前言

作者：瑞其科技 Frank-Su

在現代輪圈設計中，工程師需要在造型、輕量化、強度與耐久性之間取得平衡。這樣的設計過程通常需要反覆的溝通與調整，使用傳統的 CAE 建模與分析往往耗時費力。本文將介紹如何利用 Altair 的 AI 工具 physicsAI，『在不依賴傳統 CAE 分析的情況下，以 AI 為工具快速且準確地預測新設計的輪圈應力』。

背景

輪圈設計過程中，工程師必須在造型、輕量化、強度與耐久性之間取得平衡。
傳統的設計方法：需要反覆進行 CAE 建模與分析，這不僅耗費大量時間，還需要頻繁的設計調整。

成果

利用 Altair 的 AI 預測工具，我們在 CAD 階段將輪圈尺寸『參數化』，並導入 SimLab 進行分析與自動化流程設置。通過 DOE 生成多個不同的輪圈設計數據，並將這些數據進行自動化 CAE 分析，將 CAE 分析結果用於訓練 AI 預測模型。
運用輪圈 AI 應力預測模型，原本使用傳統方法需要一個多小時的工作時間，最終，我們能夠在短短三四十秒內，完成新設計輪圈的應力預測。
實際測試顯示，AI 預測結果與 CAE 分析結果的差異僅有 0.2 %，這證明了 AI 模型的『高準確性』與『實用性』。

技術亮點

參數化設計
在 CAD 階段進行輪圈尺寸參數化，方便後續的自動化 DOE 過程。

SimLab 自動化流程
使用 SimLab 進行網格劃分和分析設定，並將這些操作錄製下來形成自動化流程。

AI 模型訓練
通過以往的 CAE 分析結果和 DOE 生成的數據來訓練 AI 模型，選取合適的類神經網路模型參數，進行訓練並測試模型的準確性。

快速預測
AI 工具可以在三四十秒內完成新設計輪圈的應力分佈預測，與傳統 CAE 分析相比大大節省了時間。

結論

通過 AI 技術，工程師可以在設計階段快速預測輪圈應力，減少反覆的 CAE 分析，提升設計效率與準確性。Altair 的 AI 工具能在熟悉的 HyperMesh 環境中運行，使工程師能夠輕鬆與現有的工作流程做結合，實現設計與虛擬驗證的高效結合。希望本文的介紹能對 CAE 工程師們有所啟發，也有利於推動輪圈設計技術的進一步發展。

延伸閱讀：Youtube_影片介紹