论文:基于AI Vibe Coding的有限元软件开发研究——以Bathe-Ramaswamy本构向OpenSees集成为例
DOI: 10.6052/j.issn.1000-4750.2026.03.0119
00
太长不看版
工业有限元软件开发中,“集成既有理论与代码到新平台”是最常见的研发形态,但该过程需要遗产代码解读、接口适配、数值稳定性保障与系统化验证等交叉能力,长期依赖稀缺复合型人才。同时,生成式AI技术正深刻改变软件开发模式,AI vibe coding在代码生成方面达到较高水平,并展现出显著的生产力增益。然而,工业有限元软件开发属于高度专业化的领域编程,AI vibe coding 能否有效胜任此类高专业门槛的开发任务,是一个尚未得到系统论证的科学问题。因此,本文选取Bathe与Ramaswamy[1]提出的混凝土本构模型向OpenSees 的集成作为研究案例,论证AI vibe coding 在工业有限元本构集成开发中的可行性。
本文首先提出“AI生成—Standalone测试驱动—渐进迭代”的开发方法,采用Cursor 与 Claude Opus 4.6 等大语言模型,完成 Fortran 90 子程序开发,并构建了多层级的测试项目。随后,总结AI开发过程的典型错误模式,并开展了多层级的验证。结果表明,AI vibe coding 可显著降低本构集成开发的人力与时间成本。
01
基于AI的本构集成开发方法
本文提出的本构集成开发方法可概括为三阶段闭环,如图1所示。
图1 基于AI的本构集成开发方法框架
首先,向AI发送必要的资料与蓝本(ADINA源代码、OpenSees接口约定等),通过自然语言向AI描述需求,由AI生成代码骨架。随后,在不编译OpenSees的前提下,AI自主开展单元级测试,结合反馈结果,进行代码修正。随后,将forumat.f90编译进OpenSees,进行结构级校验;若发现新问题则返回阶段二,形成闭环。
开发过程中的典型提示词案例,如图2所示。
图2 AI自主阅读论文并设计Standalone独立测试案例
02
AI开发的典型错误模式总结
开发过程中发现,AI生成代码的错误并非随机分布,而呈现出可归类的模式特征,总结如表1所示。
表1 AI在本构集成中的典型错误模式
这些错误模式表明,AI在代码生成方面表现良好,但在需要深层力学与数值分析知识的环节存在系统性不足,需要领域专家在解读Standalone测试结果后加以识别和引导修正。
03
多层级验证设计与结果
(1)单元级验证
单元级材料测试覆盖单轴压缩、单轴拉伸、纯剪切、循环压拉与四阶段循环5条典型路径。测试均顺利完成且无失败步,为后续结构级与软件级算例提供了可追溯的正确性保证。
(2)结构级校验
结构级校验聚焦两类最具代表性的平面应力应用场景,验证集成后的本构在较简单、可控、且具有代表性的结构场景中的正确性。测试结果分别如图3和图4所示。
图3 单轴拉伸与压缩测试结果
图4 悬臂剪力墙测试结果
对比结果表明,AI开发的本构模型(B&R)与参考模型在单轴峰值与软化段吻合良好;剪力墙滞回环形态一致,包络线与退化趋势吻合。
(3)软件级校核
为检验本构在更贴近工程使用场景的稳定性,进一步选取Lu等[2]使用的剪力墙算例(sw1-1/sw2-1),并与OpenSees中的分层壳单元算例开展软件级校核,测试结果如图5所示。
图5 sw1-1剪力墙测试结果
开发记录表明,B&R本构模型可完成sw1-1的分层壳单元模型计算,并且精度与收敛性都与参考模型相当;而sw2-1在大位移后期完成约90%进度后出现矩阵奇异相关的收敛困难。更详细的测试结果和讨论,可以参考论文原文。
04
讨论
(1)AI辅助开发的能力边界
本研究的实践表明,当前 AI 在有限元本构集成中的能力呈现显著的层次分化。在代码框架生成方面表现良好,在测试编写与结果解读方面表现合格;但在关键数值细节方面存在一定不足,详见表1。
因此,AI 适合承担代码生成与高频迭代的“执行层”角色,而领域专家在需求规格、数值细节审查与失效模式判断等“决策层”仍不可替代,二者构成互补协作关系。
(2)效率与成本分析
本次集成开发总耗时约2天,大模型调用约1.2×10⁸ token,直接成本约100美元,产出约1250行的forumat.f90 子程序以及配套测试分析脚本。相比于传统的研发方式,估计效率提升5~10倍,成本降低1~2个量级。
本次实践表明,AI可从历史代码理解与复用、高效开发、自动闭环等三个层面,显著提升研发效率。
(3)方法的可推广性
本文提出的方法并不局限于B&R模型或OpenSees平台,可适用于任何满足以下条件的本构集成任务:
(a)存在可供参照的既有实现(例如本文中的ADINA源代码);
(b)目标平台提供明确的代码接口约定;
(c)本构行为可通过单元级应力-应变路径加以验证。
05
结语
AI 技术的发展正深刻改变着工业软件的开发模式,而AI vibe coding 能否在有限元软件开发领域完成高专业性的编程任务,目前尚缺乏深入的研究。本文以Bathe-Ramaswamy平面应力混凝土本构从ADINA向OpenSees的集成为对象,较为完整地评估了AI vibe coding 在本构集成开发任务中的适用性,总结如下:(1)在约2天内、约100美元直接成本下完成了目标任务,验证了AI 辅助的本构集成开发可行且具有可重复性;(2)提出了“AI生成—Standalone测试驱动—渐进迭代”的本构集成开发方法,对比传统方法具有显著的效率增益;(3)表明了AI适合承担代码生成与高频迭代的“执行层”角色,而领域专家在需求规格与数值细节审查的 “决策层”仍不可替代。
06
参考文献
[1] BATHE K J, RAMASWAMY S. On three-dimensional nonlinear an alysis of concrete structures[J]. Nuclear Engineering and Design, 1979, 52(3): 385-409.
[2] LU X, XIE L L, GUAN H, et al. A shear wall element for nonlinear seismic an alysis of super-tall buildings using OpenSees[J]. Finite Elements in An alysis and Design, 2015, 98: 14-25.