Лінійка програмного забезпечення Ansys Fluids включає інструменти обчислювальної гідродинаміки (CFD): Ansys Fluent, Ansys CFX, Ansys Forte, Ansys Turbogrid та інші. Ці інструменти дозволяють виконувати CFD-розрахунки в різних галузях промисловості — від розморожування крил літака і оцінки аеродинаміки автомобіля до розрахунку процесу переплавлення припою на друкованих платах (PCB) та моделювання електрохімічних процесів у батареях та паливних елементах.

У версії 2023 R2 додано значні оновлення, включаючи покращення багатопроцесорного (GPU) вирішувача Fluent, поліпшення інтерфейсу (UI) та досвіду користувача (UX), а також зменшення використання обчислювальних ресурсів та пам’яті.

Оновлення GPU вирішувача Fluent

Багатопроцесорний вирішувач Fluent був запропонований в версії 2023 R1, що дозволило інженерам використовувати надзвичайно складні та деталізовані моделі безпосередньо на GPU, при цьому кожен GPU замінював обчислювальну потужність сотень процесорів. Це є важливим напрямком для Ansys у зв’язку з прагненням надати користувачам можливість виконувати розрахунки швидше без втрати точності на тому ж обладнанні та виконувати тривалі розрахунки несталих процесів, що раніше було практично неможливо. Типи розрахунків, які можуть бути виконані з використанням GPU вирішувача Fluent, включають зовнішню аеродинаміку автомобілів і літаків, обладнання з деталями, що обертаються, та детальний розрахунок часу перемішування.

Проведено шість мільйонів RANS-LES (Reynolds-averaged Navier-Stokes and large eddy simulation) розрахунків з підтримкою ковзання сітки у GPU вирішувачі Fluent. Робота Fluent на двох GPU еквівалентно роботі Fluent на більш ніж 1 000 ядрах ЦП. Це дає дивовижне зростання продуктивності, зниження витрат енергії та пам'яті, а також експоненціальне зменшення вартості обладнання.

У версії 2023 R2 оновлення GPU вирішувача Fluent включають в себе:

• Можливість моделювання стаціонарних компонентів та компонентів, що обертаються, з використанням алгоритму сітки, що ковзає, — це дуже корисно для розрахунків у задачах аеродинаміки та турбомашин.
• Доступність моделі розсіювання завихрень (EDM) для відповідності статичним температурним профілям. Зараз є можливість управління частотою розв'язку RANS-рівнянь при використанні stress-blended eddy simulation (SBES).
• Збільшено швидкість розрахунків завдяки асинхронному розрахунку на GPU. Розрахунок відокремлюється від процесу побудови графіків похибок у інтерфейсі користувача, що забезпечує виконання розрахунку паралельно з оновленням даних у інтерфейсі.
• Розширення підтримки GPU-вирішувача для запуску на останніх архітектурах від NVIDIA, включаючи NVIDIA H100 та RTX 6000 Ada.

Цікавить питання точності GPU-вирішувача Fluent? Подивіться статтю за цим посиланням.

Оновлення Fluent для аерокосмічної галузі

Fluent надає широкі можливості у аерокосмічній галузі, включаючи розрахунки зовнішньої аеродинаміки для дозвукового, надзвукового та гіперзвукового режимів, аероакустику, системи опалення, вентиляції та кондиціонування повітря в кабіні, обмерзання в повітрі під час польоту, використання Fluent Aero workspace та багато іншого.

У версії 2023 R2 запропоновано автоматизований процес розрахунку з використанням моделі віртуальної лопаті (VBM). VBM модель особливо корисна у галузі міської авіації для прогнозування роботи лопатей двигунів в специфічних повітряних потоках. Робочий процес включає можливість додавати узагальнений вплив на потік без деталізації геометричних особливостей лопатей, що значно зменшує тривалість розрахунку. Крім того, з’явилася можливість можливість створення VBM-диску як області комірок розрахункової сітки без необхідності його явного визначення на етапі створення сітки. За необхідності, можливо здійснити адаптацію сітки для покращення якості елементів навколо диску. 

Покращення моделі віртуальної лопаті (VBM) у Fluent включає можливість додавати узагальнений вплив на потік без деталізації геометричних особливостей лопатей.

Покращення інтерфейсу та управління розрахунками

У версії 2023 R2 покращено графіку та поліпшено у інтерфейс користувача. Підвищено реалістичність відображення поверхонь за допомогою графічного процесора Intel OSPRay. Це дозволяє спростити інтерфейс користувача до одновіконного режиму з можливістю одночасного перегляду в реальному часі налаштувань камери, перегляду високодинамічного зображення (HDRI) та керувати налаштуваннями оточення.

Моделювання впливу хвиль на нафтову вишку з використанням графічного процесора Intel OSPRay

Також додано режим Lightweight Setup Mode для швидкого перегляду, редагування моделі, налаштування вирішувача та обробки результатів розрахунку без необхідності завантаження сітки. У цьому режимі відкриття файлу проекту з 6 мільярдами елементів розрахункової сітки відбувається лише за 80 секунд.

Екосистема розробника — API та PyFluent

Останнім часом Ansys активно працює над створенням екосистеми розробника, де користувач може здійснювати моделювання використовуючи мову програмування Python з метою розширення функціоналу та автоматизації налаштувань.

Один зі способів досягти цієї мети – використання програмних інтерфейсів застосунків (API), які дозволяють користувачам отримувати доступ до налаштувань вирішувача Fluent. Це дозволяє створювати специфічні моделі, які враховують нетривіальні вимоги щодо розробки. Наприклад, користувач може викликати послідовність команд вирішувача Fluent разом з процедурами open-source бібліотек з одного і того самого програмного середовища за визначеним сценарієм.

У версії 2023 R2 Fluent API охоплює:

• Модель дискретної фази (DPM), випромінювання, перенос часток, VBM;
• Взаємодія між сітками різних типів;
• Керування методом розрахунку та його налаштування;
• Робота з файловою системою: автоматична трансляція .jou-файлів у .ру формат.
• Підтримка символу підстановки (wild card) для названих об'єктів.

Оновлення PyFluent:

• Field data, режим побудови сітки;
• Покращення багатопотоковості;
• Пакетне виконання кількох операцій за один віддалений виклик.

PyFluent вимагає версії Ansys 2022 R2 або новіше, встановленої локально. Ви можете дізнатися більше про те, як використовувати PyFluent тут.

Оновлення Ansys Turbogrid та Ansys CFX

Оновлення у Turbogrid версії 2023 R2 включають нові можливості створення сітки, зокрема можливість створювати сітки для турбін типу Каплана та Френсіса. Крім того, побудування сітки за методом ATM3D використовує багатопотоковість, що забезпечує загальне прискорення процесу на 30%.

У CFX версії 2023 R2 впроваджено можливість поєднання систем розрахунку Ansys Mechanical та CFX для розрахунку аеромеханіки, що, наприклад, дозволяє легко передавати складні власні форми коливань з Mechanical до CFX при розрахунку аеродинамічного демпфування. Поєднання систем розрахунку супроводжується автоматичним вирівнюванням геометрії між моделями Mechanical та CFD.

Поєднання систем розрахунку Ansys Mechanical та CFX з автоматичним вирівнюванням геометрії

Залишились питання? Звертайтесь до фахівців компанії Софт Інжинірінг Груп, які з радістю нададуть консультацію з питань використання програмного забезпечення Ansys у моделюванні гідрогазодинаміки.

Title: What’s New in the Ansys Fluids Product Line for 2023 R2?

Author: Theresa Duncan, Product Marketing Manager, Ansys

Website Name: Ansys Blog

URL: https://www.ansys.com/blog/fluids-2023-r2

Accessed: 15.09.2023

Багато хто навіть не здогадується, що в автомобілі існують десятки блоків електронного управління (ECU) – печатні плати (PCB) в металевих або пластикових корпусах – які відповідають за контроль і моніторинг роботи та безпеки систем управління автомобіля. Ці блоки повинні працювати протягом всього терміну служби автомобіля і піддаються багатьом циклам нагріву та охолодження. Наприклад, коли ви запускаєте автомобіль після того, як він охолонув за ніч. Автомобіль нагрівається під час руху і охолоджується при зупинці. Це є прикладом "зовнішнього" температурного циклу навантаження.

Інші, так звані «активні» цикли температурного навантаження можуть виникати локально у конкретних електронних компонентах на печатній платі. Наприклад, транзистор MOSFET споживає велику кількість струму і нагріває плату поблизу свого розташування, що викликає додаткові цикли температурного навантаження. Градієнти температур призводять до виникнення місцевих термомеханічних напружень внаслідок нерівномірного температурного розширення. Оскільки плата обмежена своїм корпусом, це може призвести до вигину плати і створення додаткового навантаження на припій, який з'єднує компоненти з платою. Якщо один припій відмовить, це може мати ефект доміно, що впливає на надійність всієї системи.

