碰超免费色三八,AV的资源,亚洲图库色图

Ansys Mechanical每年都會持續(xù)發(fā)布新功能，拓展結構分析的邊界，憑借人工智能/機器學習（AI/ML）在資源預測、形貌優(yōu)化等領域的不斷發(fā)展，該最新版本軟件使您能夠執(zhí)行更準確、更高效和可定制的結構仿真分析。

Ansys 2023 R1重點推出了相關增強功能，使您能夠使用Mechanical實現(xiàn)更高效、更準確的有限元分析（FEA）仿真，包括：

基于幾何結構的重新關聯(lián)（GBA）
保留幾何的網(wǎng)格自適應（GPAD）
計算資源預測
形貌優(yōu)化
接觸設置

基于幾何結構的重新關聯(lián)（GBA）

Mechanical憑借其能夠通過網(wǎng)格劃分、設置和求解來處理底層幾何結構而聞名業(yè)界。老用戶可能知道，在編輯幾何結構時，Mechanical中的關聯(lián)性可能會丟失，并且此前在Mechanical中定義的設置會變?yōu)槲炊x的狀態(tài)。Ansys Workbench雖然具有在幾何結構改變后重新關聯(lián)模型設置的功能，但該過程并非總是萬無一失。

如今，當改變幾何結構后，您再也不會看到模型樹上因為失去關聯(lián)性而掛滿了一連串的問號。在Ansys 2023 R1版本中，您可以高效地編輯模型，并使用新的作用域向?qū)Чぞ咦詣訖z測和重新設置作用域。

現(xiàn)在，當您將更新的模型導入回Mechanical時，幾何結構中改變的部分將會根據(jù)關聯(lián)性進行著色。然后，您可以通過列表來可視化已重新關聯(lián)和未關聯(lián)的項：已被查找到并重新關聯(lián)的項顯示為綠色，具有多個匹配的項顯示為黃色，無法自動重新關聯(lián)的項則顯示為紅色。

圖 1. 使用全新的 Scoping Wizard 編輯 CAD 模型后有效地重新建立關聯(lián)性

保持幾何結構的網(wǎng)格自適應性（GPAD）

您是否也有過類似的經(jīng)歷：需要在Mechanical中求解一個復雜模型，但您并不熟悉該模型或事先不了解會產(chǎn)生危險應力和應變的區(qū)域？在過去，我們有兩種方法可以解決此問題：

第一種是生成較粗疏的網(wǎng)格，求解模型，并在重要區(qū)域細化網(wǎng)格；
第二種是從一開始就生成過度細化的網(wǎng)格，以準確捕獲重要區(qū)域。

我們知道這些方法可能非常耗時，因此我們推出了一項新功能來提高耐久性研究的效率。保留幾何結構的網(wǎng)格自適應（GPAD）這一新功能，不僅消除了對初始網(wǎng)格過度細化的需要，而且避免了對網(wǎng)格尺寸大小的猜測。

通過GPAD，您可以使用較粗的網(wǎng)格開始仿真，并且在求解模型時，求解器會監(jiān)控區(qū)域中的數(shù)量信息（如應力變化），并自動細化網(wǎng)格。網(wǎng)格的細化并非基于此前求解的粗糙網(wǎng)格，而是通過將網(wǎng)格與底層計算機輔助設計（CAD）相匹配來實現(xiàn)，以更接近模型的真實形狀。由于網(wǎng)格重劃分發(fā)生在求解階段，所以它可以提高準確性，同時無需耗費大量的計算資源。

保持幾何結構的網(wǎng)格自適應性（GPAD）還可根據(jù)初始CAD幾何結構自動細化網(wǎng)格

計算資源預測

由于存在不同類型的單元、材料、接觸、接頭、邊界和載荷條件等因素，F(xiàn)EA仿真的規(guī)模和復雜性日益增加。與此同時，無論是在本地還是在云端，高性能計算資源的使用都在呈指數(shù)級增長。在這個階段了解硬件要求，如內(nèi)存和中央處理器（CPU）的數(shù)量，就非常重要。

在這種對成本和時間都非常敏感的仿真環(huán)境中，了解實現(xiàn)最大擴展性所需的最佳CPU數(shù)量至關重要，這有助于提高時間和成本效率?，F(xiàn)在，計算資源預測的增強功能使您能夠在求解之前，就可預測所需的內(nèi)存、求解時間和求解器的擴展性能，從而解決此問題。

資源預測使用基于ML的算法來預測復雜仿真模型所需的內(nèi)存和求解時間。該算法可對此前已求解的仿真的數(shù)百萬個匿名數(shù)據(jù)點進行分析，并將該數(shù)據(jù)與用戶求解的模型進行比較，以得出所需的預測結果。此功能可與具有迭代和直接求解器的線性靜態(tài)和模態(tài)分析配合使用，并提供多達32個內(nèi)核的擴展性能（從Ansys 2023 R1開始）。

圖 2. 利用人工智能/機器學習 (AI/ML) 深入了解運行 Ansys Mechanical 仿真所需的計算資源

形貌優(yōu)化

Mechanical中已逐步集成了參數(shù)研究、拓撲優(yōu)化、點陣優(yōu)化和形狀優(yōu)化等多種不同的優(yōu)化技術。在2023 R1版本中，我們推出了一項被稱為形貌優(yōu)化的新功能。

裝配式結構設計的性能在很大程度上取決于其自身的重量，尤其是在該結構承受動態(tài)載荷時，因此輕量化至關重要。對于薄壁結構，我們無法應用拓撲優(yōu)化，而且使用其它方法尋找解決方案的效率更低——尤其是當我們具有裝配和設計約束時。

而形貌優(yōu)化最適合這類情況，我們無需更改設計的厚度或形狀，僅使用自由變形方法即可確定網(wǎng)格節(jié)點的最佳位置。我們還可以使用不同的控件來確保設計的可制造性。這種方法有助于改善噪聲、振動和聲振粗糙度（NVH）；疲勞；碰撞性能；和/或減輕結構的重量。