首页/文章/ 详情

最新案例 | Mann+Hummel:ANSA/META 助力汽车过滤产品高效研发

6月前浏览478
在汽车滤清器产品开发中,Mann+Hummel 在多个学科中应用 BETA CAE 软件,以加速研发进程并提高产品可靠性。


结构分析方面,Mann+Hummel CAE 团队需要开展多样化的 NVH 和耐久性评估,并使用 ANSA 进行ABAQUS 模型前处理。在 CFD 方面,内流场分析对几乎所有过滤产品都是必需的,因此在 META 中针对 StarCCM+ 结果的快速且智能的后处理过程对于提升设计验证效率非常关键。


为加快整体 CAE 仿真流程并减少手动操作,Mann+Hummel 与我们合作完成了一项自动化项目,该项目旨在简化 ABAQUS 模型设置并标准化StarCCM+ 结果后处理与报告流程


         

面临的挑战

该项目目标是在 ANSA 中实现 ABAQUS 结构分析模型设置的自动化,并使用 META 对 StarCCM+ 结果的 CFD 报告生成进行标准化。

在结构分析前处理自动化的需求中,面临的主要挑战包括:

  • 提高定制 ANSA 工具的执行速度

在 CFD 后处理中,耗时最多的任务为

  • 将参考数据与 META 处理输出的结果进行对标
  • 推导用于结果计算的计算定义
  • 开发一个具有按需用户编辑功能的报告生成工具栏

             

解决方案

为满足具体需求,我们创建了专用的 ANSA 与 META 工具栏,将所需的前处理与后处理功能集成其中。

在 ANSA 的 FEA 前处理流程中已成功嵌入一系列自动化工具,其中包括面网格与体网格生成、接触对检测、边界条件设置,以及用于用户自定义求解器头文件设置的一键导入功能。

而专为 StarCCM+ 结果开发的 CFD 报告生成工具栏可用于初始化报告、计算各区域的压降并生成相应的柱状图、生成速度流线,并支持用户创建可自定义的截面。


           

取得的成果

这些新功能现已正式部署到 Mann+Hummel  CAE 工程师日常工作流程中,减少了大量手动工作并加快了模型的前后处理。通过使用这些工具栏,Mann+Hummel 目前可以将模型生成所需的时间减少超过 30%。


         

用户说

“基于 BETA CAE 驱动的仿真前后处理自动化,可以实现快速、一致且可靠的工作流程,使工程师能够从重复性的任务中解放出来,专注于洞察,能够更快、更自信的进行创新。”


   


来源:Cadence楷登
SystemAbaqus汽车ANSAUMCadenceNVH
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-02-27
最近编辑:6月前
Cadence楷登
签名征集中
获赞 4粉丝 122文章 688课程 0
点赞
收藏
作者推荐

