人工智能AI设计工具可增强流体动力产品开发

流体动力行业面临着越来越大的压力，需要快速创新、满足严格的监管要求并提高效率。人工智能 (AI) 正在成为一项变革性技术，使工程师能够通过基于物理的模拟和生成式 AI 功能克服这些挑战。

这些工具不仅重塑了设计格局，还将推动液压和气动系统进入生产力、可靠性和性能的新时代。

人工智能驱动设计工具的新兴趋势

流体动力系统组件的设计传统上依赖于广泛的物理测试、劳动密集型迭代和专业知识。如今，人工智能设计工具开始引发将模拟和自动化集成到连贯的工作流程中的转变，使工程师能够虚拟地设计、测试和优化产品。

例如，基于物理的模拟现在可以让团队预测系统性能，减少对昂贵物理原型的依赖，同时加快上市时间。

使用人工智能设计工具有助于减少开发流体动力系统时所需的劳动密集型迭代和物理测试量。

以冷却板为例，冷却板现在对于确保拥挤的数据中心避免过热至关重要。对高效热管理的日益增长的需求引发了该领域越来越多地采用生成设计工具。这些工具让工程师能够以数字方式创建和评估冷却板设计，快速优化热性能，而无需进行大量物理测试。这反过来又减少了物理原型的浪费并降低了成本。随着电子产品不断小型化，这些功能对于有效管理热量和确保可靠性至关重要。

生成式人工智能现在正成为一种进一步增强这种方法的工具，它利用历史数据和机构专业知识来提出优化解决方案。

例如，在设计液压泵或气动执行器时，生成式人工智能可以分析过去的性能指标并推荐降低能耗或降低噪音的设计。人工智能与工程师之间的这种合作加速了创新，同时保持了安全和效率标准。

流体动力行业的转型优势

流体动力行业采用人工智能工具可带来诸多好处，最终会影响制造商的利润。这些好处包括：

缩短设计周期：通过实现虚拟测试并减少对物理原型的依赖，人工智能工具可显着缩短产品开发时间并减少浪费。减少对物理原型的依赖最终有助于降低与设计阶段相关的成本。

增强性能：基于物理的模拟可确保设计满足性能和可靠性目标，而在此基础上采用生成式人工智能解决方案可帮助工程师更轻松地找到适合其产品的解决方案，从而提供更多创新设计选项。

工程师可访问性：这些工具将充当功能强大、具有情境感知能力的虚拟助手，弥合经验丰富的专家与经验不足的工程师之间的差距。引导式工作流程和直观的文档使更广泛的受众能够使用高级功能，从而缓解劳动力短缺和知识差距带来的挑战。

提高可持续性：人工智能设计有助于推动更节能、更环保的产品，解决工程领域对可持续性日益增长的重视。

虚拟设计和测试使团队能够更快地评估不同的产品迭代，从而缩短设计周期。

人工智能模拟工具助力流体动力设计在实际应用中的应用

流体动力行业已经开始看到人工智能设计和模拟工具在解决各种客户挑战方面取得重大成功，如以下示例所示。

噪音和振动减少

TERAL Inc. 是一家泵制造商，利用基于物理的模拟来解决噪音和振动问题。模拟生成的数据使设计人员能够快速识别对泵性能影响较大的参数，从而以更少的物理原型产生新的设计理念。

Teral 设计师计划利用模拟来解决流体空化和污染等复杂现象。这些最先进的设计工具使 Teral 能够提供安静且低振动的产品。

设计和仿真工具正在帮助解决流体动力行业内的许多设计挑战。

优化农业喷雾器中的气流

Maruyama Mfg. Co. 通过使用计算流体力学 (CFD) 模拟来改进鼓风机设计，从而提高了立体喷雾器的性能。结果如何？该公司能够将气流均匀地分布在广阔的果园中，改善化学分散，同时缩短原型设计周期、减少开发时间、降低成本并提高产品可靠性。

电子产品中的热量管理

随着半导体向更小的架构过渡，有效的热管理变得越来越重要。人工智能驱动的模拟使工程师能够更好地预测温度分布并优化高性能芯片的冷却机制，从而解决小型化和散热方面的挑战。

设计工具可以解决劳动力短缺和入职挑战

随着经验丰富的工程师退休和年轻专业人士进入劳动力市场，流体动力行业面临着巨大的技能差距。生成式人工智能可用于主动洞察复杂的工程问题，而基于物理的模拟可以验证这些解决方案，确保技能提升支持、安全性和性能。

人工智能工具的一个例子是 Hexagon 的 Material Enrich。模拟模型在很大程度上依赖于准确的材料行为。虽然供应商数据库存在，但它们可能无法完全代表最终产品的操作范围。人工智能弥补了使用物理信息合成数据生成的材料属性数据集中的这些差距。这使得工程师即使在数据不完整的情况下仍能进行准确的模拟，从而更快地解决问题和做出决策。

此外，像这样的生成式人工智能文档系统提供实时帮助，使工程师能够快速找到并应用相关的设计原则或过去的解决方案。这使得即使是经验不足的工程师也可以从历史知识中受益，而无需花费经验丰富的工程师的时间进行培训。

生成式人工智能文档系统使工程师能够快速找到并应用相关的设计原则或过去的解决方案，使经验不足的工程师能够从历史知识中受益。

人工智能在设计工具中的未来 展望

未来，人工智能在流体动力工程中的作用只会继续扩大，整合来自概念、设计、制造和实际使用中行为的各种数据源。

由大型语言模型 (LLM) 驱动并通过基于物理的模拟进行微调的生成式人工智能工具将解码工程复杂性并提供情境感知虚拟代理，以协助提供实时洞察和准确建议，从而加速设计迭代并提高准确性。

最终结果？人工智能支持和授权的公司可以突破流体动力设计的界限，找到从噪声预测到热管理等非常复杂的工程行为的解决方案，并为市场带来既创新又可靠的下一代解决方案。

原文作者：Subham Sett, VP, Multiphysics Product Group, Hexagon Manufacturing Intelligence.

原文始发于微信公众号（液压传动与控制）：人工智能AI设计工具可增强流体动力产品开发