汽车轻量化CAE方案对比：Altair C123 vs. SFE
今天看到了SFE（现在叫CSE，Concept Structural Engineer）关于整车轻量化研究的方案，跟Altair的C123对比怎么样呢。总体来说澳汰尔的方案更强更完整，不过SFE比较灵活。文末会分享SFE的报告pdf。
这个报告叫做“Parametric Design and Structural Optimization for Early Design Exploration”，是达索联合捷豹路虎做的研究。
报告的主要内容就是下面这个图。
思路比较清楚，就是将整车全部参数化，包括各个接头位置，每个梁截面的具体形状。然后基于这些参数，进行DOE之类，研究这些参数对于多学科性能响应的影响。
这个影响不是居于传统的数值拟合算法，而是基于机器学习的方法。毕竟这些参数太多了，这么多的点坐标，很多可选的截面类型，以及各个截面板壳片的厚度。当然，澳汰尔的方案里面，用的也是机器学习的方法，AI在CAE领域的应用，澳汰尔也是走在最前面的，感兴趣也可以阅读这个文章：AI和CAE结合能做什么？Top100的用户案例 – 给力仿真PowerCAE
完全参数化的好处，就是还原度高，缺点就是网格数量太多，因为DOE生成很多的方案，跑起来就比较费时间。相对应的，Altair是做成梁杆单元为主、大板板壳为主的混合模型，这样就大大降低了计算时间。
此外，SFE的方案缺少了关键的拓扑优化。SFE将车子画出来，是人为定义了车子关键传力路径，而Altair最拳头OptiStruct拓扑优化这时候就很有优势了，它可以根据定义的优化目标，确定最合适的载荷路径。这就是C123的C1阶段。
C2阶段，这时候模型根据前面的载荷路径，已经变成了梁杆模型。分析的是关键梁截面和接头强度灵敏度研究。
C2阶段用到的模型，其中的主要结构是梁杆单元，下图显示的是梁杆单元的3D显示效果。
接头参数的敏感性研究。
在C2阶段还可以进行多学科优化，如进行碰撞优化。采用的思路是简化模型+详细模型共同建模。为的就是在保证计算精度的前提下，计算够快、方便优化迭代。下图的红色是梁杆简化模型，蓝色是详细模型。
C3阶段是最后的优化，用到的优化手段和常规的OptiStruct各类优化方法类似，属于最后的精雕细刻阶段。如形貌优化，优化钣金件的起筋等。
Altair的方案还有识别局部薄弱位置的功能，优化之后，因为缺少腔体内、外侧加强件，车身结构本身还是有很多薄弱点，这时候Exoskeleton功能可以在模型上包一层梁杆单元，后续进行梁单元的尺寸优化，识别其中最重要的梁杆位置，设计DRE可在这个位置后续加强。
最后附上SFE的报告PDF。