Для забезпечення надійності конструкції блоків електронного управління попередньо, перед випробуваннями ECU у кліматичних камерах, проводиться моделювання. Але донедавна можливості моделювання були дуже обмежені. Підхід на основі використання степеневого закону – моделювання лише кількох циклів з прогнозом тривалості служби припоїв – має широке застосування, але має і багато недоліків. Інженери Youssef Maniar і Marta Kuczynska з компанії Robert Bosch GmbH в Німеччині розробили точну нелінійну модель пошкодження, яка може передбачати термін служби з'єднань з припоєм. Проблема, з якою вони стикнулися, полягає у тому, що прогноз тривалості служби включає в себе моделювання абсолютно всіх циклів навантаження, накладених на компоненти, і обчислювальні витрати, відповідно, дуже великі. Приблизно два роки тому вони прочитали наукову статтю, яка описувала спосіб «стрибків» через деякі цикли для прискорення моделювання. Вони звернулися до компанії Ansys з пропозицією реалізувати цей інноваційний метод обчислення в Ansys Mechanical, і компанія Ansys з радістю погодилася це зробити.

Моделювання стрибка

Основи методу «стрибків» (cycle jumping)

Математика, що стоїть за можливістю «стрибати» через велику кількість термомеханічних циклів навантаження для суттєвого прискорення моделювання без втрати точності, складна, але програмне забезпечення аналізує градієнти змінних величин (наприклад, напруження), щоб визначити, коли можна пропустити наступні N циклів навантаження. Максимальне значення N повинно бути визначено інженером заздалегідь разом з іншими параметрами, оптимізуючи розрахунок.

«Програмне забезпечення визначає величину кроку самостійно, аналізуючи змінні величини, але все ще потребує керуючих вхідних даних від користувача», - кажуть вони. Програмне забезпечення повинно обчислювати принаймні три проміжні цикли між стрибками, але це число може бути налаштоване інженером. «Таким чином, алгоритм виконує стрибок, а потім обчислює кількість послідовних циклів, визначених користувачем, для наступної оцінки, щоб визначити, чи треба продовжувати моделювати цикли навантаження, чи дозволити наступний стрибок».

Величина градієнту каже про те, чи система стабільна в даній точці, чи швидко змінюється. Якщо величина швидко змінюється, моделювання додаткових проміжних циклів є суттєвою. Якщо зміна стабільна, може бути корисним здійснити наступний стрибок для прискорення моделювання.

Інженер повинен розуміти змодельовану систему для того, щоб визначити належне співвідношення врахованих циклів до відкинутих циклів, що інколи потребує початкового тесту методом проб та помилок.

«Якщо амплітуда навантаження не дуже велика, ви можете дозволити алгоритму пропустити набагато більше циклів», - каже Kuczynska.

Реалізація методу «стрибків» (cycle jumping)

Спочатку інженери Bosch взяли на себе ініціативу реалізувати метод самостійно, написавши свої власні алгоритми. Це було успішним доказом концепції, але це було не зручно для користувачів. По суті, процедура включала в себе проведення моделювання в Ansys Mechanical, вихід з платформи Ansys, виконання стрибка в програмному забезпеченні Bosch і, після цього, знову продовження моделювання у Mechanical.

«Ця процедура була призначена лише для тестування методу», - каже Kuczynska. «Як вона працює? Чи сприяє вона підвищенню ефективності розрахунку?»

Коли вони визначили, що новий метод працює, вони звернулися до Ansys із пропозицією включити його до Mechanical. Команда Ansys відразу позитивно відреагувала на цю можливість.

Через два роки можливість алгоритму стала частиною комерційного релізу Mechanical. Перший сумісно створений алгоритм був неоптимальним, тому команди Bosch і Ansys продовжили співпрацювати, поки не досягли бажаного результату. Другий алгоритм був саме тим, що вони шукали.

«Ми мали два роки чудових дискусій з Ansys, взаємно коригуючи алгоритм, щоб він працював так, як ми це бачимо», - каже Maniar. «Для нас було дуже важливо проводити обговорення на високому технічному рівні між інженерами Bosch і Ansys».

Kuczynska була особливо вражена роботою алгоритму після порівняння результатів розрахунків зі стрибками та результатів розрахунків повної історії навантаження.

«Я дивуюся, наскільки розумним є цей стрибок», - говорить вона. «Пропускання великої кількості термомеханічних циклів обов'язково вносить певну похибку через використання екстраполяції. Але після кількох послідовних циклів, які він обчислює після стрибка, відбувається збіжність до результатів повного розрахунку, і ми бачимо, що точність прогнозу дійсно дивовижна».

Майбутнє застосування методу

Показавши, що техніка стрибка добре працює у автомобільній галузі для прогнозу терміну служби припоїв в умовах термомеханічної втоми, інженери компанії Bosch прагнуть розширити цей метод для прогнозу інших механізмів пошкодження. Матеріали постійно зазнають зміни властивостей під впливом часу, термомеханічного навантаження та процесу старіння, наприклад при термічно-індукованому окисленні полімерів, яке може призвести до зростання жорсткості та деградації електронних компонентів.

«Ця техніка моделювання може бути використана для прогнозу будь-якої циклічної нелінійної еволюції матеріалу в системі», - каже Kuczynska. «Це сприяє розробці нових методів. Я маю на увазі, раніше ми навіть не мріяли про можливість прогнозу абсолютного терміну служби на основі моделювання різних механізмів циклічного старіння. Тепер у нас є така можливість».

Техніка стрибка також буде корисною для нових розробок у автомобільній галузі.

«Завдяки автономному водінню та електрифікації автомобільної індустрії, ми стикаємося з новими випадками навантаження і новими компонентами», - каже Maniar. «Це означає, що ми маємо нові електронні системи, і мати прискорений метод віртуальних випробувань, подібний до цього, стане ще важливішим для процесу розробки».

Youssef Maniar і Marta Kuczynska, разом із колегами Alexander Kabakchiev та Masoomeh Bazrafshan з компанії Bosch, а також Peter Binkele та Siegfried Schmauder з Інституту матеріалознавства при Університеті Штутгарту, Німеччина, опублікували статтю, в якій описали свої відкриття, під назвою «Моделювання нелокальних пошкоджень при відмові з'єднань з припоєм при циклічному термомеханічному навантаженні», яка була опублікована у доповідях міжнародної технічної конференції ASME 2021 Packaging and Integration of Electronic and Photonic Microsystems.

Bosch і Ansys наразі спільно працюють над технічною статтею, в якій описують новий метод для публікації в науковому журналі, щоб інші інженери могли користуватися інноваційною технікою моделювання.

Фахівці компанії Софт Інжинірінг Груп з радістю проконсультують з питань використання програмного забезпечення Ansys у моделюванні втоми виробів при термомеханічному циклічному навантаженні.

Title: Jumping Over Thermal Cycles Accelerates Thermomechanical Fatigue Simulations

Author: Tim Palucka, Managing Editor, Ansys Advantage

Website Name: Ansys Blog

URL: https://www.ansys.com/blog/skipping-thermal-cycles-accelerates-thermal-fatigue-simulations

У той час, як штучний інтелект (АІ), машинне навчання (МL) та моделювання революційно змінили спосіб, яким людство обробляє інформацію та робить прогнози, головний технічний директор Ansys, доктор Prith Banerjee, пояснює, які нові технічні можливості з’являються, коли вказані технології працюють разом.

Як AI/ML та моделювання пов’язані між собою?

AI/ML та моделювання - це різні технології, які потужно доповнюють одна одну.

По-перше, є AI, який створює системи, що моделюють поведінку людини на основі правил. МL є різновидом AI, який дозволяє комп'ютерам автоматично вивчати правила на основі тренувальних даних. А ще є моделювання, яке аналізує реальні вироби та системи за допомогою віртуальних моделей.

Незважаючи на те, що вони є незалежними концепціями, вони постійно взаємодіють між собою. Моделювання використовує техніки AI та МL для швидшого та простішого моделювання. Зі свого боку, AI та МL використовують моделювання для створення синтезованих даних з різних галузей та застосунків.

Як AI/ML та моделювання співпрацюють?

Протягом останніх 50 років ми використовували моделювання для прискорення інновацій у виробництві. В той же час наші партнери в спільнотах AI/ML працювали, щоб зробити технологію настільки ж розумною, як людський мозок.

Сьогодні AI/ML використовуються для збільшення швидкості та спрощення моделювання, а моделювання, в свою чергу, надає AI точні синтезовані дані, щоб зробити інтелектуальні системи розумнішими.

Коли ці технології працюють разом, вони роблять інновації можливими і доступними для всіх.

