技术干货 | AI驱动工程仿真和设计创新
在当今快速发展的技术领域,人工智能(AI)、机器学习和深度学习等技术已经成为推动工程仿真和设计创新的关键力量。Altair技术经理张晨在Altair “AI FOR ENGINEERS”线下研讨会上发表了相关精彩演讲,本文摘自演讲内容,与大家共同探讨AI技术如何与工程仿真相结合,以及这些技术如何帮助企业加速进行产品创新和优化设计流程。
Altair作为计算智能领域的先锋,致力于帮助企业利用数字孪生、智能模型以及仿真、HPC(高性能计算)和AI的融合来预测和优化系统结果。
我们希望通过Altair平台帮助大家通往数字化,所以Altair除了提供HyperWorks等工具级的产品,让大家可以通过这些产品做仿真、建模之外,还提供了数据科学平台“RapidMiner”帮助大家实现后续的数据分析,探索数据之间的相互关系.
AltairOne作为Altair面向用户的统一门户,通过集成仿真、HPC和数据科学三大套件,形成了从仿真到HPC,再到数据科学的完整链路。用户可以通过网络访问AltairOne,也可以将AltairOne部署在企业内部的私有云上。
现在大家经常提到人工智能、机器学习和深度学习的概念,这些概念底层都是数据,通过一些学习的方法,训练近似模型或者寻找数据规律。模型训练完成之后,我们希望训练模型模拟人的行为做出反馈,称之为人工智能。
从这些概念的定位看,最基础的一环就是数据。整个产品生命周期的各个环节都会产生非常多数据,无论是研发端、测试端、生产端还是运维过程中。各个环节的数据利用起来就能解决不同的问题,比如仿真、工程测试、预测性维护、现场面向运营的数字孪生应用等。
那么我们为什么需要工程数据科学?因为从仿真角度或者研发角度,我们的数据和生产线上的数据有点区别。我们的数据往往是 3D形式的,因为模型本身是三维的。
我们的数据来源主要是两个方面,一个是通过物理测试获得,比如Excel表这种数据。另外一方面是通过仿真产生大量不同格式的数据,有的是表格,有的是云图,有的是曲线。我们希望辅助仿真工程师把这些数据利用起来,最后实现场景的落地,比如做云图的预测、系统模型降阶、形状识别,生成优化设计等。
关于Altair AI的技术融合,主要可以从3个方面展开:零代码、端到端、面向大众的数据科学和AI平台;基于AI和经典系统理论的模型降阶,数字孪生关键技术;HyperMesh中的AI技术集成,助力仿真提效
1、零代码、端到端、面向大众的数据科学和AI平台-RapidMiner
RapidMiner是面向大众的数据分析和AI平台,最大的特点是工作流程非常简洁,主要是模块化拖动的操作形式。另外它有自动数据科学的功能,集成了市面上大部分的机器学习方法,比如深度学习、神经网络等160多种学习方法。学习的模型也支持非常开放的部署方式,可以部署到云端共享给客户;也可以导出一些代码作为部署的源头。
使用RapidMiner处理数据科学问题,先要进行数据的结构化处理。这种处理方法非常多,可以用HyperStudy通过DOE实现,也可以通过专门做数据清洗的工具Monarch实现。当你拥有这些结构化的数据之后,就可以使用RapidMiner里机器学习的方法实现模型训练、优化、预测等功能。
RapidMiner的深度学习有很多好的应用案例,可以实现利用数据驱动仿真效率的加速。比如散热片的尺寸参数变化,会导致流体仿真性能有区别,如温度的变化、风压损失的不同等,解决这些问题就可以用HyperStudy DOE功能跑不同参数组合,生成计算模型,获得计算结果,最后形成一张详细的表格。
有了这个表,就可以给到RapidMiner,通过它的学习方法探索性能和变量之间的关系。通过拖拽式的框图,即可非常简单的搭建流程,学习模型。后续有新的变量组合,即可预测风压损失、最大温度等指标,还可以基于学习模型做寻优,得出最佳高度、厚度等参数信息。
2.基于AI和经典系统理论的模型降阶,数字孪生关键技术
以往研究问题要么做实验要么做仿真,但是现在如果已经有以往的经验,就可以用romAI技术做模型的降阶了。
降阶模型的应用场景非常多,比如数字孪生里给一个新的输入,要立马知道输出的场景,就可以用romAI的降阶模型代替实际模型。或者在一些多学科优化、多学科仿真,计算时间非常长,遇到需要减少计算量的问题,就可以通过降阶模型把时间降下来。
