仿真流程自动化的发展概况和趋势

“归纳整理了汽车行业仿真流程自动化的发展概述：2011年左右的模型建模自动化阶段，2015年左右的前后处理的自动化阶段和2018年左右的仿真平台的开发和应用阶段。并提出两个发展趋势：工程师的对结果分析判断的经验融合到程序中和仿真分析数据的的应用挖掘。”

01引言

做的CAE分析工作越多，越是希望凡是重复性的操作可以通过编写程序来替代，让工程师从繁杂重复的体力工作中解脱出来，拥有更多的时间和精力琢磨一些更加有创新性、有技术含量的工作，不断提高仿真工程师的个人能力，提升整个CAE工程师的应用价值。

仿真工程师的本职工作拆解一般可以分为：前处理，工况设置，提交计算，后处理，优化和报告。其中各步骤中都可以使用程序的思想来让整个流程自动运行起来，最好能达到所见即所得，完全实现从前处理到报告的一键完成。理想很丰满，但现实很骨感。虽然暂时还没有实现，但以现在的技术手段来看，可以部分实现，并且将来有更多的技术方向突破点。

仿真流程自动化，就是应用程序的思想，在整个分析流程之中优化分析步骤，提升工作效率。涉及两个方面，一个是当前这个方向的发展概况，另一个是未来在该方向上的发展趋势。本文根据个人经验，将对这两个方面进行阐述。

02仿真流程自动化的发展概况

国内汽车行业OEM大规模创建团队，把CAE引入整个车型开发流程中，大概发生在2010和2011年的样子，所以我们的发展概述大概从那个时候开始。根据各阶段的主要发展特征，我大致分为三个阶段。

• 2011年左右的模型建模自动化阶段

由于大规模的CAE团队的建设，首要解决的就是建模的问题。建模本身并不难，但涉及到大量的操作，有些是重复性的操作，比如创建几十个上百个密封胶条、创建几十个局部坐标系，有些是有一些技巧的建模操作，比如创建铰链、创建翻边，还有一些是涉及大量的极容易出错的操作，比如大规模的车身焊点创建、大量的部件材料属性的划分。这些建模工作任务繁琐，操作重复，也容易出错。对于一些有要求的建模，比如铰链，翻边等，需要规范建模方法。为了解决这一些问题，很多基于TK/TCL二次开发的建模小工具应用而生。这些小工具都是一个个程序脚本，依托建模软件Hypermesh来使用，让仿真工程师建模不再困难。

• 2015年左右的前后处理的自动化阶段

这个阶段的流程自动化中，就是把原先的建模自动化方面进行了扩展，这个扩展主要表现在几个方面：一是前处理中工况设置的自动创建（或者说计算头文件的自动生成）。

譬如在刚度计算中，单一个发罩HOOD就涉及到7,8项的刚度计算，整个车型刚度计算的项目细分起来能达到60，70项，工况简单，但项目繁杂，而在NVH的传递函数计算中，激励点20多个，每个点3个方向，综合起来就能有70多个工况需要设置，稍有不慎就可能设置错误。所以，工况设置自动化，很有必要。二是结果后处理的程序开发。这个细说起来就种类繁多，功能各异了。

这个开发的目的就是实现结果的自动读取和可视化，然后自动生成报告。在有些领域，商业软件计算的结果还需要进一步处理，才能进行分析和评判。我本人主要做NVH方向，比如就遇到过IPI动刚度的后处理。无论是等效面积法还是位移倒数法，都涉及到大量数据的转换和处理，使用程序非常适合。类似的还有大量的传递函数类的处理，刚度工况的处理。

这个阶段的一些程序开发就不局限在TK/TCL了，其他的常用的语言，例如VBA，MATLAB也大量开始应用。其中VBA由于基于Excel，天然有数据存储和可视化的优势，应用的较为广泛。而涉及到与Hyperworks前后模型紧密的一些工况，例如刚度工况的设置，刚度结果的处理等就较多的离不开自带的tk/TCL了。

• 2018年左右的仿真平台的开发和应用阶段。

经过多年的发展，各OEM的仿真流程已经固定，仿真方法也日趋完善，仿真项目也固定下来了，最重要的是，各方向的仿真前后自动化工具也开发的比较多了，那么，这一阶段发生的故事就是如何把流程，工具串联起来，形成一个完善的仿真分析平台。

过去是分，现在是合。合不是简单的拼凑，是有逻辑层次的，体现仿真流程规范方法的有机组合。在这个平台上，不但包含模型的管理，任务的分配，也包含仿真结果的展示和追溯。不断优化仿真的方法和流程，实现一键生成报告的功能。仿真平台上，传统的建模仿真分析和后处理的工作，通通变成了程序的后台操作，所有的自动处理的功能，都隐藏在程序后台完成，工程师变成了平台界面的操作者和监控者。仿真平台的开发和应用，很多咨询公司已经可以做到，很多主机厂也开发了自己的平台。

03仿真流程自动化的未来的发展趋势

未来的发展趋势，主要讲两个方面。

一是工程师的对结果分析判断的经验融合到程序中。现阶段的流程自动化，基本上都是以减少工程师的重复劳动为主要目的，但涉及到如何把一些工程师的工程经验通过程序来实现。

分析和判断，往往带有主观特点，但也完全不是不可进行量化，只要分析和判断进行了量化，就能实现程序的开发算法。譬如我们的模态振型识别，算是一个完全凭工程师的判断来识别，但程序是不是可以做到自动识别呢？答案是可行的。

大数据时代，程序通过训练连猫和狗都能认清，何况一个振型模态呢？就算不通过大数据，通过一些基本的图像特征识别，也是完全可以达到的。解决了模态振型识别，相关的报告和优化功能就能进一步开展。再比如NVH传递函数的分析判断，设定一些判定逻辑，生成一些判断图表，形成程序的一个基本判断结果，还是完全可行的。

二是仿真分析数据的的应用挖掘。过去我们的仿真分析数据完全是散乱的，需要人工大量进行归纳整理，无法形成完善的数据系统，现在随着仿真平台的应用，一切仿真的数据都可以在系统中进行管理，包括仿真模型的特性，仿真结果，优化方案等等。单个数据可能作用不大，但一旦形成了海量的数据，将会非常有价值。

未来的发展，一切将以数据为重点，以数据的挖掘为核心，拓展仿真分析的边界，可能产生颠覆性的创新成果。

可能说的比较虚，我举个例子，如果我们有海量的路躁仿真分析结果和模型，譬如模型的质量、车型的轴距、减振器的刚度阻尼，衬套的刚度，轮胎的力衰减特征，底盘接附点的动刚度IPI，TB传涵的结果，以及路躁最终路试的结果，那么，这些数据进行分析组合，是可以训练出一个算法，预测新车型的路躁水平，对于一些路躁问题，也可以通过这个算法，提示问题的原因。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删