案例實績
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』。
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。
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
瑞其科技是"CAE與AI數據分析的專家",我們完成了許多成功的案例實績。
▶ 現在就 聯絡我們,取得更多資訊。
▶ 訂閱 瑞其Youtube頻道,探索更多CAE與數據分析。