西门子日前推出旗下 Simcenter 虚拟原型开发套件的最新产品 Simcenter E-Machine Design。
Simcenter E-Machine Design 软件采用预制设计和测试模板,可提高电机原型设计速度25 倍,而且可以兼容典型径向磁通和非典型轴向磁通机器。该软件很容易与 Simcenter 的其他工具集成,可用于热仿真和机械仿真、逆变器设计等,使工程师能够在系统层面测试机器原型。
笔者采访了西门子的产品经理 Adrian Perregaux 和 Benoît Magneville,他们详细介绍了 Simcenter E-Machine Design 软件的工作原理、模板以及制造商在使用该套件时的预期。
Simcenter E-Machine Design 是如何工作的?
Simcenter E-Machine Design 的核心功能之一是基于模板的设计方法,这大大减少了开发时间和成本。
我们集成了多个预制模板,用于建立模型、优化网格、定义和实施各种实验以及审查结果,这使得工程师能够在虚拟套件中快速设计几百台机器。
传统的有限元分析方法既费时又费力,通常需要几天或几个星期的时间才能完成设置。而现在用户无需依赖有限元专家,只需简单描述转子和定子的组件,几分钟内就能生成整个机器的拓扑结构。
我们还更进了一步,我们集成了大量预定义实验。工程师不再需要成为有限元专家,甚至不需要完全了解如何设置实验。工程师只需选择测试项目,例如扭矩速度曲线、反电动势等,软件就会为他们以虚拟的方式运行实验。
只需构思一个想法,模拟过程实际上不到一个小时就可以完成。工程师可以节省宝贵的时间和脑力,因而可以更广泛地进行实验和创新。一众团队现在可以在几分钟内快速探索设计可能需要的尺寸或调整拓扑结构,他们拥有的工具可以使他们在一周内完成数百种潜在设计。
Simcenter E-Machine Design 软件只是我们的 Simcenter 电子驱动仿真解决方案的一个组成部分。我们将其与用于机械分析的 Simcenter 3D、用于热系统仿真的 Simcenter STAR-CCM+ 和用于机电系统仿真的 Simcenter Amesim 等工具连接起来,不仅加快了开发过程,还促进了电动汽车动力总成团队之间的跨部门合作。我们很期待了解这将如何改变电动汽车的格局。
Simcenter E-Machine Design与物理原型制作相比有哪些优势?
制造物理原型非常昂贵和耗时。光是收集零件就需要 6 到 8 周的时间,组装机器需要一周,测试又需要一周。整个过程大约需要 10 到 12 周或更长的时间,而这仅仅只是为了测试一个想法。而一个团队使用我们的软件可以在 10到 12 周内生成了数百种设计的数据。这是一个巨大的范式转变。
物理原型在设计过程中占有一席之地,但也存在功能上的限制,例如工程经验水平、自身能力和公司资源等等。虚拟设计的魅力在于能让工程师们最终将伟大的想法付诸模拟,看看想法是否能转化为现实世界中的创新。
Simcenter E-Machine Design 软件有哪些实验模板?
通常在设计电机时大约有六种常见的实验用于描述机器的特性,以确定电机是否能提供所需的扭矩,这些实验都已集成到 Simcenter E-Machine Design 软件中了。例如,反电动势测试、扭矩与速度对比测试以及效率图测试,这些现在都可以快速模拟。
Simcenter E-Machine Design软件还可以进行微观级别的检查,这对于验证各种组件的材料特性非常有用。Simcenter E-Machine Design 甚至可以用于检查磁通密度的形状图,可以确保所选材料的性能符合一些独特需求。
实验模板的内容相当广泛,可以让用户在整个设计周期中查看各种涉及差异、误差或学科的属性。
能谈谈这样能节省多少原型周期时间和成本吗?
在原型周期时间方面,我们看到时间大约缩短了 25 倍,而且客户甚至缩短 100 倍的情况也不是没有。
我们还看到成本降低了 5 到 20 倍。这不仅是因为进入下一步原型设计的速度更快了,而且整个过程中的材料成本也大幅降低。据一家航空航天制造商报告,仅永久磁铁成本一项每年就可节省约 25 万美元。
这些新方法可以转化为现实世界中的金钱,因为制造商将节省的成本转嫁给客户,同时提供更优质的产品。市场潜力巨大。
Simcenter E-Machine Design如何与 Simcenter 套件中的其他工具集成呢?
工程师可以利用 Simcenter E-Machine Design 软件非常高效地评估各种配置和大量驱动循环的模型,这对电动汽车动力总成的设计至关重要。
我们还实现了跨学科协作。用户可以将初始机器模型与逆变器、传动系统和冷却系统整合在一起,创建一个基于 CAD 的电力传动系统整体模型。然后利用这个模型优化 NVH(噪音、振动和声振粗糙度)性能、控制系统和热管理系统。
从更大的方面来看,这对我们的汽车行业客户至关重要。他们需要确保所有车型都能无缝集成,而不是各自为政地设计车型然后希望日后能将各个部分连成一体。这一切都关乎优化和与团队中的其他人才协作,而我们已经通过这款新工具证明了这是可行的。
Simcenter E-Machine Design 适用于其他行业吗?
Simcenter E-Machine Design 在多个行业迅速得到推广,其中一个我们未曾预料到的行业是无人机设计。
美国西海岸有几家新的无人机制造商正在国防、医疗和快递应用领域崭露头角。对于初创企业来说,时间就是金钱,这使得工程团队面临着巨大的上市压力。工程师们借助该套件可以迅速加快设计流程,并且比竞争对手更快地进入下一个生产步骤。
结束语
西门子是电磁仿真领域的先驱,始于上世纪 70 年代末。Simcenter E-Machine Design 套件建立在该领域 40 多年研发的坚实基础之上。
Simcenter E-Machine Design 具有现代化的用户友好界面以及所有适当的高档基础和框架,我们很期待该软件改变通往电气化的道路。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。