Як AI/ML вплинули на розвиток моделювання?

Найбільш фундаментальною функцією моделювання є прийняття кращих рішень швидше, а AI та ML є критичними факторами для досягнення цієї мети. AI/ML можуть допомогти розробнику розпочати з високорівневої специфікації, автоматично згенерувати 10 000 варіантів розробки і швидко оцінити, які з них є найкращими.

Різноманітні підходи AI/ML, включаючи підходи " bottom-up", "top-down", моделі зі зниженим порядком (ROM) та великі мовні моделі (LLM), дозволяють вирішувачам виконувати більш швидкі та точні прогнози.

Особливо корисними у полегшенні використання вирішувачів можуть бути великі мовні моделі, такі як ChatGPT. Наприклад, якщо один з наших інженерів бажає провести моделювання електричного автомобіля, він спочатку мусить перекласти специфікації для різних систем (наприклад, батареї, двигуна, зарядного пристрою тощо), що вимагає багато часу та експертизи.

Але з великими мовними моделями (LLM) будь-хто може написати ствердження англійською мовою, яка просто описує бажаний результат, наприклад: "Розробити електричний автомобіль з запасом ходу 2 000 миль, який розганяється від 0 до 60 миль/год за одну секунду". Система моделювання автоматично згенерує множину рішень для всього автомобіля, деякі з яких можуть ніколи і не прийти на думку людини.

AI також може покращити спосіб написання коду. Коли розробнику потрібно оновити функціонал програмного забезпечення Ansys, AI може запропонувати фрагмент коду для вирішення проблеми. Це покращує продуктивність розробника, а також покращує сервісне обслуговування клієнтів. Шляхом аналізу даних з тисячі взаємодій з клієнтами, віртуальні агенти можуть швидко надавати підтримку на першому рівні, звільняючи експертів та дати їм можливість відповідати на більш складні питання.

У той час, як AI/ML інтегрує більш ніж мільярд джерел інформації, як забезпечується точність?

Коли розробник бере специфікацію автомобіля, він не тільки використовує свої знання, але і здатність мислити раціонально та вирішувати проблеми.

Коли AI моделює автомобіль, він збирає посилання з різних джерел, деякі з яких можуть бути ненадійними, походити від конкурентів або захищеними законом. Тому людський контроль та методи, такі як «explainable AI», важливі.

У Ansys ми використовуємо власну інтелектуальну власність (IP) та застосовуємо двигун ChatGPT на основі бази даних, яку ми будували протягом понад 50 років. Це знання, яке ми здобули завдяки тисячам взаємодій між нашими клієнтами та командою Ansys Customer Excellence (ACE). Для забезпечення надійності та точності ми покладаємося на власні джерела.

На що чекати від AI/ML та моделювання?

Коли Форд починав будувати автомобілі, технологія виробництва визначала, які деталі вони могли використовувати – формовка та лиття під тиском у формі прямокутників та циліндрів. Тому все виглядало однаково. Ідею створити автомобіль, який виглядає як птах, в таких умовах складною уявити. Але тепер, завдяки підходу generative design та адитивному виробництву, можливо створювати дуже складні об'єкти.

Сьогодні Ansys працює над платформою машинного навчання, де можна формулювати вимоги до дуже складних розробок. Результатом буде можливість генерувати тисячі нових ідей, які розробник навіть не може уявити. Усі ці варіанти буде можливо швидко оцінити за допомогою моделювання, а кращий з них буде обраний розробником. Коли моделювання та AI/ML працюють разом, відкривається неймовірний потенціал.

Бажаєте дізнатися більше завітайте до сторінки  Shaping the Future Through Artificial Intelligence and Simulation.

Фахівці компанії Софт Інжинірінг Груп із задоволенням дадуть консультацію щодо можливостей інтеграції AI/ML у Ваші Ansys проекти.

Title: How Artificial Intelligence, Machine Learning, and Simulation Work Together

Author: Mazen El Hout, Senior Product Marketing Manager, Ansys

Website Name: Ansys Blog

URL: https://www.ansys.com/blog/ai-ml-simulation-work-together

Accessed: 21.07.2023

Авіакосмічна та оборонна галузь промисловості (A&D) була однією з перших, хто прийняв комп'ютерне інженерне моделювання (САЕ), але з тих пір не поспішала у цифровій трансформації. Наприклад, недавнє опитування п’ятдесяти виконавчих директорів у A&D показало, що 85% з них планують опанувати технологію "цифровий потік" (Digital Thread)¹, але лише 5% фактично почали впровадження. Перехід до цифрової трансформації допоможе цим компаніям швидше та за менші витрати приймати виклики та випускати продукцію на ринок швидше. Тому варто задати питання: “Чому вони не зробили це раніше?”.

Одна можлива відповідь випливає зі зустрічі, яку я мав з виконавчим директором у галузі A&D кілька років тому. Після 45-хвилинної презентації, в якій ми висловили свої аргументи на користь перетворення його відділу за допомогою цифрової інженерії, він вказав на підставку для келиха на своєму столі.

"Бачите це? Це кнопка "Я вірю". Він зупинився, щоб переконатися, що ми розуміємо. "Я не можу натиснути її. Я просто не можу натиснути її. Допоможіть мені натиснути її."

Він запропонував наступний крок.

"Вам потрібно попрацювати з моїм головним інженером і переконати його", - сказав він. "Якщо ви переконайте його, ви переконаєте мене – і тоді я зможу натиснути цю кнопку."

На перший погляд, цей план був достатньо простим для виконання. Але ця розмова також розкриває щось більш глибоке: для багатьох компаній у галузі A&D цінність цифрової інженерії ще не прийнята повністю. Отже, наше завдання, настільки просте, наскільки і сміливе. Ми повинні показати цілій галузі, що коли розмова йде про цифрову інженерію, їм завжди варто натиснути ту кнопку.

Вплив на зміни в галузі A&D

Щоб змінити відношення компаній у сфері A&D до цифрової інженерії, не достатньо переконати головних інженерів та керівників. Також повинна бути підтримка знизу вгору – і це не просто. Наприклад, інженерам з багатим досвідом у створенні та випробуванні прототипів потрібні переконливі аргументи щодо того, як цифрова інженерія може покращити ефективність цих процесів.

В короткостроковій перспективі рішення, що базуються на інженерному моделюванні, повинні відповідати потребам інженерів у вирішенні їх проблем. Як показано далі, одна з таких компаній, яка тепер "вірить" у цифрову інженерію, є Центр випробувань Повітряних Сил (AFTC). Інженерам AFTC складно було впоратись з потоком польотних випробувань, які коштували їм надмірного часу та грошей. Для проходження випробувань необхідні точні польотні умови, які неможливо гарантувати в природному середовищі. Ці обмеження змушували AFTC відкидати результати випробувань та повторювати польоти.

Зараз Ansys допомагає AFTC подолати ці перешкоди за допомогою моделе-орієнтованого підходу, який покращує ефективність випробувань, оптимізує плани натурних випробувань і надає уявлення про можливі вдосконалення конструкції. Цей підхід – об'єднання результати випробувань з моделями – приваблює інженерів AFTC, оскільки він безпосередньо покращує ефективність їх праці.

Майбутнє цифрової інженерії навряд чи може обійтись без внеску університетського середовища у зміну методики підготовки авіаційних інженерів. Але A&D не може чекати на фахівців майбутнього, оскільки є багато роботи, яку потрібно виконати сьогодні.

Виклики, з якими ми стикаємося

Цифрова інженерія має величезний потенціал для підвищення ефективності та інновацій у галузі А&D. Давайте оглянемо його.

Сприяння сталому розвитку

Очікується, що глобальний пасажирський трафік повернеться до рівня 2019 року до 2024 року, а потім, до 2040 року, подвоїться: з 4 мільярдів до приблизно 8 мільярдів пасажирів². Тому авіакомпанії-виробники інвестують у більш паливно-ефективні літаки для зменшення витрат на експлуатацію, забезпечення нижчих або нульових викидів. Компанії А&D мають на меті зменшити викиди парникових газів більш ніж на 50% до 2030 року. Для досягнення цієї мети вони розглядають ряд нових технологій, від альтернативних видів палива до систем приводу, таких як гібридні електричні, електричні та водневі. Використання гібридного електричного приводу виходить за рамки сталого розвитку, що підтверджується недавніми новинами про двигун наступного покоління для малопомітних дронів³.

Автономність

Сотні компаній працюють над понад 700 концепціями та конструкціями електричних апаратів вертикального зльоту та посадки (eVTOL)⁴. Вони використовують моделювання для вдосконалення автономного керування польотом, електронних датчиків даних та обробки сигналів для уникнення аварій. Крім того, взаємодіючі бойові літальні апарати (CCA), такі як автономний безпілотний бойовий повітряний апарат (UCAV), повинні бути здатні взаємодіяти з екіпажем апарату та функціонувати без нього.

