用上国产大模型后，我把无人机CFD建模仿真做成了AI智能工具包

   

导读：在我的视频课程《飞行器CFD仿真和动力学建模，我用AI驱动降低了门槛》发布之后，有工程师朋友评价“希望增加案例，比如水下航行体、火箭或导弹”，让我感受到，工程师朋友们对于“AI如何真正落地到自己的仿真工作中”，是一件千人千面的事情，每个工程师都有自己要建模仿真的对象，我应该给大家讲AI赋能CFD仿真和动力学建模的方法论，做到“案例典型，方法普适”，让大家都能针对自己的使用场景开发适用于自己的智能工具包。

为此，10月13日，我将做客仿真秀研发仿真开学季直播间，带来一场主题分享：使用AI Agent构建无人机仿真与建模智能工具包。这次主题分享，我不仅会现场演示AI驱动仿真的完整软件部署过程，还会结合具体无人机工程案例，从CFD仿真编排、实现，基于Simulink的无人机动力学建模及验证，完整走一遍AI工作流。希望能帮助更多工程师朋友，把AI从“听说过”变成“用得上”。

做飞行器外流场仿真和建模时，我通常会做如下步骤：

1）根据动力学建模要求确定CFD仿真的工况（包括稳态仿真工况、动态仿真工况）。2）根据仿真工况，确定需用的仿真三维几何模型，并利用三维软件进行适当的简化。3）利用 Ansys 的SpaceClaim进行几何标签的命名，并导出 scdoc和pmdb格式的几何文件。4）使用 Ansys的Fluent meshing进行网格划分。5）网格划完后，使用Ansys的Fluent进行求解，同时输出残差收敛曲线、三轴的力和力矩系数、云图等结果。6）依据CFD仿真结果，调用MATLAB的 Matlab agentic/Simulink agentic 构建可被MATLAB使用的气动力数据库，结合无人机的质量特性、动力特性数据，构建无人机完整动力学模型，同时对构建的动力学模型进行合理性验证。7）撰写CFD仿真报告和动力学建模报告。  

上述流程，我已经在Fluent agentic项目中让Claude（搭配国产大模型）：通过MCP完成步骤1-5操作，使用Matlab agentic/Simulink agentic 通过MCP操作MATLAB完成步骤6的操作，结合科研论文的Skill完成步骤7的操作，实现整个流程的全自动化。这篇文章，就从环境配置、Fluent agentic项目实战和Simulink动力学建模实战三个角度进行讲解，讲讲我的做法。当然，10月13日，我也会在仿真秀主办的《使用AI Agent构建无人机仿真与建模智能工具包》直播中继续交流这些问题。

一、AI是怎么驱动Fluent进行仿真的？  

很多人对“AI 做 CFD”的想象是：扔过去一句“帮我仿真一下”，机器吐回一堆云图和系数。真能落地的驱动方式不长这样。在这套工具里，AI 不碰物理：控制方程、湍流模型、离散格式，仍是 Fluent 自己的事，流场和力系数都由求解器一步步算出来。AI 干的是翻译和调度，把工程需求译成求解器操作，并且每做完一步，先读回 Fluent 的真实状态，再决定下一步怎么走。  

例如，任务是“分析一架无人机在 Ma 0.3、攻角 4° 下的升阻特性”、“跑个 CFD”这句话远远不够。至少还要说清飞行高度（它决定来流密度、温度和雷诺数）、参考面积与参考长度（它们决定系数怎么归一化）、湍流模型、远场还是进出口边界、网格文件在哪、收敛到什么程度算收敛、想看的是 CD/CL 数值还是压力云图。Claude 可以先把缺失条件整理出来追问用户，逐项给出取值和理由（比如按雷诺数选 k-ω SST、可压工况用理想气体），渲染成中英对照的确认表；从 Fluent 启动参数（维度、精度、并行核数，核数按实测硬件推荐）到边界条件和参考值，每一项都摆出来等用户确认，确认之前不生成脚本、不启动求解。确认之后产出的是离线求解脚本——脚本自己读网格、回放设置、分块迭代：输出残差和力系数，系数稳定或残差达标就早停，最后落盘收敛曲线、系数历程和 case/data。遇到参数设不上、报告定义缺失或残差发散时，它应停下来，对照用户给定知识库（比如 PyFluent 的官方案例、往期成功案例）查正确写法。  

