驱动工业智能变革新引擎（内含100个AI应用案例下载）

hahafu

△Altair 正式发布全球100个AI应用案例电子书，内容覆盖10+行业的100个AI应用场景。点击图片立即获取，了解全球AI驱动工程设计应用成功案例，以及AI技术如何为工业制造业的产品全生命周期带来赋能与革新。
在人工智能与仿真的交汇领域，新的应用方式正在不断涌现。与常见的流行术语如机器学习、生成式AI和合成数据相比，我们更应关注AI如何在实际工程中赋能仿真，加速研发流程、提升决策质量。

关键技术实现方式
在传统制造行业，企业正积极探索如何借助AI脱颖而出。然而，许多企业仍对起步路径和所需技能存有疑虑。需要明确的是，AI并非“即插即用”的解决方案，它依赖高质量的数据和有效的监督模型。
本文以大规模铸造为例，阐释AI与仿真的深度融合。通过机器学习聚类技术，Altair帮助用户从海量仿真数据中快速识别最优设计方案，展现了“AI驱动的仿真”在实际工程中的巨大潜力。
► 高效的模型创建
基于几何图形（网格或 CAD 格式），算法可以将这些转换为值，以便可以比较、编辑、聚类几何图形并将其划分为组和类。这使得模型组织更容易，并使建模过程更高效。
► 多学科设计探索
利用参数化设计的现有结果，回归分析可用于识别相关性并预测单个值或行为曲线。这样可以填补测试数据中的空白。
► 快速预测物理行为
基于仿真结果和几何结构，对神经网络进行训练，无需运行新的仿真即可进行行为预测。
► 使用神经网络有效捕获复杂系统行为，而不是协同仿真
使用计算密集型仿真（例如离散元法 （DEM）、计算流体动力学 （CFD） 和有限元分析 （FEA））映射的复杂过程训练神经网络，将其作为降阶模型（ROM）再现系统行为。这使得系统仿真速度显著加快，在某些情况下，速度可提高 1,000 倍，而不会影响精度。这为创新思想和系统性能优化创造了机会。


► 识别和优化行为模式
基于许多设计变体的仿真结果，使用无监督机器学习方法来创建具有统一行为模式的组。这使得我们可以直观地处理数百次仿真。如下图，最近的一个大规模铸造示例展示了人工智能驱动的方法相对于传统方法的巨大优势。




► AI 支持的生成式设计全面优化工作流程
在任何开发过程中，都必须考虑众多要求，以协调轻量化设计、功能要求和可制造性。
巨型铸造组件的优化过程包括两个阶段。首先从基于线性化载荷情况的拓扑优化开始，以实现有效的材料布置。然后与多学科优化相结合，以评估组件的结构性能，并使用人工智能和机器学习支持的铸造模拟来检查其可制造性。
► 拓扑优化
Altair 强大的且经过验证的生成式设计技术用于最有效地布置材料。在这里，可以为多学科载荷情况推导出最佳载荷路径，包括数百种载荷工况、变量以及铸件的制造约束。
► 多学科优化
在上述步骤中，将响应面建模（RSM）优化的应用与机器学习相结合，以满足要求，并在非线性碰撞和铸造仿真中为巨型铸造结构提供最优的起筋方向和厚度分布。通过对完整的仿真结果进行聚类和分类，可以克服纯标量、回归类型的目标，并与专家评估进行比较，以优化所需的组件行为。
► 可制造性分析
使用无监督机器学习还可以评估可制造性。在压铸过程的仿真中，它可以识别不同设计变体的均匀性行为，如浇口处的流速或流动前沿等，以及确定浇口几何形状的最佳数量、尺寸和位置等。



Altair 助力工程与 AI
Altair将AI与生成式设计、先进CAE技术深度融合，形成了一套面向巨型铸造结构的完整开发流程。该方法支持多学科变体分析，可同时处理数千种仿真方案，帮助企业快速锁定最优解。
通过将专家知识系统化、可扩展化，Altair帮助用户将AI深度融入仿真与制造全流程，实现从概念到量产的一体化智能设计。
同时，作为工程数据分析和 AI 解决方案的领先提供商，Altair 是独一无二的，因为它集合了两种语言：工程和 AI。Altair 的无代码 AI 解决方案让新手和专家都可以轻松访问机器学习和 AI平台。总而言之，Altair 可以帮助各个公司组织实现仿真和数字化的转型。


关于 Altair 澳汰尔
Altair 是计算智能领域的全球领导者之一，在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案，服务于16000多家全球企业，应用行业包括汽车、消费电子、航空航天、能源、机车车辆、造船、国防军工、金融、零售等。
近期，Altair被全球工业软件领导者西门子收购，成为西门子数字化工业软件(Siemens Digital Industries Software)旗下成员，进一步巩固西门子在仿真和工业人工智能领域的全球领导者地位，其技术正与西门子Xcelerator解决方案进行深度整合。