romAI模型有不同的输出,可以输出一些通用格式放到系统仿真的产品里。这个本身是一个多学科的问题,比如车在行驶的时候是机构运动,铲斗在铲物料的时候是一个离散元的问题,液压装置的控制又是一个液压的问题,如果要去跑一个多学科偶合的仿真计算,计算量非常大。
这里最花时间的就是离散元仿真,我们通过调整不同的铲斗速度、角度,去计算散料对于铲斗的载荷,最终从结果里面整理出一张详细的表格。这个表就可以作为降阶模型的输入,做了降阶之后,就可以把离散元这个学科拿掉,直接通过romAI降阶模型快速反馈,相当于一个学科通过降阶模型被替代了,能够大范围的降低计算量,节省非常多的计算时间。之前跑一次要600多秒,现在只要20多秒,精度基本达到98%以上。
3. HyperMesh集成AI技术,助力仿真提效
随着技术的发展,HyperMech里面集成了非常多AI应用,帮助我们提高仿真的效率。
Design Explorer
Design Explorer非常类似于HyperStudy,我们把HyperStudy的功能移植到了Hyper Mesh里。用过多学科软件的都知道软件往往可视化或者交互式都不太好,而HyperMesh本身就是一个可视化环境,可以直接对着模型交互,而且做完DOE以后,DOE的结果都可以云图可视化。另外,Design Explorer移植到HyperMesh上做了一个比较有吸引力的事情:基于对DOE结果的自动机器学习,可以实现标量的预测、曲线的预测或者云图的预测。
2024年Design Explore还会增加生成式设计,可以把制造约束作为DOE的变量,比如设置多种拔模方向、多种对称条件等,生成式设计可以批量生成不同拓扑优化结果,然后自动将优化结果做聚类,推荐一类最优设计模型。
ExpertAI
ExpertAI是把难以量化的模式通过基于AI的聚类方式,把模式做一个分类。
比如想要优化铸造过程的性能,优化的变量选择铸造的入口,当入口有不同的位置和间隔时,铸造流动的均匀性是不一样的。ExpertAI可以把云图的模式作为约束条件考虑进来。通过一些DOE的计算,对铸造的云图模式做聚类,选择符合预期的最优模式。
PhysicsAI
PhysicsAI也是集成在HyperMesh里的一个AI应用,它的输入不是表格,而是以往历史仿真数据的云图结果。PhysicsAI学习完了以后,当你给到一个新的设计,就可以在上面预测云图了。它所用的技术叫几何深度学习,特点是不需要做模型参数化,而且是桌面级的,可以进行本地化模型训练,支持GPU加速训练。
我们可以看一些具体的用户案例,比如用户做的后备箱地板云图预测,用户准备了36个以往的仿真云图结果作为学习模型,另外准备10组做验证,最终预测结果跟实际求解器验证的结果匹配得非常好。
PhysicsAI并不是只能做结构分析,而是学科中立的。不管流体、电磁包括热都是可以的,行业也没有限制,包括航空、汽车、船舶都可以。另外PhysicsAI学习的模型可以导出来作为一个类似于黑箱的形式,嵌入到多学科优化的环境里做多学科优化。
另外,Physics AI增加了一些新功能,可以嵌入在Inspire里做实时的几何调整,实时预测新的几何云图分布,包含外形、材料、厚度、载荷等全局参数,帮助我们更快更好更方便地进行工程仿真和设计创新。
总结一下Physics AI常见的应用场景:
-
特征参数难以提取,难以参数化的场景
-
拥有历史积累的仿真数据或者DOE生成
-
静态或者瞬态云图预测需求
需要注意的是目前仅支持h3d文件输入,其他结果格式需要通过HvTrans或Compose转换。
最后,希望大家可以在仿真的各个阶段都能引入AI技术,加速产品的创新。比如前期AI加速建模,求解的时候做快速的近似模型,模型的降阶,生成优化设计等,都可以用到前面介绍的Altair产品。
关于 Altair RapidMiner
Altair RapidMiner 数据分析与人工智能平台,是 Altair 澳汰尔公司旗下仿真、HPC 和数据分析三块主营业务中的解决方案,它在数据分析领域最早实现将自动化数据科学、文本分析、自动特征工程和深度学习等多种功能同时集成的一站式数据分析平台,帮助用户解决从数据清洗、准备、数据科学建模到模型管理和部署,同时又支持数据和流数据的实时分析可视化的数据分析平台。
欲了解更多信息,欢迎关注公众号:Altair RapidMiner
相关文章:

