CAESES友谊系统用例

Altair合作伙伴联盟

2

挑战

用于预测性能和最佳几何形状的机器学习模型的训练需要大量数据，但是用于模拟的复杂几何形状的变化通常很容易失败，并且需要太多参数。

解决方案

CAES的独特几何参数化功能允许稳健且高度灵活的变体生成，同时考虑给定的限制并将必要参数的数量保持在最低限度。

结果

对可行的设计空间的有效探索和AI模型的培训数据生成中的大量时间节省。

3

挑战

许多不同的竞争要求，例如空气动力学，结构和制造方面，在涡轮机械组件的设计中发挥了作用，并且通常需要耗时迭代才能正确平衡。

解决方案

CAES不仅可以有效地构建准备变化的几何模型，还可以构建高度详细的几何模型，还可以考虑所有必要的要求并划定可行的设计空间。

结果

一个显着加速的设计过程，包括探索可行的设计空间和组件的优化，而无需延迟更改。

4

挑战

船体通常是一次性的设计，需要快速在早期设计阶段进行性能，同时处理复杂的自由形式的几何形状并考虑到许多要求和约束。

解决方案

CAES提供了一个设计平台，该平台使用户能够使用高级形状属性有效地参数化几何形状，通过耦合流求解器优化其流体动力学，并监视诸如hydrostatics之类的约束。

结果

快速的设计工作流程，使设计人员可以快速开发船体线以符合客户的要求并提供卓越的能源效率。