新闻资讯
从达芬奇手稿到千行百业，AI+CAE破译物理仿真密码
500年前，达芬奇在手稿中描绘水流旋涡，试图破解自然界的湍流谜题，也展现了湍流的混沌之美。长期以来，湍流以其无限延展的独特魅力吸引了众多一流学者前赴后继地开展理论、实验与数值研究。
算法基石
构建丰富全面的湍流模型库
自然界和工程应用中的大多数流动都是湍流。湍流的多尺度、非线性特性，既促成了湍流结构及其动力学行为的多样性、湍流图像的美感，也使得其成为“经典物理学最后的未解之谜”。湍流模型是数值模拟湍流运动的有效方法。不同的湍流模型，通常具有不同的应用场景与数值计算量。
TF-QFLUX软件开发了丰富的湍流模型，包括：
用于模拟附着流或弱分离流的雷诺平均(RANS)湍流模型，如针对充分发展湍流的Standard/Edwards SA、Standard/Realizable/RNG k-ε. Standard/SST k-ω等；模拟湍流转捩过程的k-kl-ω、γ-Reθ等模型；
用于模拟大范围分离流的脱体涡模型，如DES、DDES、IDDES等；
用于模拟精细流动结构的大涡模拟方法(LES)，如动态Smagorinsky、WALE、约束大涡模拟方法(CLES)等。
凭借对工程湍流现象及复杂动力学过程的高精度解析能力，TF-QFLUX软件已广泛应用于航空航天、汽车交通、船舶海工、电子电器、能源动力等工业领域，并于2023年1月入选工信部2022年度工业软件优秀产品名录。
技术创新
数据驱动的AI湍流模型
湍流模型参数经验性强、模型普适性不足，是湍流模型的固有缺陷。伴随人工神经网络建模技术的快速发展，TF-QFLUX软件研发团队与国际湍流专家合作，提出了采用物理知识与数据双驱动的AI湍流模型——橡皮筋模型（如Rubber-Band SA/RBSA、RB k-ω等）。通过严格的数学与物理分析，十沣可以将经典SA模型（或k-ω模型）的主要系数分解为表征近壁湍流行为的部分、表征尾流特征的部分等等。
在此基础上，十沣采用相应的高精度湍流数据或统计量进行训练，获得更具普适和准确性的AI湍流模型。目前已经在兆瓦级风力机翼型失速特性仿真、抽水蓄能水轮机驼峰工作区水力特性仿真、水下航行器水动力学性能仿真等工程应用场景中，充分验证了TF-QFLUX软件及其AI湍流模型的准确性、鲁棒性和泛化能力。
AI+CAE，实时仿真
开启工业软件与应用新时代
德国著名物理学家、诺贝尔奖获得者海森堡曾说：“见到上帝后，我要问两个问题：相对论和湍流。”传统CAE方法与人工智能及大数据的融合，正呈现出一缕可以逐步揭开物理世界神秘面纱的曙光。
针对城市建筑群风环境快速仿真需求，十沣利用TF-QFLUX软件构建各类建筑群场景的风环境高精度数据库；在此基础上，采用自主开发的AI-CFD一体化仿真平台搭建城市建筑群风环境AI大模型，实现城市建筑群复杂风环境实时预测，直接服务于无人机航路规划与实时优化等低空经济创新发展。AI+CAE，将开启自主工业软件与智能化应用的新时代。
最新资讯
