开源AI仿真项目Anvil：让CAD-CFD优化更智能更高效

1小时前浏览2

在工程设计与计算流体力学领域，形状优化一直是极具挑战性的核心任务。设计人员需要在不断修改几何外形的同时，通过流体仿真来评估设计性能，这一过程往往涉及 CAD 建模与 CFD 分析两套独立工具链的反复切换与手动文件传递，效率低下且极易出错。与此同时，高昂的商业软件授权费用也使得许多研究机构望而却步。面对这些痛点，来自范德堡大学的研究团队开发了Anvil ：一个完全开源、高度自动化的集成工具，将 CAD 建模、CFD 仿真与人工智能优化算法融于一体。

Anvil的核心技术架构建立在两大成熟开源工具之上：FreeCAD 负责参数化 CAD 建模，OpenFOAM 负责 CFD 仿真分析。为了解决 CAD 与 CFD 之间的“鸿沟”，Anvil通过标准化接口实现了两者的无缝衔接。用户只需提供一个参数化的 CAD 种子设计文件和一个 JSON 格式的配置文件，Anvil 便能自动完成从几何修改、STL 文件生成到网格划分、CFD 求解的全流程。其中，参数化 CAD 设计采用 FreeCAD 的 Spreadsheet 功能来定义所有可变参数，使得 Python 脚本可以统一访问和修改设计变量，无需深入理解具体草图的结构。

在流体仿真方面，Anvil采用雷诺平均 Navier-Stokes 方程（RANS）结合 k-ω SST 湍流模型，适用于不可压缩、等温的牛顿流体在亚音速条件下的流动分析。网格生成借助 OpenFOAM 的 blockMesh 和 snappyHexMesh 工具完成，并配备了自动网格尺寸调整功能，能够根据日志错误信息自动优化网格质量，显著降低了用户的操作门槛

Anvil的创新体现在提供的三种计算模式：

（1）CFD 模式允许用户对单个 STL 文件进行快速仿真评估，无需深入了解 OpenFOAM 的复杂配置。

（2）数据生成模式则能够在给定的设计空间内，按照均匀随机采样、拉丁超立方采样等策略自动批量运行 CFD 仿真，生成用于训练代理模型的数据集。

（3）优化模式则集成了贝叶斯优化算法——这是一种在评估代价高昂的场景下极具样本效率的全局优化方法。贝叶斯优化通过高斯过程构建代理模型，并采用比如 Lower Confidence Bound（LCB）采集函数来指导下一次采样的位置，从而在有限的仿真预算内逼近最优设计。

项目中展示了Anvil在多个工程场景中的应用成效。包括无人水下航行器（UUV）优化、陆地车辆、无人机等产品的 CFD 仿真，提供了包括速度场和压力场的可视化分析。