技术干货 | AI驱动工程仿真和设计创新
在当今快速发展的技术领域,人工智能(AI)、机器学习和深度学习等技术已经成为推动工程仿真和设计创新的关键力量。Altair技术经理张晨在Altair “AI FOR ENGINEERS”线下研讨会上发表了相关精彩演讲,本文摘自演讲内容,与…...
深度分析SQL与NoSQL数据库:优缺点、使用场景及选型指南
在大数据和云计算时代,数据库技术的发展日新月异。SQL(关系型数据库)和NoSQL(非关系型数据库)作为两大主流数据库技术,各有其独特的优势和使用场景。本文将深入分析SQL和NoSQL的定义、优缺点、使用场景&…...

Linux基础 - shell基础
目录 零. 简介 一、常见的 Shell 类型 二、Shell 命令格式 三、基本命令 四、通配符 五、重定向 六、管道 七、变量 八、条件判断和流程控制 零. 简介 Shell 是一种命令解释器,在 Ubuntu 系统中,它负责接收用户在命令行中输入的命令,…...

一文搞懂Linux命令行下载OneDrive分享文件
一文搞懂Linux命令行下载OneDrive分享文件 什么问题? 因为OneDrive有些坑,无法从分享界面获取真实下载链接,比如下面这个链接: https://connecthkuhk-my.sharepoint.com/:f:/g/personal/jhyang13_connect_hku_hk/EsEgHtGOWbJIm…...

SpringBoot 实现RequestBodyAdvice封装统一接受类功能
一、相关往期文章 SpringBootVue实现AOP系统日志功能_aop的vue完整项目 Spring AOP (面向切面编程)原理与代理模式—实例演示_面向切面aop原理详解 二、需求分析 按照一般情况,统一接受类可以像以下的方式进行处理: 如果不想使用 Request…...

贪吃蛇——c语言版
文章目录 演示效果实现的基本功能技术要点源代码实现功能GameStart打印欢迎界面和功能介绍绘制地图创建蛇创建食物 GameRun打印提示信息蛇每走一步 GameEnd蛇死亡后继续游戏 演示效果 贪吃蛇1.0演示视频 将终端应用程序改为控制台主机 实现的基本功能 贪吃蛇地图绘制蛇吃食物的…...

ctr/cvr预估之WideDeep模型
ctr/cvr预估之Wide&Deep模型 在探索点击率(CTR)和转化率(CVR)预估的领域中,我们始终追求的是一种既能捕获数据中的线性关系,又能发现复杂模式的模型。因子分解机(Factorization Machines, …...

