人工智能在CAE领域的应用: 利用AI算法进行网格自动加密

场景说明:

电磁仿真软件HFSS的计算流程如下:

1. 对几何初始划分网格,调用求解器计算;

2. 返回计算结果;

3. 按照一定规则对某些地方进行网格加密,生成新网格;

4. 再计算,得到计算结果;

5. 达到收敛准则就结束,否则重复步骤3;

后续详细介绍HFSS自适应网格加密算法底层细节。

用过HFSS的工程师都知道,HFSS采用的四面体网格,网格的大小直接影响计算时间。HFSS运行一次求解器是非常耗时的,对于中等规模的模型,短则几小时长则好几天。在该计算流程中,相当多的时间用在网格加密上,这个过程就是反复调用求解器(多次运行求解器)的过程,随着网格的不断加密,运行一次求解器求解时间也会越来越多(网格数目随着网格尺寸减少呈指数级增加)。

问题的提出:

其它的CAE/CFD等仿真软件流程也与之类似。那有没有一种方法,在初始划分网格的时候就能自动进行网格加密呢?答案是肯定的,在之前的文章中介绍过,参看附录,但是该方法仍然有很多局限性。随着AI技术的发展,AI的计算能力和准确率有了很大提高(很多AI算法几十年前都提出过,只不过最近几年,生态环境有所改善,研究门槛降低,落地的项目增多,以前很多只能在实验室的东西可以工业化应用了),可否通过AI技术来对网格进行自动划分呢?本文就此进行一些研究和探讨。

解决思路:

仍然以HFSS为例,通常网格加密区域为金属,Port,PEC等区域。我们把P这些区域的最终网格尺寸作为输入数据,把计算结果作为输出数据。通过神经网络建立训练流程。在这个过程中需要考虑的几个问题:

1. 训练需要在足够多的样本;在HFSS中通过参数化建立最简单的几何,设置Port,边界后,生成计算结果。然后通过修改几何参数,生成足够多的样本数据。这个过程可以用过HFSS提供的VB脚本来实现。

2. 有了足够多的样本训练之后,通过神经网络建立起深度学习模型,建立模型输出规则;

3. 验证规则:仍然使用开始建立的简单几何,修改参数,使用训练结果对几何设置网格参数(HFSS中可以人工对某块几何设置网格参数)。

4. 对比AI划分参数和HFSS迭代划分网格效果。

如果AI分化的网格结果能接近HFSS最终的网格划分效果,说明AI算法是很成功的。AI自动划分网格的优势在于:对于大部分EDA几何来说,拓扑通常是不会发生变化的(不同厂家的PCB板,接线器 形状都不会改变,只是尺寸不同),这样就极大的减少了AI算法对训练样本的要求。一旦训练成功,以后对于类似问题进行仿真即可一次性划分网格到位,也就是只需要调用一次求解器。这种效果是HFSS工程师梦寐以求的,因为大部分时间里,HFSS工程师只能坐在那里干等计算结果。

后话

当然,进一步通过人工智能图形识别等技术,可以自动识别Port(这种识别和一般的特征提取有本质区别),设置PEC等,工程师只需把几何丢进HFSS就可以了,这个后面单独讨论。总之,人工智能已经成为未来技术领域发展趋势,并已经体现在国家科技战略规划中。目前人工智能在图形图像识别,无人驾驶,智慧城市,智能家居领域逐步落地,可以预见人工智能也会应用到CAE/EDA/CFD等领域。作为数值计算研发平台,FasPlatform后续也会集成人工智能相关算法和应用。

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,请读者仅作参考,并自行核实相关内容。如发现有害或侵权内容,请联系邮箱:jubao@pinlue.com,我们将在第一时间进行核实处理。

http://image98.pinlue.com/thumb/img_jpg/QoOLc5oEsdKedfH1cMnfzb6nxcmfL156lLuQomiaH6ShBPTnz72YG9uekGyQR7shnh9ySB1wgBNXmr6awFTnt3g/0.jpeg
分享
评论
首页