我把这个过程理解为一个循环：提出工程目标 → 执行一步 → 读取 Fluent 反馈 → 检查是否满足前提 → 再执行下一步，中间结合用户确认。真实工程的例外一个接一个，这样走的流程出了事知道断在哪、从哪改起；一口气生成的长脚本跑飞了，常常只能从头再来。  

二、Claude+MCP+Fluent agentic，各自负责什么？  

1、Claude 负责想。一句“算一架无人机在 Ma 0.5、迎角 2° 的阻力”丢过来，它先把活拆成网格、设置、求解、后处理四个阶段。参考面积、弦长、展长这类量缺了就追问，不自己估。每步工具返回后，先读真实状态，再决定继续、重试，还是停下来问人。在你工作目录内，需要写一个CLAUDE.md文档，告诉Claude可以使用的软件资源以及可以查看的参考资源（比如PyFluent的官方案例、你往期的仿真数据等）。  

2、MCP Server 负责做。fluent-agentic-toolkit 把启动会话、读网格、查网格质量、设物理和边界、初始化、分块迭代、读残差和力系数、导出云图这三十多个操作封装成工具，每个工具返回 status/data/warnings/suggestions 四元组。底层经 PyFluent（ansys-fluent-core）的 gRPC 接口连 Fluent；会话由实例池持有，脚本退了会话还在，任务收尾再调 terminate 归还许可证。  

3、Workflow Skill 负责守。技能挂在 Claude Code 身上，管的是顺序和检查：任务先落成 task.json 契约，过校验才许分发；进度记进 status.json；网格方案、设置确认表、求解执行，各有一道用户确认门。断了从断点接着跑，done 的阶段不重跑。求解之后必须看到残差曲线和系数历程落盘，没有证据的“收敛了”，就挂“待验证”。  

坑也在配置这一环：.mcp.json 里写好了 server，不等于链路能用。我习惯逐级核对——Claude 能不能列出 fluent-toolkit 的工具、server 起不起得来（AWP_ROOT 和许可证）、Fluent 会话就绪没有、网格文件读不读得到。都过了，才动手改设置。接法走的是 PyFluent 官方 gRPC 通道，Fluent 界面里不装任何插件。

安装配置/仿真运行链路

仿真链路具体案例  

三、整机外流场 + 螺旋桨CFD自动仿真，从网格划分到求解实战

我自己跑得最透的一组案例，是一架小型无人机：整机外流场加螺旋桨两条线，都从网格一路走到求解和出结果。  

整机CFD仿真从几何起步。第一步在 SpaceClaim 里把边界命名做好——远场、对称面、各部件壁面（farfield / symmetry / wall_*），命名选择是后面网格和边界条件的锚点；之后做舵偏、滚转变体，同一套命名用脚本复 制，不用每个文件重选一遍面。第二步交给 fluent-mesh-plan 技能：它开网格器探测命名群组和部件尺寸，按“前缘 5–10 个单元、尾缘 2–3 个单元”的口径给加密方案，连 BOI 和多面体-六面体核心的体网格策略一节一节列出来；网格方案没点头，网格不划。第三步确认后拿到一份离线的 Watertight 网格脚本，自己导入几何、划网格、跑质量检查，偏斜度（skewness）不达标就回炉。第四步进 nl-aero-task-setup：马赫数、攻角、高度、参考面积/弦长/展长交给只读推荐引擎，它按雷诺数给出湍流模型、来流条件和参考值，连同理由排成中英对照确认表；确认后生成离线求解三件套。第五步跑脚本：读网格、回放设置、hybrid 初始化，每五十步一块地迭代，每块读完残差和力系数，系数进入稳定窗口就早停，残差曲线、系数历程、case + data 落盘。  