快速生成基于vue-element的后台管理框架,实现短时间二次开发
你是否遇到过当你想要独立开发一个项目时对反复造轮子的烦扰? 这种流水线的操作实在让人受不了 而vue-element-template很好的帮你解决了这个烦恼 只需克隆下来,改改图标,模块名,甚至样式,就会变成一个全新的自己的项目…...

PCIe 7.0 要来了,一文看懂PCIe发展和技术
PCIe(Peripheral Component Interconnect Express),即外围组件高速串行扩展总线标准,自其诞生以来,已成为计算机硬件中不可或缺的一部分。它以其高速串行通信能力和不断演进的技术规范,满足了日益增长的数据…...

API-事件类型
学习目标: 掌握事件类型 学习内容: 事件类型鼠标事件焦点事件键盘事件文本事件focus选择器案例 事件类型: 鼠标事件: <title>事件类型-鼠标事件</title><style>div {width: 200px;height: 200px;background-c…...
解决poweroff时需要等待其他服务关闭问题
当我们在执行poweroff或者reboot时会出现某个服务需要等待才能关闭系统,这个时候就可以在服务中添加如下: After=shutdown.target Conflicts=reboot.target halt.target poweroff.target Before=shutdown.target reboot.target halt.target poweroff.target具体实例: [Uni…...
ThinkPHP-导入Excel表格(通用版)
一、版本说明 1.PHP8.2、MySQL8.0、ThinkPHP8.0 2.使用前安装phpspreadsheet composer require phpoffice/phpspreadsheet 二、技术说明 因本人采用前后端分离,因此上传文件以及导入表格为分离开发,如无需分离开发则自行合并开发即可。 1.第一步&a…...
毕昇jdk教程
毕昇jdk教程指南链接:Wiki - Gitee.com...

【R语言】地理探测器模拟及分析(Geographical detector)
地理探测器模拟及分析 1. 写在前面2. R语言实现2.1 数据导入2.2 确定数据离散化的最优方法与最优分类2.3 分异及因子探测器(factor detector)2.4 生态探测器(ecological detector)2.5 交互因子探测器(interaction dete…...

深入理解Qt属性系统[Q_PROPERTY]
Qt 属性系统是 Qt 框架中一个非常核心和强大的部分,它提供了一种标准化的方法来访问对象的属性。这一系统不仅使得开发者能够以一致的方式处理各种数据类型,还为动态属性的管理提供了支持,并与 Qt 的元对象系统紧密集成。在这篇文章中&#x…...
【C语言课程设计】员工信息管理系统
员工信息管理系统 在日常的企业管理中,员工信息的管理显得尤为重要。为了提高员工信息管理的效率,我们设计并实现了一个简单的员工信息管理系统。该系统主要使用C语言编写,具备输入、显示、查询、更新(增加、删除、修改ÿ…...

「动态规划」如何求最长递增子序列的长度?
300. 最长递增子序列https://leetcode.cn/problems/longest-increasing-subsequence/description/ 给你一个整数数组nums,找到其中最长严格递增子序列的长度。子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其…...
深度神经网络DNN概念科普
深度神经网络DNN概念科普 深度神经网络(Deep Neural Network, DNN)是机器学习领域中一类具有多层结构的神经网络模型,它能够通过学习数据中的复杂模式来解决非线性问题。下面是对深度神经网络的详细解析: 基本组成部分 输入层&…...

Tomcat WEB站点部署
目录 1、使用war包部署web站点 2、自定义默认网站目录 3、部署开源站点(jspgou商城) 对主机192.168.226.22操作 对主机192.168.226.20操作 上线的代码有两种方式: 第一种方式是直接将程序目录放在webapps目录下面,这种方式…...
IPv6 中 MAC 33:33 的由来
一、33:33 由来 1. RFC9542 - 2024-05-02 Note IANA allocates addresses under the IANA OUI (00-00-5E) as explained in [RFC9542]. Unicast addresses under the IANA OUI start with 00-00-5E, while multicast addresses under the IANA OUI start with 01-00-5E. In t…...

