機器學習應用于CAE仿真分析之流程探索

CAE,即計算機輔助工程,是用計算機輔助求解復雜工程和產品結構強度、剛度、屈曲穩定性、動力響應、熱傳導、三維多體接觸、彈塑性等力學能的分析計算以及結構性能的優化設計等問題的一種近似數值分析方法。

機器學習,研究的是從數據中通過選取合適的算法,自動地納邏輯或規則,并根據這個歸納的模型(結果)對新數據來進行預測。

兩者既有共性又有差異,共性都是基于給定的輸入條件/參數,來分析/預測相關的響應。差異性在于CAE分析時,包含了力學,機械,物理,流體,電磁等學科的理論知識,在給定的條件下,分析結果精度高。而機器學習,不考慮數據間的邏輯關系,學科知識,單純的就數據通過歸納總結的方式來分析自變量與因變量之間的關系,所以預測結果精度沒有CAE高。

但是,對于CAE分析來說,復雜的結構,復雜的工況條件通常會需要較長的周期,比如非線性的碰撞,跌落分析,或者電磁散射分析,通常需要若干天,甚至若干周的計算周期。而機器學習,訓練好的模型,可以在分鐘級的時間內完成快速預測,進而極大地縮短設計周期。

本文重點在于介紹機器學習分析流程,具體細節如何執行,請關注后續系列文章。