AI 博客 | 自然智能与人工智能在芯片设计中的奇妙融合

本文翻译转载于:Cadence Blog作者:Reela Samuel 人类大脑是所有处理器中最复杂的,能够构思出不可思议的创意,解决复杂、微妙的问题。相比之下,人工智能擅长快速分析海量数据并高效执行任务。当自然智能和人工智能融合的结果,就是芯片设计领域正在经历一场令人惊叹的变革。现代芯片设计正面临着前所未有的挑战,包括不断增长的计算需求,降低功耗和提高效率。通过结合人脑的认知创造力和人工智能的理性精准,半导体行业正迈入创新的黄金时代。让我们一同探索这种融合对芯片设计未来的重塑。解码人类大脑,助力更智能的芯片设计倘若未来的芯片能够像人类大脑一样,在信息处理上具备同等的能源效率和资源利用能力,那会是怎样的景象?全球的科学家和工程师都在努力探索人类神经回路的原理,并将这些工作原理转化为电子系统。在 Cadence 先进验证工具的支持下,像神经信息学研究所这种全球机构开展的研究项目,正致力于通过将数百万个晶体管集成到单个芯片中,来模拟人类大脑的神经网络。这些进展可能会创造出与我们大脑计算方式高度仿生的处理单元,为芯片设计开启一扇大门,带来前所未有的能源效率、逻辑能力和适应性。通过融合从人类大脑中获取的自然智能和人工智能,我们正在芯片设计领域开辟全新的疆域。应对现代芯片设计的挑战先进电子芯片的设计过程充满挑战,远非易事。工程师在面对多个关键难题时,必须在性能、功耗、成本和开发周期之间实现精准平衡。 将人工智能与 Cadence 等公司的先进工具相结合,为设计师提供了有效克服这些挑战的解决方案。通过推动芯片设计的普及化,人工智能为资深工程师和新手赋能,使设计流程更快速、更高效且更易于获取。 AI 如何助力芯片设计AI 正在重塑复杂芯片的设计方式。以下是 AI 目前推动创新的方式:加速原型设计与优化:AI 算法可以分析海量数据集,几乎瞬间模拟数千次设计迭代。这使设计师能够探索所有可能的配置,并比传统方法更快地得到最优解决方案。自动化关键流程:通常需要数周甚至数月的人工分析任务,现在正实现自动化。例如,布局布线(排列电路模块)和调试等流程正通过 AI 驱动的工具得到简化,节省了时间和资源。优化功耗与尺寸:AI 模型能够识别出在不牺牲性能的前提下,可降低功耗的区域。同样,这些模型可以提出在更小封装设计中提高效率的配置方案。融合人类创造力与 AI 算力:AI 擅长处理海量数据与重复任务,而人类设计师则提供创造性洞察与上下文理解,二者协同可打造更智能、更贴合实际应用需求的芯片设计。协同 AI 工具开辟新领域AI 的潜力不仅体现在提升单个芯片设计效率,更在于重塑整个芯片开发周期。Cadence 推出的一系列 AI 驱动工具,展示了设计师与工程师如何突破传统设计瓶颈:Cadence Cerebrus 智能芯片探索器:自动化处理复杂设计任务,显著提升设计效率,同时优化功耗、性能与面积(PPA)等关键指标。Cadence Allegro X AI 设计平台:彻底革新 PCB 设计流程,将布局与布线等任务从数天缩短至数分钟,且在保证甚至提升设计质量的前提下完成。Cadence Virtuoso Studio:全面管理高性能模拟与混合信号电路的创建、仿真与验证流程。Verisium 验证平台:借助 AI 分析能力,快速定位设计缺陷根因,加速验证周期,提升整体开发效率。Cadence Optimality 智能系统探索器:通过 AI 驱动的优化算法,替代传统低效的试错流程,实现更高效的设计探索。展望 AI 设计 AI 芯片的未来AI 系统设计能够设计出满足自身特有需求的 AI 芯片,这种可能性正在成为现实。并且这种设计过程可能会产生特别适合 AI 任务的处理器,标志着 AI 自主性新时代的开端。未来的芯片有望具备与人类大脑相当的能源效率与资源利用能力,推动芯片架构向更高智能化演进,赋能各行各业的深度变革。Cadence 等公司提供的生成式 AI 平台,有望简化芯片设计中最具挑战性的环节。设想一下这样的未来:芯片设计流程实现全面自动化,同时具备高度定制能力,将生产力提升至全新水平。协同人工智能与自然智能的影响已在以下方面显现:针对自动驾驶汽车、先进机器人和高性能计算等现实需求,提供更快速、更高效的解决方案。为生命科学和医疗保健等大型行业提供支持,在这些领域,AI 工具助力生物分子靶点探索、药物制剂研发、快速诊断工具和医学成像技术的发展。在可持续技术领域实现突破,为关注气候的未来提供节能解决方案。这些应用凸显了在芯片设计中实现机器效率与人类创造力平衡的必要性。通过协同创新,我们正迈向一个技术无限可能的未来。无限可能的时代迈入无限可能的芯片设计新时代,将自然灵感与人工智能融合应用于芯片设计,标志着技术构思与开发范式的深刻变革。AI 工具与方法的持续创新,正在打开曾被视为不可能的设计新机遇。如今,芯片设计师能够打造更小型、更高性能、更节能的芯片,同时有效控制成本与加快产品上市节奏。未来属于那些能够充分融合自然智能与人工智能优势的创新者——这场非凡融合,是否将驱动你的下一次技术突破?开启你的 Cadence AI 创新之旅改变世界始于大胆创新,而现在正是最佳时机。 Cadence 的 AI 驱动工具处于芯片设计技术变革的最前沿。无论你是经验丰富的工程师,还是渴望探索的技术新秀,都可以通过 Cadence 工具套件释放潜能,突破设计边界。立即开启你的 AI 芯片设计之旅,见证人工智能如何重塑你的项目未来! 来源:Cadence楷登

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