Smart-SIM工程案例—微型“血管奇兵”极速设计新范式

依托Smart-SIM通用AI代理模型工具完成样本构建、模型训练、模型计算、模型导出全流程操作，搭建数据驱动的AI代理模型，实现对传统流体仿真的智能化替代。

数据集由Fluent仿真生成的395组有效样本构成，研究对象为胸主动脉血管及内置螺旋机器人，仿真结果统一输出为标准格式，配套的工况参数文件存储为TXT格式。训练前完成数据的批量导入和物理量筛选，同时对全部样本开展一致性校验，整体数据质量满足AI模型训练要求。样本查看如图1所示，模型训练资源配置如图2所示。

图1 样本查看

图2 模型训练资源配置界面

样本处理完成后，采用平台专业模式开展模型训练，可自主选择算法类型，精细化设置模型参数与训练参数，适配高精度工程仿真需求，算法设置界面如图3所示。

图3 算法设置界面

Smart-SIM在本案例中实现了传统流体仿真到AI智能预测的效率跨越，变几何、变工况批量计算能力得到大幅提升。传统仿真面对大批量几何结构与血液流速工况组合，需要反复修改模型、重构网格、提交计算，全流程耗时较长；而训练获得的AI模型，可兼容几何结构、血液流速双向输入调整，仅更新几何模型和工况参数即可秒级输出完整速度场结果。本案例模型训练时长约1h（4060Ti单卡），适配工程多变的设计场景。

训练完成后，用户可直观查看速度场的数值仿真结果、AI模型计算结果和逐点计算误差，如图4所示，速度最大值偏差不超过4%。

图4 仿真结果和模型计算结果的对比及误差云图

模型训练过程中，损失函数曲线平稳收敛（见图5），表示模型学习充分，具备优异的稳定性与泛化能力。最终测试指标如图6所示，模型R²值约0.99，RMSE、MAE误差指标均控制在工程可接受区间，没有明显过拟合现象，精度可靠、误差可控，可替代传统数值仿真，用于血管螺旋机器人速度场分析与结构优化工作。

图5 损失函数变化曲线示意图

图6 总体误差

模型精度验证达到可接受范围后，可直接保存备用如图7，支持全新自定义几何模型导入+任意工况参数输入，真正实现变几何、多工况场景的通用化预测。本案例导入全新STP格式血管机器人几何模型，设置血液流速为0.2m/s开展预测计算，软件可快速输出对应的速度流场，可视化云图如图8所示。

图7 模型保存界面

图8 新几何预测结果云图

同时，Smart‑SIM可将训练完成的模型导出独立exe程序如图9所示，导出的exe程序可脱离软件平台，通过命令行调用预测，满足工程自动化批量计算需求。程序最终自动输出 VTU格式结果文件，可通过新建工程作为样本导入查看，也可借助第三方可视化工具对结果进行查看，效果如图10所示，在几何与参数相同的情况下，与软件中图8的预测结果一致。

图9 模型导出

图10 第三方后处理软件查看结果云图

该血管螺旋机器人流场预测案例，落地价值清晰，精准解决行业核心痛点：

1. 解决变几何+多流速工况下批量仿真难度大、迭代与分析周期长的痛点，支撑血管机器人快速构型优化；

2. 仿真效率实现超百倍提升，同时精度在可接受范围，兼顾高效性与可靠性；

3. 模型泛化性、复用性强，可复用至同类腔内机器人、微型流道结构等流体速度场预测场景。