關重要的。傳統上，設計師需要透過試誤的方式，通過實驗或建立複雜的計算模型來驗證車架設計。然而，這些方法耗費大量的時間、資源和人力，並且在探索不同設計選項時受到了限制。
      近年來，隨著人工智慧（AI）和大數據技術的迅速發展，AI 大數據分析能夠從龐大的數據集中學習並提取模式，以此進行快速而準確的預測。故業者希望將此技術實際應用於摩托車車架設計中，以提高車架的設計效率和性能。

 

【 成 果 】

• 瑞其使用 Altair AI 大數據分析軟體 Knowledge Studio，以客戶提供的過往車架結構相關資料，進行 AI 模型訓練與預測。

• 證實輸入不同的車架結構和桿件厚度， Knowledge Studio AI 模型可以快速預測各個部位的應力分佈情況，從而幫助設計師優化結構設計。 

• 比對傳統的 CAE 模型分析結果，驗證 Knowledge Studio AI 模型可成功預測出準確的結構應力和變形。

• 可以更快速、更準確地進行結構分析和設計優化，從而提高車架的性能和安全性，並加速產品上市時間。

【技術特點】

直接預測應力與變形： 
        Knowledge Studio 允許使用者將參數匯入AI模型中，從而直接預測結構的應力與變形。意味設計師不再需要依賴傳統的實驗或複雜的模型分析，而是可以通過AI模型快速獲取準確的結果。
 

自動選擇最佳AI模型： 

        Knowledge Studio 允許使用者將參數匯入AI模型中，從而直接預測結構的應力與變形。意味設計師不再需要依賴傳統的實驗或複雜的模型分析，而是可以通過AI模型快速獲取準確的結果。

視覺化圖顯示： 

       Knowledge Studio 提供各種視覺化圖面，幫助用戶更好地理解數據。例如，直方圖可以呈現數據分析參數的敏感度，幫助用戶識別關鍵參數；相關係數矩陣則可以顯示參數之間的相關性，幫助用戶發現潛在的模式和關係。

AI 模型轉換功能：
        Knowledge Studio 還提供了將 AI 模型轉換成 C code 或 Python 等程式碼的功能，這使得用戶可以將訓練好的 AI 模型輕鬆地集成到其他應用程式或系統中，從而實現更廣泛的應用。