螺旋桨CFD仿真接着走。第一步稳态打底：桨盘用 MRF 单点算一副 13inch 桨、转速8000 RPM，先把推力和扭矩拿到手；单点不闭环，不铺扫描。第二步要真实载荷和非定常效应，上 SMM 滑移网格做瞬态，或 overset 嵌套双域——MRF、SMM、overset、interface 四条路线我都完整跑通过。第三步 J 扫描：换几个进速比重跑，得到推力、扭矩系数随 J 的曲线，这才是能交给总体的桨特性表。BPF 频谱和桨叶壁面 y+ 核验是这个阶段的两个硬检查：y+ 不在湍流模型要求的区间，桨叶表面的力就不可信。  

这一趟下来，值钱的不是“AI 把网格划了、求解跑了”这句话，而是几份能互相核对的东西：落盘的 .msh.h5、质量检查输出、task.json 和 status.json 两本账、残差曲线、系数历程 CSV、case + data，全按 case 名归档。工具调用都返回成功、曲线和文件却不见踪影，流程就不算走完。

整机+螺旋桨仿真流程

调用fluent-mesh-plan 技能进行网格划分由用户确认截图（Claude CLI）

调用nl-aero-task-setup技能进行求解设置由用户确认截图（Claude CLI）

自动输出的俯仰-15度舵偏角下的3轴力和力矩系数

自动输出的整机压力云图+流线复合图

自动输出的螺旋桨压力云图  

四、整机动力学自动建模和验证（MATLAB/Simulink agentic）实战  

目前我手里证据最完整的 MATLAB/Simulink agentic 案例，是一架固定翼无人机的整机六自由度模型——从气动数据到闭环验证，全程由 Claude 通过 MATLAB MCP 建模、仿真、线化，人只做裁决。Claude 安排操作顺序并读取反馈，MCP Server 把建块、连线、编译检查、线化封装成工具，Skill 规定工作顺序与检查要求。  

流程四步。第一步，把 JSBSim XML 气动真值转录成数据库：29 张增量值表加质量惯量，装配成插值器。第二步，AI 经 model_edit 逐块搭出七子系统 6DOF 模型（四元数姿态、ISA 大气、舵机与油门回路、传感器总线），每步之后 model_check 查未连接端口和悬空线，而不是闷头往下建。第三步，六项解析互检：配平、静导数、动导数、模态、机动、数值稳健，接受准则事先冻结进测试计划，跑之前不许改。第四步，把这架验证过的“飞机”接进自驾闭环 harness 复用，再拉 JSBSim 当第四个独立源交叉核对。这个案例里，我看重的不是“AI 建了一架能飞的飞机”，而是几份能相互核对的证据：配平、线性化、模态分析。后面有人追问“这个数从哪里来”，每个数字都能沿文件路径找回去。  

MATLAB/Simulink agentic 的结构

自动构建的无人机Simulink模型

通过与Claude对话驱动MATLAB进行建模与验证

自动输出的纵向激励曲线图  

五、给AI下任务，怎样才会不跑偏？  

先看跑偏发生在哪。多数时候不是 AI 算错了物理，而是任务里没写清的部分，它自己补了一个看起来合理的值：参考面积没给就估一个，几何面没命名就按默认处理，要什么产物没说就给你一堆它以为你想要的。补对了是运气，补错了，划好的网格、跑了一半的求解全作废。  

所以第一条：工况参数说全。马赫数、攻角、飞行高度、参考面积、弦长、展长，一次给齐，省一轮追问；参考量宁可多给，不要让它猜。这套工具立的规矩是参考量必须手输——AI 能推导的是来流速度、雷诺数这类物理量，不能替你决定的是归一化基准，基准错了，升力系数、力矩系数全是错的。  

第二条：三维几何提前把名字起好。SpaceClaim 里建好命名选择——farfield、symmetry、wall_*，工具链靠这些名字认边界面、算前缘后缘各留多少单元。名字没建好，第一道工序就是帮你补名字，补完还得你逐面复核，不如一开始自己起好；做舵偏、滚转变体时，同一套名字还能用脚本复 制到每个几何文件，不用每个文件重选一遍面。  

第三条：说清你要什么产物。“给我求解脚本”和“直接跑起来”是两条不同的路：前者生成离线三件套，你自己挑时间运行；后者才占许可证、进现场求解。要攻角扫描就把点说全，每个点各生成一份脚本，互不干扰；要系数表还是要云图、收敛到什么程度算收敛，都值得写进任务里。  

