AI+CAE的思想是通过少量有限元计算得到样本数据,借助机器学习训练代理模型,使用代理模型进行大规模寻优。由于代理模型计算速度显著高于有限元计算速度,因而能够大大缩短寻优时间。
以典型电磁优化设计为例,传统优化方法每代样本200个,迭代200代,有限元计算量=200*200=4万,计算时间~2周。使用代理模型进行优化,有限元数据样本量2000组,计算时间~2-3天;每代样本200个,迭代200代,200*200组计算时间~5min。
软件名称:Magsight
图1.1 AI+CAE驱动的优化设计流程
a) 计算与优化速度显著提高,从而实现更大样本规模的寻优,具备更强的全局寻优能力;
b) 对于电机设计问题可以快速实现不同约束条件、不同优化目标、不同优化策略下的最优解,极大提高了优化设计的灵活度。便于实际需求选择不同的优化策略;
c) 在算力及样本量充足情况下,有望训练出电机大模型。
传统有限元优化方法优化解集 AI+CAE优化方法优化解集
图1.2 AI+CAE优化方法与有限元驱动优化方法对比
a) 高精度的代理模型训练,用于预测电机性能,实现替代有限元计算。如下图:1.3与1.4所示:
图1.3 机器学习模型预测电机效率区
图1.4 机器学习模型预测路谱效率
b) 准确识别几何错误。通常,模型训练不引入几何正确性预测,这将导致优化过程中出现的大量几何错误,干扰优化过程并增加工程师筛选方案工作量。通过训练几何正确新预测机器学习模型,可完美解决上述问题,极高提高优化效率。几何准确性预测模型如下图1.5所示,其预准确度可达95%以上。
图1.5 机器学习模型预测几何正确性
如上文所示,AI+CAE驱动优化设计的核心技术点在于机器学习模型训练。包括性能预测模型和几何正确性预测模型。除此之外,在电机优化设计时,普遍棘手且耗时的问题在于参数化建模。
下文介绍MagSight软件(懿朵科技开发)解决上述问题的思路。
2.1 参数化建模与样本计算
电磁设计参数化建模实际上是使用基础平面几何知识描绘电磁拓扑的点、线、面特征。其没有技术难度,但繁琐且耗时。在用户编程基础薄弱前提下,最优方式是使用商业软件中定义好的参数化模板基础上,补充定义额外需要的拓扑特征。
当前MagSight无缝支持Motorcad软件中的参数化定义,且支持用户使用Adapative Template模板中的参数。用户如不需使用Adapative Template模板,则无需任何手动参数化建模,使用Adapative Template模板也进需要少量特征定义与代码编写。如下图2.1所示:
图2.1 商业软件自带参数化模板
在进行样本计算时,MagSight可无缝驱动Motorcad进行结果提取。目前支持的目标项如表2.1所示,基本覆盖电机设计关注目标项。
2.2 高精度模型训练
样本计算完成后,在进行模型训练时,模型的选择与训练参数将显著影响模型训练精度。MagSight中内置10种基础模型以及6种高级模型,在进行模型训练时,软件根据数据特征自动进行训练数据优化并选择出最适合的模型,降低用户使用门槛。模型训练结果与不同模型精度对比如下图2.3与2.4所示:
图 2.3 最优模型预测精度
图2.4 不同模型预测精度对比
2.3 几何正确性预测模型训练
样本计算完成后,软件记录几何正确的样本信息。使用这些信息即可进行几何正确性预测模型训练,无需额外几何样本生成。模型训练结果如下图2.5所示。借助几何正确性模型预测,可避免优化解中出现几何错误,无需用户手动检查或者手动修复几何错误,大大提高优化效率。
图2.5 几何预测准确度
MagSight中优化设计流程如下文所述。
3.1 优化参数定义
用户指定选择所需要的优化参数,参数上限、下限即可。
图3.1 变量选择
3.2 计算工况定义与目标选择
用户根据需要定义计算工况,包括:
a) 空载工况计算定义与结果选择;
b) Map计算定义与结果选择;
c) 路谱效率计算定义与结果选择;
d) 工作点计算定义与结果选择;
e) 转子应力计算定义与结果选择;
f) 退磁计算定义与结果选择;
图3.2 计算工况定义与目标选择
3.3 样本计算
样本计算设置包括:
a) 采样方法与样本数定义;
b) 并行计算与监控设置;
c) 断点计算和分批计算设置;支持多台计算机分批计算,以提高样本计算速度;
图3.3 样本计算
3.4 模型训练
模型训练包括:
a) 样本导入
b) 性能预测模型训练
图3.4 性能预测模型训练
c) 几何正确性模型训练
图3.5 几何正确性预测模型训练
3.5 优化迭代
迭代优化设置包括:
a) 参数范围定义;
b) 约束条件定义;
c) 几何检查模型定义;
d) 优化目标定义;
e) 多目标优化算法参数定义;
以每代400样本,迭代200代为例,80000样本计算时间~5min。
图3.6 优化迭代
3.6 方案验证
计算完成后,筛选优化参数后,一键导入多组优化参数,自动提交计算,输出有限元模型与有限元验证结果。
图3.7 方案验算