26 仿真这是CAE仿真和AI结合的一个点.docxVIP

【仿真】这是CAE仿真和AI结合的一个点 2020-04-26 原文 以下文章来源于CAE仿真空间 ，作者米条 HYPERLINK CAE仿真空间 专注计算机协助工程（CAE）技术、工业4.0、智能制造等相关领域技术询问、学习培训及推广，欢迎大家关注和沟通。商务邮箱：cae_service@163.com。 米条?CAE仿真空间 源：吴冠中作品 看题目很简约以为作者是个标题党，不行否认，作者期望标题可以吸引人点进来阅读。但是我觉得比标题党更吸引人的该当是AI，谁让这年头脱离了AI，脱离了机器学习之类都很难勾起大众的神经和兴奋点，先撇开不谈，我们从一个点聊聊CAE仿真建模与AI之间的结合。 多数情况下，我们利用仿真软件进行CAE分析，全部的源头都是基于软件本身的算法和自带的模型；当然对于很多材料非线性问题，我们需要考虑材料本构模型，需要特地的试验数据输入来实现整个仿真的建模，但无论如何完成这样一个分析问题，我们的基础都是存在一个物理模型，这是现有的CAE仿真软件的优势，也是软件公司背后的核心技术。 那么问题也来了，假如你所争辩的问题无法利用现有软件来实现建模和仿真呢？那该如何处理？这个问题也是本文所要阐述的点。 中学我们经常遇到很多物理试验，基于物理试验数据拟合曲线，争辩物理规律，通过多组数据分析我们最终能够对简约的物理问题进行建模，然后基于这个模型来猜测新的工况下对应的物理现象。这段描述是不是很生疏，想想时下很多的机器学习和人工智能场景是不是有些类似；以此类比，当我们面对的问题无法基于现有CAE软件的分析模型进行建模时，我们同样可以利用这个方法来实现对工程问题的建模，而这个思路的动身点是我不考虑物理现象，我仅从猎取的输入输出数据，通过数据分析来创建一个黑箱，基于这个黑箱，我们实现对新工况、新问题的猜测和模仿。 先看一张PPT，这是程耿东院士引见模型降阶时候提到的代理模型思路，对作者开阔思路有很大作用。通过构造代理模型来实现对模型的降阶也好，抑或摸索属于本人的模型也好，是一种比较直接也比较传统的方法，但是也可以说不传统。传统的缘由是我们各个阶段的学习都告知我们试验是对理论探究、验证最直接的方法，一直贯穿于我们的训练和科研中；说其不传统，那么就和本文标题相关，由于在试验方案制定、数据分析涉及到很多的统计学方面的方法，涉及到时下比较抢手的机器学习和人工智能方法，新概念新包装。 当然，PPT中所涉及的代理模型并非是纯试验问题，假如是为降阶的话，CAE可以是黑箱工具；而假如是对未知模型本身的争辩，则基于试验来争辩，通过机器学习方法来结合分析，大家可以体会其中用途。 题外话，从专业的角度来讲，基于理论和已有模型的争辩推导，算法的设计这些算是Model Driven；而用纯数据驱动分析获得模型来使用，属于Data Driven，两种路子。相比而言，数据驱动实施起来会更简约，更多的在于确定变量、数据降维、数据处理等方面。两者的结合自然是互为验证，假如理论模型压根没有，自然只能先用Data Driven了。假如这么干了，我们就相当于钻到软件的内部，类似于CAE商业软件的研发者角色。 其实作者本身水平无限，很多认知并不肯定都对，以上能否算CAE仿真方面的工作内容呢？作者也是战战兢兢写完本文，不成熟之处期望大家一起争辩，不吝赐教。 先进制造业+工业互联网