这三条之外，防跑偏的兜底前面已经埋好：确认表、task.json 和 status.json 两本账、三道用户确认门——你说“确认”之前，它不生成脚本、不启动求解。结果只认落盘的证据，残差曲线、系数历程缺一样就挂“待验证”；真跑偏了，也能从两本账上看出断在哪一步，从断点改起，不推倒重来。  

一句话原则：把方法论写成规则，把执行交给机器，把决策留给人。跑偏多数不是 AI 太笨，是验收标准留在你脑子里没写出来——标准落在盘上，每一步都能对账，它想偏都有痕迹。  

六、学习曲线是否陡峭？你需要准备什么？  

直接回答：陡的那一段在“通”，不在“用”。

编程不是门槛，脚本由 AI 写，你能看懂大意更好。要准备的东西分两方面。

一方面是硬件和软件：一台跑得动 CFD 的机器（核数和内存决定能解的网格规模，工具会实测硬件给并行核数推荐）、ANSYS Fluent（2024 R1 以上的版本都在支持范围内，我自己在 2025 R2 上用）、做动力学建模那条线再加 MATLAB/Simulink，以及一个 coding agent 入口——我用 Claude Code，模型可以搭配国产大模型。

另一方面是你能提出什么样的需求。AI的辅助已经让仿真的门槛大大地降低，这个工具包里已经沉淀了我对固定翼无人机CFD仿真和建模的认知，结合AI的能力，基本上可以在此基础上开发适用于自己的AI智能工具包（比如导弹、无人潜航器、FPV无人机等）。重要的是你能提出什么问题，以及你是否愿意和AI持续对话进行挖掘。

近日，我在仿真秀官网独家发布了原创视频教程《AI驱动飞行器CFD仿真与Simulink建模-助你完成从"操作工"到"架构师"跃迁》。这是一门面向未来的工程仿真课。它不教你"怎么用鼠标点Fluent"，也不教你"背Simulink模块名称"——它教你的是：如何让AI替你完成这些事。本课程由同时深耕CFD仿真与Simulink建模两个领域的资深工程师设计，将多年积累的实战经验提炼为一套可复用的AI协作方法论，基于 Fluent agentic toolkit 与  Simulink Agentic Toolkit 两大技术基座，带你从环境配置一路走到完整的多工具联动实战。请识别下方二维码试看。

• 环境部署：Claude Code + Codex 怎么装、怎么配（前4讲免费试听）
• CFD自动化：8个Fluent Skill，从网格划分到求解、后处理、批量自动化
• Simulink自动化：Agentic Toolkit 怎么用，让AI帮你搭模型、改参数
• 双线打通：CFD气动数据直接驱动Simulink动力学仿真，完整闭环
• 方法论：怎么打造你自己的Skill库，把经验沉淀下来

2026研发仿真开学季是仿真秀面向研发工程师推出的主题活动月，9月1日至10月31日以"从工具到智能——让AI接入仿真研发"为主线，覆盖结构、流体、电磁、多物理场和AI驱动仿真五个方向。仿真秀力邀企业资深研发工程师，围绕LS-DYNA、Workbench、Abaqus、Star-CCM+、HyperWorks、Maxwell、Fluent、CST、Flotherm、SolidWorks、ANSYS等主流软件，演示如何用LLM、Agent、Codex、Claude、DeepSeek等大模型能力打通建模、求解、后处理与优化全流程，让仿真从"手工操作"升级为"AI驱动"；

此外仿真秀精选100余门研发仿真精品视频课限时秒杀1元起售，并叠加专属券，秒杀课程覆盖从基础到前沿的完整学习路径；活动期间，仿真秀还发起案例征集，以"我的研发仿真故事——从工具到智能的进阶之路"为题，面向工程师征集攻坚实录、工具进化、AI接入、成长与团队四类真实故事，图文或视频，通过即获“满意现金稿酬和百人千万"内容扶持计划，优秀作品还将在仿真秀APP、官网、公众 号、视频号四端专题展示并邀请连麦直播。整个主题月既是一场系统化的技术充电，也是工程师用AI重塑研发工作流的一次集中练兵。