Широкий спектр

У все більш інтегрованому світі ключовим є здатність визначати та взаємодіяти з кількома системами в умовах конкурентного середовища, а також швидко аналізувати дані та приймати рішення на основі отриманих даних. Стратегія Міністерства оборони (DOD) під назвою "Спільне управління та контроль в усіх доменах" (JADC2, див. сторінку 48) вимагає стійкого бездротового радіозв'язку та оптичних комунікацій, точних зображень та сенсорних систем, штучного інтелекту/машинного навчання (AI/ML) та іншого обладнання.

Швидкість

Повітряні сили США фінансують розробку надзвукових технологій, включаючи стратегічне партнерство з компанією Boom Supersonic для покращення надзвукових можливостей літака Overture. NASA та Lockheed Martin розробляють експериментальний надзвуковий літак X-59 QueSST, який надасть регуляторам інформацію, необхідну для встановлення прийнятного комерційного стандарту щодо шуму, який виникає від надзвукових літаків. За наявності такого стандарту, ми зможемо скасувати поточну заборону на комерційні надзвукові перельоти над суходолом у Сполучених Штатах.

Космос

Приватні бізнеси зараз становлять близько 80% об’єму світової космічної промисловості, яка складає 447 мільярдів доларів (за 2020 рік)⁵. Протягом першої половини 2022 року було запущено 72 ракети з 1 022 космічними апаратами⁶, і 94% з цих запусків були комерційними проектами.

В майбутньому буде потреба у плеяді малих супутників, необхідність зменшення космічних сміттєвих об'єктів, розвитку низької орбіти Землі (LEO) та впровадження виробництва у космосі. Інші можливості включають повторне використання систем запуску з використанням відновлюваних або нетоксичних палив, видобуток на астероїдах, безпека та стійкість у випадку кібератак, точну сенсорну технологію для виявлення та відстеження, космічний туризм та сонячну енергетику з космосу.

Докази

Найпотужнішим доказом є, звичайно ж, емпіричні дані. Де ж наші докази? Частину з них можна знайти в останньому випуску журналу Ansys Advantage. Цей випуск присвячений огляду компаній в галузі А&D, які приєдналися до тренду цифрової інженерії. Випуск говорить про їх цілі, виклики, труднощі і, в кінцевому рахунку, про те, як цифрова інженерія стала ключовим чинником їх успіху. Ми сподіваємося, що ці історії допоможуть вам натиснути кнопку "Я вірю".

Прочитайте останній випуск журналу Ansys Advantage та проконсультуйтеся з фахівцями компанії Софт Інжинірінг Груп, щодо програмних продуктів, які здатні допомогти у цифровій трансформації Вашого бізнесу.

Посилання

1. Deloitte. "2023 Aerospace and Defense Industry Outlook."
2. International Air Transport Association (IATA). "Global Outlook for Air Transport Sustained Recovery Amidst Strong Headwinds."
3. Breaking Defense. "General Atomics developing hybrid-electric engine for stealthy ‘MQ-Next’ drone design."
4. Electric VTOL News. "Vertical Flight Society Electric VTOL Directory Hits 700 Concepts."
5. Washington Post. "Companies are commercializing outer space. Do government programs still matter?"
6. Fortune. "Space travel is heating up — and so are rocket fuel emissions. These companies are developing cleaner alternatives to protect earth first."

У кожному новому випуску Ansys Mechanical продовжує надавати нові функції, які розширюють можливості механічних розрахунків. Завдяки вдосконаленням у галузі штучного інтелекту та машинного навчання (AI/ML) для прогнозування ресурсів, топографічної оптимізації та інших застосувань, останній випуск дозволяє здійснювати більш точне, ефективне та зручне моделювання.

Випуск Ansys 2023 R1 фокусується на більш ефективному та точному розрахунку методом скінченних елементів (FEA) за допомогою Mechanical, зокрема завдяки таким новим функціям:

• Геометрична реасоціативність (GBA);
• Прогнозування ресурсів;
• Адаптивна перебудова сітки зі збереженням геометрії (GPAD);
• Топографічна оптимізація;
• Налаштування контактів.

Геометрична реасоціативність (GBA)

Ansys Mechanical відомий в галузі своєю здатністю працювати з базовою геометрією під час побудування сітки, налаштування та проведення розрахунку. Досвідчені користувачі знають, що при внесенні змін до геометричної моделі асоціативність в Mechanical може втрачатися та раніше визначені налаштування в Mechanical можуть ставати недостатньо визначеними. Ansys Mechanical дозволяє відредагувати налаштування моделі після змін геометрії, але цей процес не завжди був зручним.

Минули ті часи, коли після внесення змін ви бачили лише дерево моделі, заповнене знаками питання через втрачену асоціативність. У версії 2023 R1 ви можете ефективно робити зміни в моделі та використовувати новий інструмент Scoping Wizard для автоматичного виявлення та відновлення зав’язків.

Тепер, при імпортуванні оновленої моделі у Mechanical, елементи геометричної моделі, з якими втрачено асоціацію будуть представлені у різних кольорах в залежності від виду асоціативності. Помічник Scoping Wizard надає перелік асоціацій, з відповідним статусом. Елементи, які були визначені і можуть бути повторно асоційовані, розфарбовані зеленим кольором, елементи з кількома можливими відповідностями - жовтим, а елементи, які не можуть бути автоматично повторно асоційовані, - червоним кольором.

Ефективне відновлення асоціативності після редагування CAD-моделі з використанням нового інструмента Scoping Wizard.

Адаптивна перебудова сітки зі збереженням геометрії (GPAD)

Чи стикалися ви коли-небудь з необхідністю використовувати складну модель у Mechanical, яка вам не знайома або з невідомими наперед можливими зонами концентрації напружень та деформацій? У минулому існували два способи розв'язання цієї проблеми:

• Будувати грубу сітку, проводити попередній розрахунок, а потім, на основі отриманих уявлень, додавати деталізацію до моделі.
• Будувати занадто щільну сітку відразу, щоб зафіксувати зона концентрації напружень та деформацій.

Зрозуміло, що ці методи забирають багато часу, тому у Mechanical додали нову функцію – Адаптивна перебудова сітки зі збереженням геометрії (GPAD), яка усуває потребу у створенні занадто щільній початковій сітці та усуває необхідність підбирати щільність сітки для окремих областей моделі.

GPAD дозволяє розпочати моделювання з грубою сіткою, а під час розв'язку моделі вирішувач буде автоматично слідкувати за величинами, наприклад напруженнями, і автоматично ущільнювати сітку. Деталізація сітки здійснюється відповідно до базової CAD-моделі з прив’язкою до справжньої форми моделі, а не до раніше створеної грубої сітки. Оскільки перебудова сітки відбувається одночасно з розв’язанням, забезпечується точність без значного збільшення обчислювальних витрат.

Адаптивна перебудова сітки зі збереженням геометрії (GPAD) автоматично деталізує сітку на основі базової CAD-моделі.

Прогнозування ресурсів

Моделювання методом FEA стають все більш витратним та складним через використання різних типів елементів, матеріалів, контактів, з'єднань, граничних умов та навантажень. У той же час використання обчислювальних ресурсів експоненційно зростає як у власних, так і в хмарних середовищах. На цьому етапі надзвичайно важливо знати апаратні вимоги задачі, такі як оперативна пам'ять та кількість ядер центрального процесора. Вдосконалення у галузі прогнозування ресурсів дозволяють вирішити цю проблему шляхом прогнозування необхідної кількості оперативної пам'яті, часу на розв'язання та продуктивності масштабування вирішувача перед початком розрахунку.

Прогнозування ресурсів у Mechanical використовує алгоритми на основі машинного навчання для прогнозування кількості оперативної пам'яті та часу розв'язання складних моделей. Цей алгоритм аналізує мільйони анонімних даних з раніше проведених розрахунків та порівнює ці дані з даними користувача та надає бажаний прогноз. У Ansys 2023 R1 ця функція працює з лінійним статичним та модальним розрахунком з використанням як ітеративного (Iterative), так і прямого (Direct) вирішувача, і підтримує масштабування  до 32 ядер процесора.

Використання штучного інтелекту та машинного навчання (AI/ML) для отримання інформації про обчислювальні ресурси, необхідні для проведення розрахунку у Ansys Mechanical.

Топографічна оптимізація

У Mechanical вже впроваджені різноманітні методи оптимізації, такі як параметричне дослідження, топологічна оптимізація, оптимізація решіток та оптимізація форми. У версії 2023 R1 нам пропонують новий інструмент – топографічна оптимізація.

