CFD 建模与仿真

9小时前浏览2

什么是 CFD 建模与仿真

计算流体力学（CFD）使用纳维-斯托克斯方程（包括五个偏微分方程）来模拟流体的流动。这些方程利用计算机资源在虚拟环境中对流体运动进行近似计算。CFD 仿真能够使用特定的模型来补充应用的物理属性，进而预测现实场景。CFD 建模和仿真结果通常使用实验或文献值进行验证。

CFD 建模和仿真适用于汽车、航空航天、制造业、电子、医疗保健和环境工程等领域。简而言之，所有涉及流体的应用都可以使用 CFD 工具进行建模和仿真。CFD 建模和仿真广泛使用的部分原因是出现了多学科的建模、分析和优化要求。

为什么 CFD 建模和仿真很重要

CFD 建模和仿真从根本上改变了设计和制造过程。CFD 仿真有以下优点：

1.降低制造成本

CFD 仿真的一个重要应用领域是制造业。CFD 建模和仿真可以让您在实际制造之前全面了解设计模型在极端工作条件下的表现。

2.避免昂贵的测试

在航空航天和许多其他领域，要通过风洞测试或试验来确定部件的性能。CFD 建模和仿真工具通过模拟计算机的设计，极大地简化了这一过程。无需实际制造部件，即可对多个迭代版本进行仿真。在获得符合客户要求和市场标准的最佳设计后，再开始投入制造。

3.无需制造实物产品即可了解产品的运行状况

CFD 仿真也是一种很好的原型验证方法。借助 CFD 建模和仿真工具，您可以了解产品的性能假设是否有效。CFD 仿真结果以视觉方式呈现，有助于深入研究和分析不同的流体流动现象。

CFD 仿真是如何工作的？

CFD 仿真过程分为 5 步，简要概况如下：

1.导入 CAD 几何模型

每个 CFD 仿真过程都涉及到将几何模型导入 CFD 软件。该几何模型通常是在参数化的 3D CAD 程序中设计的装配体（assembly）。导入后，它就构成了 CFD 建模和仿真工作的基础。

2.设置域

下一步是用流体属性来协助 CFD 仿真软件。在这一步，由用户提供密度、热导率和粘度等属性输入——流体属性越精确，CFD 建模效果就越好。

3.创建边界条件

下一步是定义边界条件。这些边界条件通常需要描述模型入口和出口处的流体流动。

4.分析

在分析阶段，CFD 建模和仿真工具根据设定的参数来求解偏微分方程。CFD 仿真的速度取决于使用的计算机资源。如今，有了并行和云计算解决方案，完成一项 CFD 仿真所需的时间已经从几天缩短到了几个小时。

5.根据结果优化设计模型

完成仿真后，数据会流经各种后处理程序，根据用户的偏好，以可视化的轮廓线、流线或条纹线来呈现流体流动结果。基于这些信息，部件得到优化以匹配设计目标。

通过 Cadence 进行 CFD 建模和仿真

Cadence Fidelity CFD 是面向各类 CFD 相关应用的端到端解决方案。Fidelity CFD 环境中的专用工具可以快速有效地完成每个仿真步骤。此外，Fidelity CFD 的设计还考虑到了易用性，界面直观易懂，以实际应用为导向，也可以用 Python API 或优化模型实现自动化流程。

Cadence 最新的基于 LES 的高保真 CFD 求解器，可以解决最具挑战性的湍流问题。这些工具依托物理学保真度，并运用高性能计算技术，能够快速提供可预测的结果，且性价比极高。

来源：Cadence楷登

Cadence：以 AI 技术驱动数字验证的变革

2023 年 6 月 2 日—3 日，Cadence 受邀出席了第七届集微半导体峰会。在首日举办的 EDA IP 工业软件峰会中，Cadence 高级 AE 经理王正算作为代表向与会嘉宾介绍了 Cadence 在面对 SoC 设计验证挑战下的应对之法。随着 SoC 设计的发展，如何在有限的时间内尽可能发现更多的 bug 和实现更多的溯源分析，让项目各方面的投资都做到物尽其用，这是验证工作所面临的新挑战。 Cadence 高级 AE 经理王正算王正算指出，当前的 SoC 设计验证挑战主要来自几个方面。首先，SoC 包含了数百个 IP，结构非常复杂；其次，每个 IP 又在处于不停的变化、演进中；第三，SoC 级别的测试每周都会出现多个失败案例；最后，确定故障的根本原因需要数十名工程师和数周的时间。面对这些挑战，Cadence 推出了以 AI 技术驱动的 Verisium 平台，通过大数据和 JedAI 平台来优化验证负荷、提高覆盖率并加速 bug 溯源。Verisium 平台包括了三大板块，最基础的是 Verisium Manager，其将 Cadence 在 IP 和 SoC 级全流程验证管理解决方案，包括验证规划、工作调度和多引擎覆盖率，统统整合到 Cadence JedAI 平台中，同时还扩展出新的旨在提高计算服务集群效率的 AI-Driven 测试集优化技术。并且，其可以与 Cadence 现有的五大验证工具（包括 Jasper、Palladium）等完美融合。中间部分是 SemanticDiff、PinDown、WaveMiner 和 AutoTriage，为负责具体功能的 4 大智能 APP。最顶端的则是 Debug，提供从 IP 到 SoC，从单运行（single-run）到多运行（Multi-run）的整体调试解决方案。支持波形、电路图、驱动跟踪和 SmartLog 技术上的快速、完整的互动式和后处理式调试流程。Debug 可与 JedAI 平台及其它 Verisium 应用程序原生集成，支持同时自动比较通过和失败的测试用例，来实现 AI 驱动的溯源分析。王正算表示，AutoTriage 等 4 大 APP 可以单独使用，也可以配合一起在整个流程中使用。他详细介绍了这 4 大 APP 的功能。首先是 AutoTriage，其可以使用机器学习的方法自动化进行故障分析和分类，识别任何与运行属性相关的模式，使预测准确率达到 95% 以上。接下来是 PinDown，其可以预测每个设计修订的风险级别。通过与 JedAI 平台及业界标准修订管理系统进行集成，PinDown 建立源代码变更、测试报告和日志文件的机器学习模型，预测哪些源代码签入最有可能引起故障的发生。SemanticDiff 则可以识别并对比两个 RTL 版本之间的变化，并进行排名。其通过算法对 IP 或 SoC 的多版源码变更进行比较及分类，并依据其对系统行为的干扰程度进行排序，来帮助定位潜在 bug 热点的解决方案。最后是 WaveMiner，其应用强大的人工智能引擎分析来自多次运行的波形，并确定在哪些时间点上，哪些信号最有可能代表测试失败的根本原因。王正算表示，Verisium 平台可汇集所有波形、覆盖率、报告和日志文件等验证数据，以此为基础来建立机器学习模型和发掘更多特定指标，进而将其应用于全新系列工具上，从而极大地提高验证工作效率。面对愈发复杂的 SoC 所带来的设计验证挑战，Cadence 将 AI 注入 EDA 工具，能够帮助用户极大程度地提高验证工作效率，缩短验证时间。来源：Cadence楷登