加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

人工智能在CAE领域的应用(1)---利用AI算法进行网格自动加密

(2017-10-30 20:09:24)
标签:

cae

网格加密

有限元

人工智能

hfss

分类: 人工智能和工程优化算法
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;

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(100M左右,普通PC机),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Port,PEC等区域。我们把Port,PEC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。这种效果估计是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算法和应用。

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有