Ефективність конструкції суттєво залежить від її маси, особливо коли конструкція піддається динамічним навантаженням, тому раціональне зменшення маси є важливим. До тонких конструкцій ми не можемо застосувати топологічну оптимізацію, а інші методи менш ефективні у пошуку рішення, особливо коли ми маємо технологічні та конструктивні обмеження.

Топографічна оптимізація найкраще працює у тих сценаріях, коли ми не змінюємо товщину або загальну форму конструкції, а використовуємо методи вільного морфінгу (free morphing) для визначення оптимальних місць розташування вузлів сітки. Одночасно забезпечується відповідність конструкції технологічним вимогам. Цей підхід допомагає покращити шумові та вібраційні властивості (NVH), а також жорсткість, втомну довговічність, динаміку при аваріях та зменшити вагу конструкції.

Оптимізація каркасних та оболонкових конструкцій тепер може бути виконана за допомогою топографічної оптимізації.

Налаштування контактів

Для користувачів з автомобільної галузі налаштування контактів для моделювання елементів кузова (Body in White, BIW) може стати дуже складним процесом. Це головним чином пов'язано з тим, що моделі BIW містять різноманітні складні особливості та різні типи контакту, включно з клейовим з’єднаннями, зварними з’єднаннями, заклепки та інше. Раніше треба було вручну назначати контакти на відповідних сторонах оболонок. У версії 2023 R1 спрощено налаштування шляхом вказання того, що цільове з’єднання є двостороннім. Таке з’єднання враховує як додатні та від’ємні напрямки до цільові поверхні і усуває потребу у створенні кількох контактів.

Вдосконалення контактів спрощують налаштування складних моделей, наприклад контакту між клеєм та металевим листом.

Бажаєте отримати консультацію щодо використання вказаних функцій у розрахунках, або дізнатись що ще нового є в Ansys Mechanical 2023 R1 – звертайтесь до спеціалістів компанії Софт Інжинірінг Груп.

У машинобудуванні підшипники є елементами машин, які забезпечують рух і зменшують тертя між рухомими частинами. Наприклад, підшипники можуть керувати поступальним рухом деталі або її обертанням навколо осі, а також запобігати руху, контролюючи зусилля, що діють на деталь.

В маленькому елементі передаються величезні зусилля. Тому не дивно, що  розрахунки підшипників є одними з найскладніших аспектів проектування машин: точність – це головне. Для успішного проектування необхідно моделювати підшипники з достатньою точністю, в той час як їх різноманітні характеристики та особливості форми важко врахувати.

Провідний виробник підшипників – компанія SKF – розробила програмне рішення у вигляді SKF Bearing, безкоштовного АСТ-розширення до Ansys Mechanical, яке спрощує процес вибору та моделювання підшипників, надаючи доступ до точних даних щодо жорсткості для понад 10 000 різновидів підшипників.

SKF Bearing спрощує та автоматизує процес вибору підшипників під час розрахунку напружено-деформованого стану методом скінченних елементів, що робить моделювання доступним будь-якому користувачу Ansys Mechanical, від початківця до експерта.

Автоматизація та точність розрахунку підшипників

Компанія SKF пропонує технічні рішення, які зменшують тертя у механізмах, одночасно збільшуючи час безвідмовної роботи та продуктивність машин. Компанія SKF зосереджується не тільки на розробці, але і сприяє розумному та екологічно чистому розвитку, вкладаючи значні зусилля у дослідження з великим акцентом на надійність та сталість.

Компанія SKF запропонувала додаток SKF Bearing на конференції з інженерного моделювання Level Up 3.0.

Основними розробками компанії є обертові вали, включно з підшипниками, ущільненнями, системами управління змащенням, системами штучного інтелекту (AI) та бездротового контролю стану. Крім механічних частин і апаратного забезпечення, компанія SKF розробляє програмне забезпечення для проектування підшипників, включаючи програмні додатки, які інтегруються з програмним забезпеченням сторонніх виробників, щоб допомогти клієнтам більш точно та легко моделювати підшипники.

Hedzer Tillema, менеджер з продукту відділу інженерного програмного забезпечення компанії SKF, запропонував один з найновіших додатків – SKF Bearing – на інженерній конференції з інженерного моделювання Level Up 3.0 від Ansys.

Додаток був розроблений з використанням Application Customization Tool Kit (ACT), який дозволяє користувачам автоматизувати робочі процеси, створюючи так звані Помічники (або Майстри –Wizards). Ці Помічники надають покроковий та зрозумілий для будь-якого користувача інтерфейс та налаштовані до виконання обраних завдань. Як зазначено вище, SKF Bearing призначений для прискорення моделювання підшипників та їх розрахунку методом скінченних елементів в Ansys Mechanical.

Як каже Hedzer Tillema, компанія SKF підтримує нову тенденцію у галузі проектування та виробництва, згідно до якої інженери та проектанти починають використовувати моделювання та віртуальне тестування на більш ранніх етапах розробки. Шляхом застосування моделювання на ранній стадії розробки, а не лише на стадії верифікації, фахівці отримують важливі дані, які допомагають запобігти помилкам проектування та скоротити час виходу розробки на ринок.

Завдяки інтегруванню моделювання та сумісним програмним засобам, компанія SKF надає можливість більшій кількості інженерів та проектантів отримати цифрову трансформацію.

За словами Hedzer Tillema, основними викликами в моделюванні підшипників є:

• Наявність високонелінійних компонентів, що мають значний вплив на всі системи, який складно передбачити без детального аналізу.
• Різноманітність типів підшипників.
• Значний вплив мікроскопічних особливостей поверхонь та властивостей матеріалів на всі системи. Доречи, такі дані є інтелектуальною власністю і, отже, зазвичай недоступні при проектуванні.

Отже, традиційний спосіб моделювання підшипників передбачає використання методу випробувань і помилок, що часто зумовлює великі витрати часу та коштів.

"Як подолати ці виклики? Що ми пропонуємо?" - запитав Hedzer Tillema учасників конференції Level Up 3.0. "Наша пропозиція – додаток SKF Bearing, який знімає тягар моделювання підшипників з рук інженерів з моделювання."

На даний момент, додаток не призначений для детального моделювання підшипників кочення або вивчення впливу його характеристик на продуктивність. Замість цього, SKF Bearing призначений допомоги точно врахувати жорсткість підшипника при його моделюванні.

Розрахунок підшипників у кілька кроків

Abhinand Pusuluri, розробник програмного забезпечення компанії SKF, продемонстрував додаток SKF Bearing на конференції Level Up 3.0 н прикладі однорядного циліндричного роликового підшипника SKF NU 315 ECP.

SKF Bearing обчислює необхідні параметри для вашої моделі всього за кілька кліків. Підшипник моделюється як жорстке кільце, жорсткість якого обчислюється відповідно до реального підшипника за рахунок взаємодії з хмарним сервером SKF. Розрахункова жорсткість враховує деталі контакту між рухомими елементами та канавками підшипника, а також мікроструктуру поверхонь.

В результаті, SKF Bearing надає кілька переваг, зокрема:

• Простота розрахунку та моделювання підшипників.
• Доступ до даних 10 000 найменувань підшипників, які включають всі типові конструкції.
• Хмарний онлайн-інструмент гарантує актуальність даних щодо розрахунку жорсткості підшипника.

Підвищенню точності розрахунків з SKF Bearing сприяє наявність двох моделей:

• Нелінійна модель жорсткості для статичного розрахунку для визначення величин навантажень на підшипник.
• Модель сталої жорсткості для динамічного розрахунку, наприклад, розрахунку власних частот коливань.

Додатково, є можливість вибору властивостей контактних поверхонь підшипників та його системи координат. Щоб зробити це ще простіше, є можливість скористатися онлайн-інструментом розрахунку SKF Bearing Select від компанії SKF для визначення підшипників, які найбільше підходять для конкретної розробки.

Результати моделювання підшипників генеруються миттєво за допомогою додатку SKF Bearing у Ansys Mechanical

Почніть працювати з SKF Bearing у Ansys Mechanical

Жорсткість підшипників суттєво впливає на динаміку машин та механізмів. SKF Bearing дозволяє легко створювати моделі підшипників для точного врахування його жорсткості за допомогою зручного Помічника і безпосереднього доступу до даних понад 10 000 найменувань підшипників у каталозі SKF.

Бажаєте отримати консультацію щодо отримання, встановлення програмного забезпечення Ansys, або технічної та методичної підтримки розрахунків – звертайтесь до спеціалістів компанії Софт Інжинірінг Груп. Спеціалісти компанії також допоможуть створити власні додатки до програмного забезпечення Ansys для автоматизації та кастомізації процесу розрахунку.

