工程仿真CAE领域未来的三大技术趋势
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
工程仿真CAE领域未来的三大技术趋势
计算机辅助工程(CAE)的世界在不断发展。
下一步该怎么办?与其他行业一样,大数据、物联网(IoT)、机器学习和数字孪生技术将给CAE领域带来重大转变。
(1)云计算技术将推动高性能仿真计算HPC的平民化
以前只有通过大量的前期投资才能获得高性能计算机和仿真计算资源,现在工程师们更容易获得。
云计算技术在仿真软件的平民化中扮演着重要的角色,因为它可以远程访问这种强大的计算能力。
基于云的HPC资源还消除了对昂贵硬件和软件的投资需求,同时提供了比传统(通常昂贵)软件许可更灵活的定价模式。
云计算技术将对CAE的市场商业模式、软件应用模式产生重大影响。
云计算可能会引起所有人的注意,但软件容器的引入也推动了HPC更广泛的接受。
容器完全将操作系统、库和工具以及应用程序代码和用户数据捆绑在一起。
他们甚至可以持有工具来支持整个复杂的工程和科学工作流程。
这些容器设计为部署在本地或云中,大大减少了部署时间。
容器技术的下一个阶段可能会带来简化的用户界面和集成的仿真工作流程,使软件更加用户友好。
随着软件公司从传统的定价模式中走得更远,他们很可能会提供对培训和模板等资源的开放访问。
(2)机器学习技术超越现在的基于物理的仿真计算
传统的基于物理的仿真模型是基于预先设定的原理或规则。
但是,获取大数据(例如物联网设备产生的)意味着有可能训练人工神经网络,产生预测性仿真模型。
将机器学习应用于仿真环境将有助于大大缩短求解时间,同时保持与传统解算器的大部分精度水平。
在未来几年,我们无疑将看到深度学习组件集成到仿真中,既可以为真实系统建模,也可以训练额外的人工智能组件。
同时,由于机器学习需要大量的数据,组织也很可能会处理与这些数据的生成和管理相关的问题。
最近的案例研究探讨了使用深度学习预测稳态流体流动的机理。
研究表明,较大的数据集可以加快神经网络的训练速度,提高人工神经网络预测能力的准确性。
虽然生成如此大量的数据需要大量的开销,但是可以通过在云中并行运行许多HPC模拟来抵消这一开销。
上图说明了30万个训练步骤后,一个示例性模拟样本的地面真实流场(左)与理论计算流场(右)之间的差异。
(3)数字孪生促进CAE向体系化方向深度应用
数字孪生的概念从20世纪60年代就已经出现了;美国宇航局甚至用一个初步的数字孪生体来模拟和评估阿波罗13号上的情况。
但由于工业物联网(IIoT)的出现,数字孪生概念在过去的十年里受到了更多的关注。
随着传感器和其他物联网技术的成本持续下降,跨流程和系统构建更复杂的仿真系统将成为可能。
今天,关键物理资产的数字孪生体在制造业中已经几乎无处不在,而更强大的仿真技术已使数字孪生的定义和作用得以扩展,其中不仅包括为物理对象创建孪生体,还包括为设计、测试这些对象的系统创建孪生体。
但创造数字双胞胎的一些方面仍然具有挑战性。
例如,由于每个数字孪生体都是独一无二的,因此没有现成的解决方案来高效地构建它们。
尽管有些软件供应商正越来越多地使用专门用于创建这些与传感器实时交互的复杂模拟的工具,但它们的大部分构造仍然是针对具体问题完成的。
随着数字孪生在各行业的普及,这一趋势在未来几年可能会持续甚至加速。