Vue3 + Element Plus + TypeScript中el-transfer穿梭框组件使用详解及示例
使用详解 Element Plus 的 el-transfer 组件是一个强大的穿梭框组件,常用于在两个集合之间进行数据转移,如权限分配、数据选择等场景。下面我将详细介绍其用法并提供一个完整示例。 核心特性与用法 基本属性 v-model:绑定右侧列表的值&…...
django filter 统计数量 按属性去重
在Django中,如果你想要根据某个属性对查询集进行去重并统计数量,你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求: 方法1:使用annotate()和Count 假设你有一个模型Item,并且你想…...

Cloudflare 从 Nginx 到 Pingora:性能、效率与安全的全面升级
在互联网的快速发展中,高性能、高效率和高安全性的网络服务成为了各大互联网基础设施提供商的核心追求。Cloudflare 作为全球领先的互联网安全和基础设施公司,近期做出了一个重大技术决策:弃用长期使用的 Nginx,转而采用其内部开发…...

【配置 YOLOX 用于按目录分类的图片数据集】
现在的图标点选越来越多,如何一步解决,采用 YOLOX 目标检测模式则可以轻松解决 要在 YOLOX 中使用按目录分类的图片数据集(每个目录代表一个类别,目录下是该类别的所有图片),你需要进行以下配置步骤&#x…...

Redis数据倾斜问题解决
Redis 数据倾斜问题解析与解决方案 什么是 Redis 数据倾斜 Redis 数据倾斜指的是在 Redis 集群中,部分节点存储的数据量或访问量远高于其他节点,导致这些节点负载过高,影响整体性能。 数据倾斜的主要表现 部分节点内存使用率远高于其他节…...
Spring AI Chat Memory 实战指南:Local 与 JDBC 存储集成
一个面向 Java 开发者的 Sring-Ai 示例工程项目,该项目是一个 Spring AI 快速入门的样例工程项目,旨在通过一些小的案例展示 Spring AI 框架的核心功能和使用方法。 项目采用模块化设计,每个模块都专注于特定的功能领域,便于学习和…...

数学建模-滑翔伞伞翼面积的设计,运动状态计算和优化 !
我们考虑滑翔伞的伞翼面积设计问题以及运动状态描述。滑翔伞的性能主要取决于伞翼面积、气动特性以及飞行员的重量。我们的目标是建立数学模型来描述滑翔伞的运动状态,并优化伞翼面积的设计。 一、问题分析 滑翔伞在飞行过程中受到重力、升力和阻力的作用。升力和阻力与伞翼面…...

C++实现分布式网络通信框架RPC(2)——rpc发布端
有了上篇文章的项目的基本知识的了解,现在我们就开始构建项目。 目录 一、构建工程目录 二、本地服务发布成RPC服务 2.1理解RPC发布 2.2实现 三、Mprpc框架的基础类设计 3.1框架的初始化类 MprpcApplication 代码实现 3.2读取配置文件类 MprpcConfig 代码实现…...

Kubernetes 节点自动伸缩(Cluster Autoscaler)原理与实践
在 Kubernetes 集群中,如何在保障应用高可用的同时有效地管理资源,一直是运维人员和开发者关注的重点。随着微服务架构的普及,集群内各个服务的负载波动日趋明显,传统的手动扩缩容方式已无法满足实时性和弹性需求。 Cluster Auto…...
ThreadLocal 源码
ThreadLocal 源码 此类提供线程局部变量。这些变量不同于它们的普通对应物,因为每个访问一个线程局部变量的线程(通过其 get 或 set 方法)都有自己独立初始化的变量副本。ThreadLocal 实例通常是类中的私有静态字段,这些类希望将…...