隨著時代發(fā)展，汽車已成為一種不可或缺的交通工具，在激烈的市場競爭中，客戶對車輛的結(jié)構和性能方面提出了更高的要求。為了滿足市場需求，汽車設計變的越發(fā)復雜，整車廠也越來越多地利用仿真來檢查各種設計場景和權衡取舍，在此過程中，仿真變得更加耗時，數(shù)據(jù)也變的更加密集。過去幾年中，仿真軟件一直在結(jié)合人工智能和機器學習算法，以幫助減少創(chuàng)建汽車仿真系統(tǒng)所需的復雜計算。

01面臨挑戰(zhàn)

在這一進化過程中需要解決兩個主要問題，一個是結(jié)構化存儲通過仿真軟件數(shù)值計算得到的仿真結(jié)果數(shù)據(jù)，為機器學習提供歷史數(shù)據(jù)，以便對機器學習模型進行訓練；另一方面的挑戰(zhàn)在如何高效使用這些歷史數(shù)據(jù)訓練模型和提供預測結(jié)果，以便減少復雜計算。只有解決好這兩個問題的融合問題，才能通過人工智能賦予汽車設計新的活力。

02解決方案

?？怂箍档姆抡媪鞒碳皵?shù)據(jù)管理平臺SimManager，能夠在整車性能研發(fā)過程中，對各個學科的仿真過程數(shù)據(jù)和結(jié)果數(shù)據(jù)按照項目、學科、階段、任務、方案等維度分類管理，結(jié)構化存儲仿真關鍵結(jié)果數(shù)據(jù)，并建立所有數(shù)據(jù)的譜系追溯關系和版本管理。

并能夠通過和HPC高性能計算機集成，將仿真求解批量提交到高性能計算機求解，計算結(jié)束后將仿真結(jié)果回存到SimManager中，生成機器學習需要的模型數(shù)據(jù)，為機器學習生成降階模型提供數(shù)據(jù)輸入。

針對復雜仿真分析時間長、產(chǎn)品設計優(yōu)化不能滿足迭代周期等行業(yè)痛點，?？怂箍?a style='color: blue;display:inline;border:none;' target='_blank' href='http://joc-cen.com/soft/' onclick="HitLog('工業(yè)軟件','http://joc-cen.com/soft/')" >工業(yè)軟件推出了智能實時仿真平臺ODYSSEE，能夠基于機器學習模型，實現(xiàn)秒級實時的CAE靜態(tài)、動態(tài)仿真、圖像識別、智能預測等，顯著縮短計算分析周期，提高生產(chǎn)效率，為工程、制造和質(zhì)量提供實時解決方案。

基于SimManager仿真流程及數(shù)據(jù)管理平臺，通過集成HPC和機器學習軟件共同構建的機器學習解決方案架構圖如下所示：

03最佳實踐

某標桿汽車企業(yè)利用?？怂箍礢imManager仿真流程及數(shù)據(jù)管理平臺，已成功將機器學習應用到車輛性能研發(fā)的實踐中，并取得了顯著效果，包括：

• 利用已有仿真模型和結(jié)果，快速構建機器學習模型；

• 利用機器學習模型可快速對后續(xù)仿真進行秒級結(jié)果預測和參數(shù)優(yōu)化；

• 利用機器學習模型在車身彎曲模態(tài)計算時，由原來的CAE仿真計算需要的2小時縮減至10秒，并保證計算精度達到96%；

針對汽車約束系統(tǒng)進行魯棒性分析，使用機器學習生成的降階模型代替CAE仿真，將仿真次數(shù)由1000次降至25次的情況下，預測精度達到97%，完全可實現(xiàn)降階模型進行仿真替代，減少仿真消耗時間。

使用基于仿真模型并通過它運行多工況來訓練AI模型會產(chǎn)生一個降階模型，該模型能夠快速地進行數(shù)據(jù)計算和評估以幫助優(yōu)化仿真參數(shù)，對涉及大量計算、復雜的汽車性能研發(fā)仿真工作可顯著提高效率。