طراحی آیرودینامیکی توربوماشین‌ها فرآیندی پیچیده و جالب است. این فرآیند از تحلیل یک‌بعدی اولیه شروع می‌شود و به سمت تحلیل نصف‌النهار دوبعدی و تیغه‌به‌تیغه (Blade to Blade) و هندسه سه‌بعدی CFD که بهینه می‌شود، می‌رود.

در طول طراحی، به دلیل تجربه و توانایی طراح در بهبود محصول، ورودی زیادی از طراح مورد نیاز است.

طراحی یک فرآیند تکرارشونده است که طی آن حجم زیادی از داده‌ها تولید می‌شود. بسیاری از این موارد پس از دستیابی به طرح محصول نهایی دور ریخته و فراموش می‌شوند.

طراحی آیرودینامیکی مبتنی بر شبیه‌سازی عددی و تجربی، حجم زیادی از داده‌ها را در قالب‌های پیچیده که تفسیر آنها دشوار است (عملکردهای فردی، کمیت‌های میدان، سری‌های زمانی، هندسه‌های سه‌بعدی و غیره) تولید می‌کند.

بررسی و کاوش این داده‌‌ها برای به دست آوردن اطلاعات مفید برای طرح‌های فعلی و آینده یک چالش بزرگ است.

برای توسعه یک محصول جدید، معمولاً باید از صفر شروع کرد، بدون بهره‌برداری از دانش قبلی و با در نظر گرفتن عواقب زمان و هزینه.

محاسبات CFD (دینامیک سیالات محاسباتی) و FEA (تحلیل المان محدود) می‌توانند از دیدگاه وزن محاسباتی و زمان شبیه‌سازی مشکل‌ساز باشند و تعداد راه‌حل‌های تحلیل‌شده در مرحله طراحی و بهینه‌سازی را محدود کنند.

پارامترسازی بر اساس پارامترهایی است که به صورت دستی توسط طراح تعریف شده است و به همین دلیل معمولاً تعداد محدودی از پارامترهای هندسی ماکروسکوپی هستند.

استفاده از پارامترهای طراحی مهندسی (EDP) نیازمند پارامترسازی یکنواخت برای هر مطالعه موردی برای به دست آوردن داده‌های جدول‌بندی‌شده‌ی یکنواخت است که می‌تواند برای تجزیه و تحلیل مورد استفاده قرار گیرد و احتمالاً نیاز به پارامترسازی مجدد هندسه‌های موجود دارد.

مفهوم اصلی

• گردآوری داده‌ها از تاریخچه شرکت یا از ابزارهای شبیه‌سازی موجود
• پیاده‌سازی زنجیره پیش‌پردازش
• پارامترسازی خودکار هندسه‌ها با الگوریتم‌های هوش مصنوعی
• پیش‌بینی عملکرد طرح‌های موجود و جدید
• تولید هندسه‌های جدید آماده برای شبیه‌سازی بر اساس مشخصات عملکرد

بهره‌برداری از داده‌های شما

این نرم‌افزار از داده‌های تاریخی یا تجربی شما از مجموعه داده‌ها و چرخه‌های طراحی قبلی استفاده می‌کند.
شما می‌توانید از داده‌های شبیه‌سازی خود (FEA یا CFD) خروجی گرفته و با استفاده از خود CAD خام یا داده‌های جدول‌بندی‌شده، مستقیماً در نرم‌افزار بارگذاری کنید.

الگوریتم‌های هوش مصنوعی که می‌توان با این نرم‌افزار توسعه داد، امکان پردازش تمام این داده‌ها و استخراج خودکار حجم زیادی از اطلاعات را به وجود می‌آورد که می‌تواند برای اهداف خود مورد بهره‌برداری قرار گیرد.

دانش را هدر ندهید

استفاده از پروژه‌های گذشته خود برای توسعه الگوریتم‌های هوش مصنوعی به معنای ردیابی تخصص ارائه شده توسط طراحانی است که در طراحی محصول مشارکت داشته‌اند.

چندین پروژه را می‌توان همزمان تجزیه و تحلیل کرد، تمام اطلاعات موجود را استخراج کرد و به تجربه گذشته ارزش داد.

سرعت بخشیدن به طراحی

با الگوریتم‌های ما، می‌توان عملکرد دینامیکی/ساختاری سیالات را از روی هندسه‌های سه بعدی خالص، داده‌های جدولی، سری‌های زمانی یا ترکیبی از آنها پیش‌بینی کرد.

این الگوریتم‌ها امکان بررسی فوری عملکرد طرح‌های جدید را فراهم می‌کند.

شما می‌توانید مدل‌های یادگیری ماشینی پیش‌بینی‌کننده بسازید و آنها را بر روی داده‌های عملکرد خود آموزش دهید، می‌توانید از متامدل (Metamodel) برای پیش‌بینی مقادیر میدان روی سطوح و حجم‌ها برای هندسه‌های جدید با دقت بسیار بالا استفاده کنید و روند طراحی را تسریع کنید!

پارامترسازی خودکار

رمزگذارهای خودکار پیشرفته ما به طور خودکار طرح‌های سه‌بعدی شما را به مجموعه‌ای از پارامترهای نهفته تبدیل و فشرده می‌کنند که می‌تواند برای طراحی یا بهینه‌سازی بعدی استفاده شود.

بهينه‌سازی

برای عملکرد هدف شناخته‌شده، رمزگذار خودکار می‌تواند پارامترهایی را برای طراحی سه‌بعدی عملکرد بهینه‌سازی‌شده ارائه کند و حتی هندسه شما را در قالب آماده خروجی بازسازی کند و تعداد شبیه‌سازی‌های مورد نیاز برای دستیابی به حداکثر عملکرد را کاهش دهد.

با فناوری ما امکان داشتن یک CAD تمیز وجود دارد که می‌تواند به طور خودکار از طریق CFD یا FEM ارزیابی شود، این یک بهینه‌‌سازی خودکار بر اساس هندسه‌های غیر پارامتری است!

با کار بر روی پارامترهای نهفته، امکان کاوش در فضای طراحی وجود دارد که بهره‌برداری از آن با بهینه‌سازی پارامترهای سنتی دشوار است.

یادگیری تقویتی یکی از سه پارادایم اصلی یادگیری ماشین در کنار یادگیری تحت نظارت و یادگیری بدون نظارت است.  با این رویکرد، الگوریتم با شکست مکرر در انجام یک کار دلخواه به تنهایی یاد می‌گیرد.

این الگوریتم‌ها، همراه با طراحی مولد و الگوریتم‌های پیش‌بینی عملکرد دقیق، یک راه‌حل طراحی موثر و نوآورانه را نشان می‌دهند.

طراحی مولد

با استفاده از الگوریتم‌هایی مانند رمزگذارهای خودکار متغیر یا GAN (شبکه‌های مخالف مولد)، هندسه‌های کاملاً جدیدی را می‌توان تولید کرد و هندسه سه‌بعدی جدیدی را مطابق با مشخصات ایجاد کرد.

دقت بازسازی می‌تواند به حدی باشد که هندسه را مستقیماً با محاسبات دینامیکی و ساختاری سیالات تأیید کند.

نمونه‌های آماده

به لطف کتابخانه موجود و قابل دانلود پروژه‌های آماده، می‌توان الگوریتم‌ها را تنها در چند دقیقه آزمایش کرد و نتایج را تجسم کرد.

نمونه‌ها را با مطالعه موردی خود تطبیق دهید و از الگوریتم‌های ما برای برنامه خود استفاده کنید.