动态分析过程可通过微分方程组来表述，这些方程组的解可供深入分析这些动态过程的本质。但此类方程组基于有限元或有限体积方法，在进行仿真时，计算成本非常昂贵，特别对于某些行业工程问题，此类方法有时并不适用。在实际工程应用中，优化问题和多物理场现象的建模由于需要反复的数值仿真，因此通常都很有挑战性：

1. 一个解决方法是简化物理模型，但这依赖于工程师的经验和直觉。

2. 另一个方法是降维模型，这是一种用来应对高昂仿真计算成本的数学方法。它的主要目标是，在求解大规模问题时，用规模小得多但与之相仿的问题来替代，据此得出准确度稍差的结果，但这样可以用相当少的计算量完成求解。

降维模型（ROM）提供了这样的便利条件，它能在设计与运算之间通过实时信息共享建立起虚拟实时循环。它还为MSC等仿真软件供应商提供了一个机会，使整个产品生命周期的工程仿真以一种可伸缩的方式真正实现大众化，而不影响模型保真度。

在过去十年里，围绕开发各种模型降维方法进行了大量的工作。MSC 和CADLM 合作开发了针对各种工程问题的模型降维方法，既能用于各种工程问题，工程师又不需要深入学习多物理场的仿真知识。通过这种方法，工程仿真人员可以根据设计意图，快速调整模型的保真程度。例如，高保真模型的降维模型替代原模型，用于探索设计空间，替代车辆可靠性及优化任务的密集计算。

在近期的概念验证中，多体动力学（MBD）软件 Adams 和来自 CADLM 的监督学习解决方案 Lunar无缝集成联，快速搭建用于重现车辆行为的降维模型（ROM）。例如：简单使用场景，是车辆在直线道路上加速，路线上遇到障碍物的干扰。项目目标：通过实时降维模型来预测车辆遇到障碍物的各种性能。该解决方案包括两个的阶段，首先在 Adams 里定义要探索的设计空间，包含的两个维度：车速和质量。然后，在 Adams 里建立涵盖设计空间的数据集。最后，利用Lunar 建立基于这些数据集的降维模型，模拟 Adams 中的高保真度行为。

由降维模型得出的瞬态预测结果，在趋势和幅度上与 Adams 的结果完全一致，并且有实时性的巨大优势。需要注意的是，降维模型仅在设计空间边界内有效，任何超出这些边界的探索，需要进行额外的降级模型训练。

▲图：对 Adams Car 模型进行模型降维（Lunar）分析

MSC 的全线产品都可以利用 CADLM 的强大的人工智能学习方法，并且与具体的物理属性无关。系统和部件均可创建降维模型。基于模型降维技术，MSC 将其众多的业界领先能力拓展到多物理场领域。例如，针对高度非线性流体结构的联合仿真，可以将极其耗时的 MarcCradle 联合仿真，快速创建降维模型。针对各种流入速度和膜的机械性能，对柔性膜的位移敏感度进行优化。Marc与scFlow 之间耗时的联合仿真。在经过八次的仿真运行后，就建立了降维模型，用于新一轮优化循环。LUNAR 可在数秒内完成求解预测，并最终经过了联合仿真模型的结果验证。

▲图：对隔膜阀模型进行Marc-Cradle分析

CADLM 人工智能技术，可以帮助仿真用户做出高效、准确的工程决策。同时，压缩产品开发周期。而且，基于传统的模型，可以快速建立高保真度的降维替代模型，这为仿真用户提供了强大的武器，让他们能够根据设计意图，调整模型的保真度，从而进行实时优化或可靠性研究。

以上图文视频来源于MSC软件公众号

青岛赛普克是MSC战略合作伙伴！

MSC软件是世界十大软件公司之一，是世界多学科仿真模拟领域的先行者。

赛普克是一家为世界客户提供工程及制造仿真咨询服务的卓越服务商。