Ми хочемо «мати все і одразу», проте реальність полягає в тому, що життя повне компромісів. Один з компромісів, який клієнти Ansys роблять щодня, це компроміс між швидкістю моделювання та точністю результатів. Усвідомлюючи, що у кожної команди розробників продукту свої пріоритети, Ansys працює над спрощенням пошуку компромісу, а також пропонує ряд рішень, які надають специфічні переваги користувачам.

З одного боку, флагманські фізичні вирішувачі Ansys, такі як Ansys Mechanical та Ansys Fluent, розроблені для вирішення надзвичайно складних проблем, таких як турбулентність і вібрації, з надзвичайною точністю. Інженери можуть застосовувати кілька фізичних законів, розглядати перехідні процеси, виконувати розрахунки на рівні системи та майже повністю копіювати реальний процес. Зрозуміло, що повномасштабне моделювання є складним с точки зору використання апаратних ресурсів завданням, яке, незважаючи на стрибок у вдосконаленні апаратних засобів і програмного забезпечення, вимагає значного часу на розв'язання.

З іншого боку, Ansys пропонує рішення для початкових етапів моделювання, такі як Ansys Discovery, які розв’язують фізичні задачі з меншою точністю, але набагато швидше. На початку циклу проектування, команда розробників може швидко оцінити наближені показники якості розробки і прийняти попередні рішення щодо загального напрямку проектування. Вони можуть тестувати різні сценарії та вільно привносити інновації, знаючи, що розробка буде піддана більш ретельному аналізу на наступних етапах.

Кожен користувач Ansys підтвердить, що і результати високої точності, і результати меншої точності, але отримані швидше, є цінними. Кожен підхід отримав своє місце у процесі розробки і довів свою ефективність з точки зору виходу на інвестиції. Однак, сьогодні клієнти Ansys мають зробити загальний вибір між швидкою моделлю з меншою точністю і повільною, більш точною.

Моделювання зовнішнього потоку навколо корпусу автомобіля: поле швидкостей, поле тиску та лінії току

Наступний крок: прискорення точних розрахунків

Щоб надавати клієнтам найкращі можливості без жодних компромісів, Ansys постійно працює над інноваціями. Ми вважаємо, що майбутнє покоління програмного забезпечення Ansys буде здатне забезпечити одночасно як надзвичайну швидкість, так і надзвичайну точність в рамках одного рішення. І ми вважаємо, що досягнення цього потужного поєднання переваг полягає в застосуванні глибинного навчання (deep learning) у поєднанні зі флагманськими вирішувачами Ansys.

Інженерне моделювання базується на використанні рівнянь у часткових похідних. Значну частину часу при моделюванні вирішувачі Ansys витрачають на формулювання умов задачі, включаючи визначення геометричних особливостей, граничних умов та обмежень. Прискорити цей процес складно через значний обсяг обчислень, необхідний у випадках щільних розрахункових сіток та складних геометричних форм. Кожен розрахунок потрібно здійснювати «з нуля».

В той же час, методологія глибинного навчання може все змінити. R&D-команда Ansys вивчає можливості використання методів глибинного навчання для вирішення задач високої розмірності, які подібні задачам розпізнавання образів. Вони намагаються зменшити розмірність чисельно складних 3D- та 4D-моделей за допомогою технології глибинного навчання, та поєднати їх з вирішувачем у циклі, щоб зробити точні узагальнення на довільні умови задачі. Нещодавно вони опублікували статтю про новаторський підхід на основі технології глибинного навчання, відомий як Composable AutoEncoder Machine Learning Simulation (CoAE-MLSim).

Поля температур та швидкостей потоку навколо циліндру, отримані вирішувачем Fluent та за допомогою машинного навчання (ML)

Глобальний розв’язок на базі локальних даних

Які переваги надає CoAE-MLSim користувачам Ansys? Ця інноваційна технологія допоможе поєднати швидкість та легкість використання методів отримання результатів з меншим ступенем достовірності, таких як Discovery, з надійністю та достовірністю флагманських вирішувачів.

CoAE-MLSim розглядає локальні піддомени в межах розрахункової сітки моделі. Ці піддомени складаються з групи пікселів у випадку 2D-моделі, або вокселів у випадку 3D-моделі (наприклад, восьми або 16 комірок у кожному просторовому напрямку). За допомогою високорозвинених алгоритмів глибинного навчання CoAE-MLSim "вчиться" вирішувати фізичні задачі в локальних піддоменах, а потім "вчиться" правилам зв'язку між різними піддоменами. Це дає набір локально пов’язаних розв’язків по всій області сітки. Таким чином, ітеративні алгоритми глибинного навчання дозволяють CoAE-MLSim встановити локальну збалансованість для всіх груп піддоменів у всій області моделювання.

Використання підходу CoAE-MLSim означає, що програмне забезпечення Ansys "навчається", коли розглядає невеликі локалізовані області розрахункової сітки та отримують результати для всієї сітки на дуже високому рівні достовірності. При цьому алгоритми будуть сполучені з вирішувачами, що працюють на основі традиційних моделей на базі рівнянь у часткових похідних, які завжди були в основі програмного забезпечення Ansys, таких як Mechanical і Fluent.

Програмне забезпечення наступного покоління прискорить розрахунки, підвищить точність і універсальність розрахунків на базі рівнянь у часткових похідних. Воно усуває необхідність робити вибір між швидкістю та достовірністю, дозволяючи користувачам Ansys насолоджуватися обома якостями одночасно. Окрім цього, використання глибинного навчання означає, що, кожен раз, коли користувачі Ansys застосовують програмне забезпечення для моделювання у своїх власних та унікальних задачах, вирішувачі на базі глибинного навчання продовжують навчатися, надаючи з часом все більш точні та швидкі результати розрахунків.

Погляд у більш розумне майбутнє

Ми вже бачимо з вами, як штучний інтелект та машинне навчання трансформують багато аспектів нашого особистого та професійного життя. У Ansys захоплюються потенціалом нових технологій у створенні революційно нових можливостей програмного забезпечення, особливо в області розв’язання рівнянь у часткових похідних.

Хоча мета ще не досягнута, ми щодня досліджуємо можливості штучного інтелекту та машинного навчання для наших користувачів. Якщо ви теж поділяєте такий погляд у майбутнє – звертайтесь до спеціалістів компанії Софт Інжинірінг Груп за технічною та методичною підтримкою програмного забезпечення Ansys.

Глобальний ринок безпілотних повітряних апаратів (БПЛА) стрімко зростає. З продажами у розмірі 26,2 мільярда доларів у 2021 році, очікується зростання до 38,3 мільярда доларів до 2027 року¹. Дрони використовуються по всьому світу в різних сферах, включаючи оборону, пожежогасіння, пошуково-рятувальні операції, нагляд, метеорологію, зйомки новин та спортивних подій, сільське господарство та доставку всього від критичних медичних засобів до пошти. БПЛА можуть перетинати небезпечні ділянки або діставатись віддалених локацій, не ризикуючи людським життям.

Компанія Airbus, учасник недавньої конференції Ansys Digital Safety Conference (DSC), є глобальним лідером у цій галузі, відомим своїми інноваціями у виробництві як військових, так і комерційних дронів.

Нещодавно Airbus успішно продемонстрував, як безпілотні та пілотовані літаки можуть працювати разом під час оборонних місій², відкриваючи шлях до майбутньої системи повітряного бойового комплексу Європи. У літній період 2022 року сонячний дрон Zephyr компанії побив усі світові рекорди, перебуваючи у повітрі протягом 64 днів³.

При тому, що Airbus при створенні нових розробок чітко фокусується на інноваціях, безпеку ніколи не можна ставити під загрозу. Команда з розробки продуктів компанії покладається на комплекс рішень Ansys SCADE для забезпечення безпеки вбудованого програмного коду, який лежить в основі багатьох її систем БПЛА. За допомогою середовища розробки на основі моделей SCADE, Airbus може зробити процес проектування та верифікації програмного забезпечення максимально швидким і продуктивним, забезпечуючи надійність у критичних для місій застосуваннях.

Наземні контрольні станції – важлива складова БПЛА

У своїй презентації на DSC, Крістіна Расілья Реймундо, інженер систем контрольних станцій в Airbus Defense and Space, розповіла, як Airbus використовує SCADE для розробки наземних контрольних станцій для БПЛА. Наземні контрольні станції – це поєднання апаратного та програмного забезпечення, яке функціонує як "наземна кабіна" для БПЛА.

З можливостями як моніторингу, так і керування, наземні станції можуть збирати, передавати та отримувати інформацію від БПЛА в критичні моменти, такі як запуск, забезпечуючи також безпечну роботу під час тривалих польотів. Наскільки це важливо? Прогнозується, що глобальний ринок наземних контрольних станцій досягне 850,5 мільйонів доларів до 2027 року.

