1 人工智能和深度学习概述
AI,即人工智能的简称,是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的技术科学。它通过计算机程序和算法,模仿并扩展了人类智能的各个方面,包括感知、学习、推理和决策等。它包括许多分支,如机器学习、深度学习、自然语言处理、计算机视觉等。深度学习是机器学习的一种形式,它使用具有多个层次的神经网络来处理和学习数据。深度学习通过对数据进行层次化的抽象,使计算机能够更好地识别和解释复杂的数据结构。
人工智能、机器学习、深度学习和神经网络的关系如下图所示,即神经网络是深度学习的基础(算法),深度学习是机器学习的一种形式,机器学习是人工智能的一部分。
图1 人工智能、机器学习、深度学习及神经网络关系图
2 深度学习与CAE
CAE,是用计算机辅助求解复杂工程和产品结构强度、刚度、屈曲稳定性、动力响应、热传导、三维多体接触、弹塑性等问题的分析计算以及结构性能优化设计等问题的一种近似数值分析方法。
深度学习是通过多层神经网络算法从大量数据中自动地归纳逻辑或规则形成模型,并根据模型对新数据进行预测。
两者既有共性又有差异,共性都是基于给定的输入条件/参数,来分析/预测相关的响应。差异性在于CAE分析时,包含了结构、流体、电磁等学科的理论知识,在给定的条件下,分析结果精度高。而深度学习,不考虑数据间的逻辑关系和学科知识,单纯的就输入和输出的数据通过归纳总结的方式来分析自变量与因变量之间的关系,一般来说,预测结果精度没有CAE高。
但是,对于CAE分析来说,复杂的结构,复杂的工况条件通常会需要较长的周期,比如非线性的碰撞,跌落分析,或者电磁散射分析,通常需要若干天,甚至若干周的计算周期。而深度学习,训练好的模型,可以在分钟甚至秒级的时间内完成快速预测,进而极大地缩短设计周期。
因此,可以建立一种数据预测模型,它的基础不是明确清晰的物理原理和几何特征,而是大量的历史数据。通过数据不断训练模型,最终形成基于CAE工程验证数据的大模型,从而对设计参数做出预测,可实现参数驱动的产品设计,思路图如下。
图2 数据预测模型思路图
3 Chat-CAX智能识别机械仿真设计软件大模型
近年来,随着工业软件的飞速发展,各类工业软件百花齐放,软件功能日益强大,但伴随的也是设计仿真人员对软件的高学习成本。面对繁重的工作任务,如何最大化地减少学习软件所需要的精力和时间,在保证结果可靠性的前提下实现产品的快速迭代,是值得思考的的问题。针对行业痛点,提出了Chat-CAX大模型,即基于AI智能识别的工业软件大模型,并针对智能识别、人机实时交互、商业软件二次开发、工程问题超算场景、深度学习及神经网络进行相关技术实践和模型测试,该模型已完成首轮技术迭代。
图3 Chat-CAX智能识别机械仿真设计软件大模型
作为人工智能的一大分支,AI语音识别技术现阶段在各个领域已有广泛的应用,如语音助手、电话客服、自动驾驶等,它的持续发展使得人机交互变得更加智能、便捷和个性化,极大地改善了人们的生活和工作体验。
Chat-CAX将AI语音识别系统、人机实时交互系统以及商业软件二次开发进行深度结合,工程师的人机交互从鼠标/键盘的繁琐操作转换为语音指令或对话的形式,通过独立或连续的语音指令直接驱动软件操作和数据交互。通过超算的持续数据赋能,结合深度学习模型,实现语音人机交互的全流程工程数据预测和验证。
Chat-CAX大模型能为我们带来了一个更为便捷、智能的场景,我们将能够享受到更为自然、高效的交互体验,同时也能够拥有更多个性化、定制化的软件选择。这将极大地推动我们的工作方式向更为智能化、数字化的方向发展。
四、总结及展望
CAE在工业领域的多年应用,已积累了大量数据作为深度学习的基础,随着AI技术的不断成熟与深入,AI仿真分析俨然成为了CAE行业发展的大趋势,相信Chat-CAX未来会出现很多极具突破性的应用成果,为不断加快的工业发展注入新的能量。
4 总结
长期以来机械仿真设计软件面临的最大问题是限于理论的不完备和计算能力的不足,大量的工程问题难以得到快速和准确的求解,且不断复杂的软件本身也造成了技术人员使用的局限。本文提出的Chat-CAX基于AI智能识别的机械仿真设计软件大模型,能够针对智能识别、人机实时交互、商业软件二次开发、工程问题超算场景、深度学习及神经网络进行相关技术实践和模型测试,并完成了该模型首轮的技术迭代。预期本文所提出的技术将AI技术应用于工程软件能有效加速求解速度,并结合语音识别可以降低技术人员的应用门槛。
参考文献
[1]林侃.基于AI三维建模仿真的5G网络精确规划[J].信息与电脑(理论版),2020,32(04):193-198.
[2]卢宁.飞机制造行业数字化转型背景下的AI驱动创新模式研究[J].中国高新科技,2024(08):92-94.
[3]AI大模型工业应用模式及其实现[J].中国工业和信息化,2024(04):20-25.
[4]钱童心. 从特斯拉到富士康 数字仿真技术成为AI工厂“标配”[N]. 第一财经日报,2023-10-24(A01).
[5]沈嘉玮,才大业,杨国青,等.大规模脉冲神经网络动态加载仿真方法[J/OL].系统仿真学报:1-9[2024-05-31].
[6]聂文明,梅彬.基于动态神经网络的旋翼飞行器在线模型辨识算法[J].直升机技术,2021(03):1-7+14.
[7]路成. 基于先进代理模型的复杂结构/机构可靠性设计[D].西北工业大学,2024.
[8]刘钰. 基于麦克风阵列的声源DOA估计与语音增强算法研究[D].电子科技大学,2024.黄清,方木云.一种基于HMM算法改进的语音识别系统[J].重庆工商大学学报(自然科学版),2022,39(05):56-61.
作者简介:董晓芳(1978.05),性别:女,学历:研究生,学位:硕士,职称:副高级工程师,研究方向:从事液体火箭发动机设计。