首页/文章/ 详情

如何快速预测车身结构的动态特性

优飞迪科技

7月前浏览1471

Odyssee是海克斯康工业软件旗下的一款跨学科、跨领域、跨专业的软件产品，基于机器学习模型，能够实现秒级实时的CAE静态、动态仿真、图像识别、智能预测等，显著缩短计算分析周期，提高生产效率。对于车身结构的动态特性（振动传递函数）的研究，一般是通过试验手段或者有限元仿真方法。但试验的方法无论在时间成本还是金钱成本方面都比较高，采用有限元分析方法计算车身结构的振动传递函数，例如使用MSC Nastran进行相关的计算和预测，可以降低时间和试验投入成本。Odyssee软件能够根据试验结果或有限元计算结果进行模型的训练和学习，来预测车身结构的动态特性，从而进一步缩短仿真时间，并可用于研究设计参数灵敏度以及参数的优化。

在新的车身结构开发初期，设计工程师需要尽快知道当前设计车身结构的动态特性。使用传统有限元方法进行求解，面临网格剖分、边界条件设置、模型装配、求解计算等一系列的工作，几轮迭代下来也需要几天的时间。因此有限元仿真分析往往跟不上现在快速产品设计迭代的脚步。而使用基于机器学习的仿真工具Odyssee，可以在前期通过已有的设计经验和仿真结果训练代理模型，针对新的车身结构设计，能够实现秒级的动态特性仿真预测，从而加快了车身结构研发速度，帮助设计工程师快速完成前期的预测。

图1. Odyssee软件界面

Odyssee包含了两个重要模块：Odyssee CAE和Odyssee A-EYE。Odyssee CAE是一个独特而强大的以CAE为中心的创新平台，而Odyssee A-EYE是一个独特而强大的基于图像的机器学习解决方案。机器学习+CAE仿真是未来仿真的一种趋势。

Odyssee测试操作步骤

• 使用了Odyssee 2022.2进行测试的过程中，需要准备以下文件：X.csv,Y.csv,XN.csv,Y_exact.csv。

图2. 仿真模型

• 首先打开Odyssee软件，在其中生成DOE数据，算法采用Optimal Latin HyperCube方法，DOE的样本点数目为100个，生成9个设计参数d1、d2、……、d9的样本空间。

图3. DOE样本空间生成

• 针对生成的DOE样本空间，进行改善DOE数据。通过将Number Of new points设置为20，并点击Improve DOE，在上述100个样本空间点基础上生成新增20组数据。保存生成的DOE数据为X.csv文件。

• 将DOE文件中每组参数生成相应的Nastran计算文件，并在Nastran中进行计算，完成后提取相应节点位移随时间变化曲线，形成Y.csv文件。

• 将X.csv和Y.csv文件作为输入参数文件和输出参数文件导入到Odyssee中进行机器学习，如下图。

图4. 机器学习训练模型

• 针对新参数的预测，可以将XN.csv文件导入到Odyssee中，进行预测。针对本案例，学习及预测的时间为~2s，预测结果如下图所示。

图5. 机器学习预测结果

• 针对本次测试的问题，可以选用不同的机器学习算法进行学习和预测，Odyssee中包含的机器学习算法如下：

表1. Odyssee中机器学习算法

• 通过对比不同的机器学习算法，针对本模型最优ROM算法为POD_ARBF，针对三个验证数据的结果与Nastran计算结果对比如下：

图6. 预测结果与仿真结果对比

• 针对不同时刻的输入变量灵敏度分析结果如下：

图7. 某时刻输入变量灵敏度分析

深圳市优飞迪科技有限公司成立于2010年，是一家专注于产品开发平台解决方案与物联网技术开发的国家级高新技术企业。

十多年来，优飞迪科技在数字孪生、工业软件尤其仿真技术、物联网技术开发等领域积累了丰富的经验，并在这些领域拥有数十项独立自主的知识产权。同时，优飞迪科技也与国际和国内的主要头部工业软件厂商建立了战略合作关系，能够为客户提供完整的产品开发平台解决方案。

优飞迪科技技术团队实力雄厚，主要成员均来自于国内外顶尖学府、并在相关领域有丰富的工作经验，能为客户提供“全心U+端到端服务”。

来源：IFD优飞迪

Nastran 振动数字孪生试验

著作权归作者所有，欢迎分享，未经许可，不得转载

首次发布时间：2023-10-14

最近编辑：7月前

优飞迪科技

赋能新仿真，创优新设计

获赞 301粉丝 248文章 347课程 4

点赞

还没有评论

相关推荐

最新文章

热门文章

其他人都在看

VIP会员学习福利任务兑换礼品帮助与反馈

返回顶部