У своїй презентації на DSC, Расілья описала три типи систем керування БПЛА:

• Переносні наземні контрольні станції (це може бути ноутбук або планшет), які забезпечують швидке розгортання.
• Мобільні наземні контрольні станції, які забезпечують комунікацію дистанційно під час польоту БПЛА у полі зору.
• Розподілені наземні контрольні станції, які складаються з двох частин: мобільної частини для запуску та посадки, яка використовується для комунікації дистанційно під час польоту БПЛА у полі зору під час злету та посадки, та станції фіксованого типу, яка підтримує зв’язок з БПЛА під час його польоту.

Зусилля з розробки у компанії Airbus напрямлені на створення як мобільних, так і розподілених наземних станцій керування.

Забезпечення надійності за допомогою Ansys SCADE

Інтерфейси людина-машина (HMI), що підтримуються тисячами рядків програмного коду, є ключовими для забезпечення ефективності роботи компонентів та зручного використання операторами. Airbus інвестував значні кошти у розробку спільної платформи HMI, яка є основою для всіх його рішень з наземного контролю. З початку 2015 року Airbus почав використовувати SCADE для розробки вбудованого програмного коду для своєї платформи HMI.

"У попередніх проектах розробка HMI повністю здійснювалась за допомогою коду, написаного вручну. Однак, в певний момент ми вирішили розвинути процес розробки HMI і почати використовувати Ansys SCADE для системного інжинірингу на основі моделей", - каже Расілья. SCADE дозволяє Airbus генерувати код автоматично, забезпечуючи при цьому відповідність до критичних вимог промисловості.

"Нам було потрібно, щоб HMI та його вбудований код відповідали низці комерційних та військових стандартів з сертифікації", - каже Расілья. "Ми застосовуємо стандарт ARINC 661, який визначає загальну архітектуру програмного забезпечення для інтерактивних дисплеїв. Він визначає як систему дисплеїв кабіни, так і програму користувача, включаючи його основне програмне забезпечення та логіку".

Чому Airbus покладається на SCADE у питаннях безпеки? "По-перше, набір рішень SCADE використовується в Airbus для комерційних та військових програм вже довгий час і дав дуже добрі результати. Це перевірене рішення", - каже Расілья. "По-друге, SCADE гарантує відповідність до ARINC 661 та інших стандартів, оскільки ці вимоги вже вбудовані. По-третє, SCADE розроблено з урахуванням взаємодії з іншими інструментами, які ми використовуємо, тому, переходячи від однієї програми до іншої, ми отримуємо більш повне та повторне використання даних."

"Нарешті, SCADE був спеціально розроблений для вирішення завдань розробки програмного забезпечення для критичних систем", - підкреслює Расілья. "Це інструмент, який налаштовується, тому нам не потрібно використовувати ручну розробку та програмне забезпечення масового ринку для виконання дуже спеціалізованих та важливих завдань розробки наших продуктів."

У Airbus інструменти SCADE допоможуть значно скоротити час та витрати на сертифікацію на відповідність нормам безпеки шляхом спрощення проектування критичних керуючих програм, автоматизації верифікації та генерації коду, а також створення документації. Рішення SCADE безперешкодно інтегруються в процес розробки Airbus завдяки дотриманню стандартам взаємодії та можливостям налаштування на основі Python.

Підтримка найвищого рівня інновацій у розробках

SCADE також спрощує повторне використання попередніх моделей та даних Airbus, замість того, щоб кожен раз починати з нуля при налаштуванні та оновленні архітектури програмного забезпечення. Зміни, що вносяться в одну частину створеної моделі SCADE, автоматично відображаються в усій архітектурі. Це не лише заощаджує час, але й дає інженерам більше простору для інновацій.

Маючи мету утримання лідерства Airbus на глобальному ринку безпілотних повітряних апаратів завдяки новаторським розробкам, компанія не може обмежуватись написанням коду та підтримкою відповідності стандартам за допомогою програмного забезпечення масового ринку. Рішення сімейства SCADE спеціально розроблені для ефективного та автоматичного забезпечення відповідності, одночасно забезпечуючи інновації шляхом модельного та логічного підходу.

"Від моніторингу та управління БПЛА до керування HMI та дисплеями наша мета – забезпечення безпечної та надійної роботи наших розробок в реальних умовах експлуатації", - каже Расілья. "Це надає Airbus, а також нашим клієнтам, високий рівень впевненості."

Бажаєте дізнатися більше про те, як Airbus використовує можливості Ansys SCADE? Дивіться виступ Крістіни Расілья Реймундо тут.

Бажаєте придбати програмне забезпечення Ansys SCADE, або консультацію фахівців – звертайтесь до компанії Софт Інжинірінг Груп.

Посилання:

1. “Global UAV Market Report 2022: Use of UAVs for Cargo Delivery in Military Operations Presents Opportunities.”PR Newswire, November 17, 2022.  
2. “Airbus Leads Large-Scale Manned-Unmanned Teaming Flight Demo.”Avionics International, December 13, 2022.
3. “Up, up and away: Airbus’ Zephyr drone breaks flight record high above Arizona.”Defense News, July 22, 2022.
4. “Global UAV Ground Control Station Market to Reach $850.5 Million by 2027.”Yahoo Finance, October 13, 2022.

Уявіть собі, що ви покращуєте конструкцію вентилятора та збільшуєте його довговічність за рахунок керування механічними властивостями матеріалу на різних ділянках лопатки! Або уявіть собі, що для визначення працездатності ви тестуєте віртуальні прототипи матеріалів замість реальних зразків, економлячи час і ресурси!

Ідея інтеграції розрахункових моделей та експериментів для проектування та оптимізації матеріалів не нова, але була обмежена ступенем розвитку технологій у галузі управління даними, взаємодії програмного забезпечення та автоматизації робочих процесів [NASA Vision 2040: A Roadmap for Integrated Modeling of Materials and Systems]. Такий підхід отримав назву інтегрований цифровий Інжинірінг матеріалів (integrated computational materials engineering – ICME). Він поєднує методики з матеріалознавства, хімії, фізики, інженерії та програмного забезпечення для створення інтегрованих робочих процесів моделювання матеріалів з метою розуміння їх поведінки у різних просторових та часових масштабах.

Цифровий Інжинірінг матеріалів у Ansys

Як лідер у сфері інженерного моделювання, Ansys відіграє ключову роль у розробці програмних засобів для підтримки ICME. Ansys надає інженерам можливість моделювати структуру матеріалів для прогнозування властивостей, наприклад, термомеханічних властивостей за різних умов експлуатації, що дуже важливо для точного моделювання поведінки таких матеріалів, як сплави або композити.

Ось кілька прикладів такого функціоналу в Ansys:

• проектування матеріалів зі складними особливостями мікроструктури, композитів, метаматеріалів та інше;
• автоматизація та керування масштабних робочих процесів;
• управління інформацією про матеріали та процеси;
• автоматизована оптимізація, аналіз чутливості та надійності.

Інструменти Ansys, пов'язані з ICME, виходять за межі наведених вище прикладів. Поєднання з міждисциплінарними вирішувачами Ansys, які описують мікро- та макрофізичні явища, а також з моделями сторонніх розробників, значно розширює межі застосування фреймворку.

Використання deep learning для підвищення якості прогнозування властивостей матеріалів

Програмне поєднання міждисциплінарних досліджень

ICME, за своєю суттю, є широким і багатодисциплінарним напрямом, в центрі якого знаходиться матеріалознавець. Однак, звичайний дослідник або інженер з розрахунків може і не бути експертом з ICME. Тому найбільшим викликом на шляху впровадження ICME в інжиніринговій компанії є побудова програмного «мосту», який дозволив би саме експертам:

• створювати власні робочі процеси з прогнозованим ступенем невизначеності;
• впроваджувати розроблені процеси для використання менш кваліфікованими користувачами.

Ansys активно шукає існуючі та розробляє нові ефективні способи вирішення цієї задачі. На сьогодні компанія Ansys розробила прототип програмного фреймворку для забезпечення необхідного для ефективного ІСМЕ міждисциплінарного співробітництва. Поточна конфігурація програмного забезпечення використовується для перевірки та тестування розробок на реальних даних на ранніх стадіях дослідницьких проектів, а також для подальшого уточнення.

Прототип програмного фреймворку Ansys ICME

Фреймворк майбутнього

Що фреймворк може дати нам у майбутньому? Прототип програмного забезпечення вже був застосований для вивчення впливу фреймворку ICME на успішність розробки та виробництва матеріалів. На цей час часу було реалізовано різноманітні робочі процеси, серед яких:

• проектування та оптимізація гібридних та композитних матеріалів з використанням інструменту Ansys Material Designer у програмі Ansys Mechanical;
• прогнозування властивостей матеріалу на основі репрезентативних елементів об'єму (representative volume elements – RVE) та властивостей зерен методом кристалічної пластичності у Ansys Mechanical;
• прогнозування та калібрування показників міцності піноматеріалів у Ansys LS-DYNA;
• прогнозування та калібрування кінетичних параметрів процесу у моделі каталітичного реактора з використанням Ansys Fluent;
• прогнозування молекулярної структури органічних електронних пристроїв шляхом моделювання молекулярної динаміки з використанням вирішувачів сторонніх розробників.
• оцінка властивостей ламінату, залишкових напружень та деформацій інструментами загальної теорії ламінатів на публічній платформі nanoHUB.

І це лише кілька прикладів робочих процесів, реалізованих для перевірки та тестування розробок на реальних даних.

Шаблони моделювання, доступні у Ansys Granta MI

Ansys і далі продовжуватиме вдосконалення інструментів програмного фреймворку ICME з баченням, що цей підхід допоможе в значній мірі знизити кількість експериментів методом проб та помилок при розробці матеріалів. Ansys активно займається пошуком та розробкою ефективних способів вирішення цієї задачі. Вже розроблено прототип програмного фреймворку для забезпечення міждисциплінарного співробітництва у ICME. Поточна конфігурація програмного забезпечення використовується для перевірки та тестування розробок на реальних даних на ранніх стадіях дослідницьких проектів, а також для подальшого уточнення. Результати досліджень будуть представлені на Всесвітньому конгресі NAFEMS 2023 наприкінці травня.

За отриманням компонентів програмного фреймворку, методичної та технічної підтримки звертайтесь до фахівців компанії Софт Інжинірінг Груп.

При проектуванні нового продукту чи процесу інженерам потрібно враховувати багато параметрів, щоб прийти до оптимальної конструкції. Залежно від продукту, до них можуть відноситися матеріали, механічна міцність, аеродинаміка, теплове випромінювання, електромагнітна сумісність та перешкоджання, оптичні властивості, кібербезпека та багато інших факторів. Відносно простий продукт може потребувати оптимізації лише одного-двох з цих параметрів, але більшість нових продуктів стають все складнішими, потребуючи компромісу між кількома властивостями для отримання оптимальної продуктивності.

Моделювання рідко здійснюється по одинці. Інженер може здійснювати розрахунки для оцінки міцності кріплення трансмісії автомобіля нової конструкції, але ці розрахунки, ймовірно, відбуваються в більш широкому контексті. Він може також враховувати напруження у кріпленні двигуна, жорсткість каркасу автомобіля і так далі. Справа не лише у кількості компонентів конструкції, а й у тому, що кожен компонент складається з матеріалів, які можливо замінити, якщо результати розрахунку не задовольняють стандартам. Дуже багато змінних! Дуже багато розрахунків! Як ефективно визначити оптимальну конструкцію? Відповідь на це питання може дати Ansys optiSLang.

КЛЮЧ ДО ОПТИМІЗАЦІЇ МІЦНОСТІ Конструкцій

Ansys optiSLang - це рішення для інтеграції процесів та оптимізації конструкцій (process integration and design optimization – PIDO), яке надає сучасні алгоритми оптимізації міцності конструкції (robust design optimization – RDO). Програмне забезпечення враховує вірогідність та довірчий інтервал у автоматичному та ефективному визначенні оптимальної конфігурації конструкції. Програмне забезпечення optiSLang вбудовано в Ansys Workbench та Ansys Electronics Desktop (AEDT) і полегшує всі аспекти RDO, включаючи дослідження конструкції, оптимізацію, міцність та аналіз надійності. Воно не обмежене лише інструментами моделювання Ansys. Компанії використовують optiSLang в автоматизованих робочих процесах, які можуть включати програмне забезпечення інших компаній. Робочий процес optiSLang опрацьовує та передає дані від ітерації до ітерації, доки не будуть досягнуті критерії оптимізації.

Одинадцять параметрів, п’ятдесят комбінацій. Які з них важливі?

Як правило кожна компанія вже має свої робочі процеси оптимізації на базі інженерного моделювання, але в багатьох випадках вони потребують значних зусиль з боку людини. Інженери з досвідом використання Ansys Mechanical, наприклад, проводять розрахунки та вручну передають результати іншому інженеру, який спеціалізується на розрахунках з використанням Ansys Fluent. Якщо наступний інженер у робочому процесі використовує інструмент моделювання стороннього виробника або власної розробки, то дані, отримані Fluent або Mechanical, необхідно обробити для подальшого використання. Кожен з цих кроків займає час, і кожен з них створює можливість для появи помилок. Хоча компанія, яка підходить до RDO таким чином, може досягти певної ефективності у використанні програмного забезпечення на кожному кроці, загальний робочий процес можна охарактеризувати як недосконалий і неефективний. Ansys optiSLang змінює цю тенденцію. Його простий у використанні інтерфейс користувача спрощує створення робочих процесів, які автоматизують міждисциплінарні розрахунки та обробку даних. Він полегшує поєднання власного коду та додатків сторонніх виробників, інструментів пре- та постпроцесингу, а також складних робочих циклів. Ansys optiSLang спрощує управління задачами обробки даних у середовищі обчислювальних систем високої продуктивності (HPC). Він також взаємодіє з додатком управління базою наукових даних Ansys Minerva, який забезпечує безпеку даних моделювання та кооперацію співробітників різних географічних зонах та відділах компанії.

КОНТРОЛЬ ПАРАМЕТРІВ

Можливість посилити зв'язок між різноманітними інструментами параметричних розрахунків забезпечує небачене раніше розуміння параметрів, які можуть бути корисними для складної конструкції. Але така інформація може бути надто складною. Якщо можливо керувати всім, від матеріалу до розміру, форми і міцності окремого компонента, то які параметри є найбільш корисними для досягнення визначених цілей? Ідентифікація параметрів є ще однією областю, в якій Ansys optiSLang дуже ефективний. Ansys optiSLang використовує кілька алгоритмів планування експериментів (DOE), включно з мета-моделлю оптимального прогнозування (MOP), які аналізують і ідентифікують найважливіші для оптимізації конструкції параметри. За допомогою інсайтів, що надаються алгоритмами DOE, інженерна команда може швидко відкинути велику кількість зайвих розрахунків і сконцентрувати зусилля на дослідженні лише значущих параметрів, що значно прискорює удосконалення конструкції та знижує витрати.

Ansys optiSLang має простий інтерфейс користувача, який спрощує створення робочих процесів, автоматизує міждисциплінарні розрахунки та кооперує інженерів

Одній з компаній, які використовують Ansys optiSLang при створенні безперервного робочого процесу з використанням кількох інструментів моделювання, вдалося скоротити час завершення етапу розробки на 56% і знизити витрати на 84%. За допомогою optiSLang компанії вдалося значно зменшити кількість ітерацій розробки, фокусуючись на тих параметрах, які optiSLang визначив як найбільш впливові на цілі розробки. Оптимізована конструкція дозволили збільшити маржинальність та знизити витрати на виробництво.

РЕАЛЬНІ ПРИКЛАДИ ЗАСТОСУВАННЯ

Так само, як optiSLang може допомогти інженерній команді визначити найбільш впливові параметри оптимізації конструкцій, він також може допомогти визначити, чи є сам дизайн оптимальним з точки зору надійності. Оптимізувати дизайн так, щоб він відповідав заданому набору специфікацій - одна річ. Чи є самі ці специфікації оптимальними - це зовсім інше питання. Якщо специфікації забезпечують рівень міцності або якості більшим, ніж необхідно, то що робити? В будь-якому інженерному процесі можуть бути невизначеності у допусках, навантаженнях, матеріалах та іншому. Може бути значна варіація умов, в яких пристрій або конструкція може працювати. Ansys optiSLang включає серію аналізаторів надійності, які враховують всі ці варіації у визначенні оптимальних допусків, навантажень, матеріалів та інше. Якщо заданий рівень якості може бути досягнутий лише за допомогою особливо вартісного матеріалу, а інший, трохи нижчий рівень, за допомогою менш вартісного матеріалу, то компанія може піти по шляху зменшення надійності, але, при цьому, значно зменшити вартість. Зворотний приклад: якщо аналіз варіацій свідчить про те, що початкові технічні вимоги були недостатньо жорсткими, optiSLang може допомогти визначити, де внести зміни, щоб розробка більш ймовірно відповідала загальним вимогам продуктивності та надійності.

БАЖАЄТЕ СПРОБУВАТИ?

Програмне забезпечення optiSLang вбудоване і доступне користувачам Workbench або AEDT. Ті, хто досі не є користувачем, можуть завантажити пробну версію optiSLang, яку можна використовувати безкоштовно протягом 30 днів. За допомогою у отриманні програмного забезпечення та повною підтримкою звертайтесь до фахівців компанії Софт Інжинірінг Груп – офіційного дистриб’ютора продуктів компанії Ansys Inc.