设计仿真 | 仿真平台结合机器学习助力汽车企业进行车辆性能研发
随着时代发展,汽车已成为一种不可或缺的交通工具,在激烈的市场竞争中,客户对车辆的结构和性能方面提出了更高的要求。为了满足市场需求,汽车设计变的越发复杂,整车厂也越来越多地利用仿真来检查各种设计场景和权衡取舍,在此过程中,仿真变得更加耗时,数据也变的更加密集。过去几年中,仿真软件一直在结合人工智能和机器学习算法,以帮助减少创建汽车仿真系统所需的复杂计算。
01面临挑战
在这一进化过程中需要解决两个主要问题,一个是结构化存储通过仿真软件数值计算得到的仿真结果数据,为机器学习提供历史数据,以便对机器学习模型进行训练;另一方面的挑战在如何高效使用这些历史数据训练模型和提供预测结果,以便减少复杂计算。只有解决好这两个问题的融合问题,才能通过人工智能赋予汽车设计新的活力。
02解决方案
海克斯康的仿真流程及数据管理平台SimManager,能够在整车性能研发过程中,对各个学科的仿真过程数据和结果数据按照项目、学科、阶段、任务、方案等维度分类管理,结构化存储仿真关键结果数据,并建立所有数据的谱系追溯关系和版本管理。
并能够通过和HPC高性能计算机集成,将仿真求解批量提交到高性能计算机求解,计算结束后将仿真结果回存到SimManager中,生成机器学习需要的模型数据,为机器学习生成降阶模型提供数据输入。
针对复杂仿真分析时间长、产品设计优化不能满足迭代周期等行业痛点,海克斯康工业软件推出了智能实时仿真平台ODYSSEE,能够基于机器学习模型,实现秒级实时的CAE静态、动态仿真、图像识别、智能预测等,显著缩短计算分析周期,提高生产效率,为工程、制造和质量提供实时解决方案。
基于SimManager仿真流程及数据管理平台,通过集成HPC和机器学习软件共同构建的机器学习解决方案架构图如下所示:
03最佳实践
某标杆汽车企业利用海克斯康SimManager仿真流程及数据管理平台,已成功将机器学习应用到车辆性能研发的实践中,并取得了显著效果,包括:
利用已有仿真模型和结果,快速构建机器学习模型;
利用机器学习模型可快速对后续仿真进行秒级结果预测和参数优化;
利用机器学习模型在车身弯曲模态计算时,由原来的CAE仿真计算需要的2小时缩减至10秒,并保证计算精度达到96%;
针对汽车约束系统进行鲁棒性分析,使用机器学习生成的降阶模型代替CAE仿真,将仿真次数由1000次降至25次的情况下,预测精度达到97%,完全可实现降阶模型进行仿真替代,减少仿真消耗时间。
使用基于仿真模型并通过它运行多工况来训练AI模型会产生一个降阶模型,该模型能够快速地进行数据计算和评估以帮助优化仿真参数,对涉及大量计算、复杂的汽车性能研发仿真工作可显著提高效率。