A-A+

未来已来:Hyperworks基于深度学习的仿真physicsAI介绍

2024年07月04日 CAE 阅读 1 views 次

Altair physicsAI是基于几何深度学习(Geometric Deep Learning)的Simulation+AI工具,可基于样本数据进行模型训练,从而对相似结构的模型进行仿真结果预测。physicsAI可基于历史仿真数据进行几何深度学习,而不需要对模型进行手工参数化处理,从而可避免参数化设置不准确或有些模型很难进行参数化。使用physicsAI可以达到如下几个目的:

(1)使用PhysicsAI无需编程,可以直接在网格或几何模型上进行仿真结果预测,省去了有限元分析复杂的建模、前处理流程,可以快速得到仿真结果,加速产品开发周期;

(2)PhysicsAI支持设计探索,可以帮助设计工程师得到更多更好的设计方案;

(3)基于几何深度学习,并通过置信度保证预测的准确性,无需进行模型参数化,大大提高了预测结果的准确性,可以基于任意物理场(结构、流体、电磁等)进行仿真预测。

PhysicsAI集成在Hyperworks工作流程中,支持Hyperworks结构、流体、碰撞、制造等各模块原生的CAE仿真结构文件,可直接使用这些仿真的历史数据进行模型训练。使用PhysicsAI模块需安装HyperWorks 2023 以上版本,支持Nvidia GPU训练,需要至少8G以上的显存。支持本地或远程HPC训练样本。模型训练时间和样本数量及结果数据文件的网格数量有关。训练样本需要.h3d .fem .rad仿真结果格式, 预测可以用 parasolid 几何模型或面网格。

下面通过一个铸件的训练和预测来介绍一下在Hyperworks中使用PhysicsAI的基本流程。

1、通过样本数据进行模型求解,得到多个不同模型的求解结果文件用来作为训练样本。

2、在PhysicsAI中使用以上求解结果文件进行几何深度学习训练,在训练时设置深度(depth),宽度(width), 周期(epochs)等参数。

此文章为微信公众号原创文章,查看全部文章内容请关注微信公众号“数字化设计CAX联盟”,回复数字:8543查看。
个人公众号“数字化设计CAX联盟”,欢迎关注,共同交流
为您推荐:

给我留言

© 坐倚北风 版权所有 严禁镜像复制 苏ICP备15034888号. 基于 Ality 主题定制 AliCMS
联系邮箱:leanwind@163.con,微信公众号:数字化设计CAX联盟

用户登录

分享到: