科思诚敬伟峰：自主多学科设计优化软件及联合仿真技术助力汽车数字化研发
时间: 2023-11-06 18:48
来源: 中国汽车软件大会
作者: editor
2023年11月3日，2023中国汽车软件大会在上海嘉定举办。本届大会以“聚软件之力，创数智未来”为主题，由中国汽车工业协会主办，中国汽车工业协会下属单位中德智能网联汽车推广应用中心、上海智能汽车软件园共同承办，中国汽车工业协会软件分会、智能网联汽车分会和中国汽车工程学会汽车基础软件分会协办。紧扣新时代汽车产业高质量发展和汽车软件发展要求，本次会议设置了“1场大会论坛+4个主题论坛”，旨在打造汽车软件领域开放、高端、权威的交流与沟通平台。
其中，在下午举办的“共启汽车工业软件新征程”主题论坛上，北京科思诚科技有限公司技术总监敬伟峰发表精彩演讲。
以下内容为现场演讲实录：
谢谢秘书长，下面各位嘉宾，下午好！我这边主要是自主多学科设计优化软件助力汽车数字化研发。前面我们看到国产自主研发用的MBSE工具，CAD、CAE都在赶上来，系统模型前面方总讲了主要是逻辑的仿真，CAE模型本质是一个数值模型，解决性能仿真，我们汽车产品要满足功能和性能，才能获得好的汽车产品。所以我们基于多学科设计优化技术贯通系统模型和领域模型。
我的汇报包括这几个方面，一是汽车研发现状与挑战。传统汽车也就是燃油车和电动车，从大的架构上来看，只是发动机和电动机的差别，但正是由于电动机驱动方式的改变，导致现在的电动车架构是完全不一样。今天方总讲的怎么办？要采用正向设计方式，贯穿需求、逻辑、功能、架构来实现，采用MBSE这种设计方法、手段解决这样的挑战。
另外现在汽车研发周期也看到了，传统燃油车由原来的五到六年逐渐压缩到目前的三年，电动车研发周期更为激进，传统的三年据了解现在已经压缩到十二个月甚至九个月，这么短的周期，汽车这么复杂的系统，我们想做好的产品、好的汽车，对功能、性能如何充分、可靠的验证，对车企提出非常大的挑战。
这是前面讲过的采用MBSE这种方式，产生的结果方案模型就是图表，逻辑性的。还有就是多学科联合仿真与优化实现性能验证，刚崔老师讲了有很多CAE来去进行仿真。这是我前面讲到的系统模型，是描述性的，实现逻辑的仿真，这边是专业模型、也就是数值模型，目前在国际上把系统模型和领域模型打通的只有美国一款软件，我们是国内目前所知唯一一款把系统模型和专业模型打通的。
当前在我们国内的航空航天这块已经得到应用，传统汽车架构已经很成熟了，所以对系统架构的应用验证不是很必要，但随着新能源汽车这几年发展起来，像吉利几何、深蓝、长安新能源，以及蔚来、小米汽车等，目前都逐步引进MBSE这种方法手段，未来面临系统模型与领域模型贯通的问题，如果前期你的架构方案没经过充分验证，现在研发周期压缩到一年甚至不到一年，是没有时间反复迭代的，所以在这么短的时间内把这么复杂的汽车产品做好，实际是相当难的。
我们这个多学科综合设计优化软件是基于国家重大工程任务形成的自主知识产权软件，除了传统的多学科优化功能以外，和前端MBSE SysML工具去进行集成，实现方案设计阶段汽车总体、子系统、零部件的方案的多学科权衡、优化以及稳健性设计，同时也支持在详细设计阶段的参数优化、模型标定、敏度分析等。
前面崔老师也讲了多学科优化，多学科优化技术主要包括试验设计、近似模型、优化设计、可靠性设计，在这里，我们将多方案评估技术引进来，针对多目标优化产生的多个可行方案通过评估算法进行方案排序，能够尽量降低人为影响。
刚才我们看顶层也就是系统模型SysML，领域专业模型，也就是机械设计、强度、碰撞、空气动力学等模型，数值模型，将SysML中的参数模型与工程模型进行数据集成，将系统工程模型与学科专业模型联系起来，实现系统需求、设计、仿真的联动，开展系统的需求验证，权衡对比分析，自动设计优化，前一段在航天单位进行了研讨，多方案目前生成是靠人工录入Excel再导进去，这样效率较低，且容易出错，可以采用试验设计进行多方案参数的生成，且能够更好覆盖设计空间，但出来的方案是不是最优？可能不是，我们只能说你是可行的方案，不是最优的方案，所以应该引进优化技术对我们的架构方案进行优化。实际工程中，经常出来是多个可行方案，怎么选，通过多方案评估技术可以帮助排序，辅助决策。
这是基于MOSIM.Opt的MBSE应用整个过程，从需求开始，建立模型，借助多学科优化软件集成专业模型，真正执行方案架构权衡分析，经过权衡优化以后可以再更新系统模型。
这是我们看到的从需求开始，创建需求图，在需求图里包含相应指标的上下限以及需求目标，我们基于SysML工具进行了模型扩展，选择相应的模型，能够将参数所在的图块一键生成优化模型。
通过集成专业模型，通过仿真优化，最后更新系统模型。我们把这个系统模型和专业模型贯通的应用，目前去和军工企业交流，他是有这个需求的，把系统模型和专业模型集成映射，充分对系统模型进行仿真验证。
这是我们软件的主要功能，包括仿真流程标准化和自动化，目前集成了主流的CAD以及国产的3D，主流的CAE软件以及部分国产的CAE软件，未来将进一步集成国产3D软件和CAE软件，同时支持FMU的格式等。
软件直接读取CAD的模型解析参数，包括CAE，另外我们企业还有很多自研的小程序，没有专用接口，可以通过通用集成、脚本方式实现集成。试验设计，主要通过分析输入设计变量，对输出，也就是目标函数、约束进行敏度分析、筛选参数，减少优化问题规模，并基于样本点构造近似模型，优化基本上迭代几百次、几千次甚至上万次，计算量是非常大的，工程上可能梳理出来几千个参数，有可能就计算不出来了。通过试验设计筛选影响不大的参数，实现问题降维。另外就是代理模型，实际做碰撞、空气动力学分析等，计算量是非常大，从几个小时甚至到几天，我们用代理模型代替这些CAE模型，计算过程中就变成几分钟或几秒钟，快速的计算，提升优化效率。
多目标多学科优化设计。优化设计一般包含很多的算法，这个算法选择是有一定的要求，每个算法都有优缺点、适用性，选择不合适算法会导致结果不可用。我们通过深度研究算法进行融合，用机器学习的技术，动态融合，在优化过程的前期、中期、后期自动后台调整，选择不同的优化策略，提高自适应，降低优化设计的使用要求，另外算法内部快速进行一个迭代，软件迭代一次算法内部可能已经迭代几千次，从而加速优化。针对不确定性问题，通过可靠性进行处理。
现在尤其是方案架构，多方案出来以后，完全靠人工进行方案选择，多目标优化出来以后，也是多个可行方案，简单的话就是加权重，通过权重赋值做排序，给出最优方案，这样就比较简单粗暴，会有一些偏差。采用多方案评估技术对方案进行评估分析，可以更合理的排序，帮助方案选择。
分布式并行计算。一般的分布式并行计算使用起来比较麻烦，需要做很多配置，分布节点数也是有限的，我们采用网格分布技术，使用非常方便，简单拖拽，就可以将不同仿真优化任务分配到不同的计算机上进行计算，而且不限点数，充分利用软件资源。
运行监控和后处理，多学科优化产生的主要结果是数据点集，通过各种图表，辅助我们进行分析、评估。
应用案例。前面讲了从系统到领域贯通应用，目前在航空航天用的比较多，汽车行业主要目前还是偏工程研制阶段的优化，这是车身结构碰撞性能的优化，通过定义设计变量、约束，目标，通过改变车身、车架板厚，满足重量不增加的基础上提升碰撞性能。通过集成LS-Dyna，通过试验设计产生样本点，利用样本点构造近似模型，基于近似模型进行优化，最终B柱加速的峰值降低了4.63%，发动机底座降低7.5%。这是车架一个轻量化设计，通过集成Nastran，在刚度性能不下降的情况下，减重2.8kg，实现减重。
我的演讲结束，谢谢大家！
|
2023年11月3日，2023中国汽车软件大会在上海嘉定举办。本届大会以“聚软件之力，创数智未来”为主题，由中国汽车工业协会主办，中国汽车工业协会下属单位中德智能网联汽车推广应用中心、上海智能汽车软件园共同承办，中国汽车工业协会软件分会、智能网联汽车分会和中国汽车工程学会汽车基础软件分会协办。紧扣新时代汽车产业高质量发展和汽车软件发展要求，本次会议设置了“1场大会论坛+4个主题论坛”，旨在打造汽车软件领域开放、高端、权威的交流与沟通平台。
其中，在下午举办的“共启汽车工业软件新征程”主题论坛上，北京科思诚科技有限公司技术总监敬伟峰发表精彩演讲。
以下内容为现场演讲实录：
谢谢秘书长，下面各位嘉宾，下午好！我这边主要是自主多学科设计优化软件助力汽车数字化研发。前面我们看到国产自主研发用的MBSE工具，CAD、CAE都在赶上来，系统模型前面方总讲了主要是逻辑的仿真，CAE模型本质是一个数值模型，解决性能仿真，我们汽车产品要满足功能和性能，才能获得好的汽车产品。所以我们基于多学科设计优化技术贯通系统模型和领域模型。
我的汇报包括这几个方面，一是汽车研发现状与挑战。传统汽车也就是燃油车和电动车，从大的架构上来看，只是发动机和电动机的差别，但正是由于电动机驱动方式的改变，导致现在的电动车架构是完全不一样。今天方总讲的怎么办？要采用正向设计方式，贯穿需求、逻辑、功能、架构来实现，采用MBSE这种设计方法、手段解决这样的挑战。
另外现在汽车研发周期也看到了，传统燃油车由原来的五到六年逐渐压缩到目前的三年，电动车研发周期更为激进，传统的三年据了解现在已经压缩到十二个月甚至九个月，这么短的周期，汽车这么复杂的系统，我们想做好的产品、好的汽车，对功能、性能如何充分、可靠的验证，对车企提出非常大的挑战。
这是前面讲过的采用MBSE这种方式，产生的结果方案模型就是图表，逻辑性的。还有就是多学科联合仿真与优化实现性能验证，刚崔老师讲了有很多CAE来去进行仿真。这是我前面讲到的系统模型，是描述性的，实现逻辑的仿真，这边是专业模型、也就是数值模型，目前在国际上把系统模型和领域模型打通的只有美国一款软件，我们是国内目前所知唯一一款把系统模型和专业模型打通的。
当前在我们国内的航空航天这块已经得到应用，传统汽车架构已经很成熟了，所以对系统架构的应用验证不是很必要，但随着新能源汽车这几年发展起来，像吉利几何、深蓝、长安新能源，以及蔚来、小米汽车等，目前都逐步引进MBSE这种方法手段，未来面临系统模型与领域模型贯通的问题，如果前期你的架构方案没经过充分验证，现在研发周期压缩到一年甚至不到一年，是没有时间反复迭代的，所以在这么短的时间内把这么复杂的汽车产品做好，实际是相当难的。
我们这个多学科综合设计优化软件是基于国家重大工程任务形成的自主知识产权软件，除了传统的多学科优化功能以外，和前端MBSE SysML工具去进行集成，实现方案设计阶段汽车总体、子系统、零部件的方案的多学科权衡、优化以及稳健性设计，同时也支持在详细设计阶段的参数优化、模型标定、敏度分析等。
前面崔老师也讲了多学科优化，多学科优化技术主要包括试验设计、近似模型、优化设计、可靠性设计，在这里，我们将多方案评估技术引进来，针对多目标优化产生的多个可行方案通过评估算法进行方案排序，能够尽量降低人为影响。
刚才我们看顶层也就是系统模型SysML，领域专业模型，也就是机械设计、强度、碰撞、空气动力学等模型，数值模型，将SysML中的参数模型与工程模型进行数据集成，将系统工程模型与学科专业模型联系起来，实现系统需求、设计、仿真的联动，开展系统的需求验证，权衡对比分析，自动设计优化，前一段在航天单位进行了研讨，多方案目前生成是靠人工录入Excel再导进去，这样效率较低，且容易出错，可以采用试验设计进行多方案参数的生成，且能够更好覆盖设计空间，但出来的方案是不是最优？可能不是，我们只能说你是可行的方案，不是最优的方案，所以应该引进优化技术对我们的架构方案进行优化。实际工程中，经常出来是多个可行方案，怎么选，通过多方案评估技术可以帮助排序，辅助决策。
这是基于MOSIM.Opt的MBSE应用整个过程，从需求开始，建立模型，借助多学科优化软件集成专业模型，真正执行方案架构权衡分析，经过权衡优化以后可以再更新系统模型。
这是我们看到的从需求开始，创建需求图，在需求图里包含相应指标的上下限以及需求目标，我们基于SysML工具进行了模型扩展，选择相应的模型，能够将参数所在的图块一键生成优化模型。
通过集成专业模型，通过仿真优化，最后更新系统模型。我们把这个系统模型和专业模型贯通的应用，目前去和军工企业交流，他是有这个需求的，把系统模型和专业模型集成映射，充分对系统模型进行仿真验证。
这是我们软件的主要功能，包括仿真流程标准化和自动化，目前集成了主流的CAD以及国产的3D，主流的CAE软件以及部分国产的CAE软件，未来将进一步集成国产3D软件和CAE软件，同时支持FMU的格式等。
软件直接读取CAD的模型解析参数，包括CAE，另外我们企业还有很多自研的小程序，没有专用接口，可以通过通用集成、脚本方式实现集成。试验设计，主要通过分析输入设计变量，对输出，也就是目标函数、约束进行敏度分析、筛选参数，减少优化问题规模，并基于样本点构造近似模型，优化基本上迭代几百次、几千次甚至上万次，计算量是非常大的，工程上可能梳理出来几千个参数，有可能就计算不出来了。通过试验设计筛选影响不大的参数，实现问题降维。另外就是代理模型，实际做碰撞、空气动力学分析等，计算量是非常大，从几个小时甚至到几天，我们用代理模型代替这些CAE模型，计算过程中就变成几分钟或几秒钟，快速的计算，提升优化效率。
多目标多学科优化设计。优化设计一般包含很多的算法，这个算法选择是有一定的要求，每个算法都有优缺点、适用性，选择不合适算法会导致结果不可用。我们通过深度研究算法进行融合，用机器学习的技术，动态融合，在优化过程的前期、中期、后期自动后台调整，选择不同的优化策略，提高自适应，降低优化设计的使用要求，另外算法内部快速进行一个迭代，软件迭代一次算法内部可能已经迭代几千次，从而加速优化。针对不确定性问题，通过可靠性进行处理。
现在尤其是方案架构，多方案出来以后，完全靠人工进行方案选择，多目标优化出来以后，也是多个可行方案，简单的话就是加权重，通过权重赋值做排序，给出最优方案，这样就比较简单粗暴，会有一些偏差。采用多方案评估技术对方案进行评估分析，可以更合理的排序，帮助方案选择。
分布式并行计算。一般的分布式并行计算使用起来比较麻烦，需要做很多配置，分布节点数也是有限的，我们采用网格分布技术，使用非常方便，简单拖拽，就可以将不同仿真优化任务分配到不同的计算机上进行计算，而且不限点数，充分利用软件资源。
运行监控和后处理，多学科优化产生的主要结果是数据点集，通过各种图表，辅助我们进行分析、评估。
应用案例。前面讲了从系统到领域贯通应用，目前在航空航天用的比较多，汽车行业主要目前还是偏工程研制阶段的优化，这是车身结构碰撞性能的优化，通过定义设计变量、约束，目标，通过改变车身、车架板厚，满足重量不增加的基础上提升碰撞性能。通过集成LS-Dyna，通过试验设计产生样本点，利用样本点构造近似模型，基于近似模型进行优化，最终B柱加速的峰值降低了4.63%，发动机底座降低7.5%。这是车架一个轻量化设计，通过集成Nastran，在刚度性能不下降的情况下，减重2.8kg，实现减重。
我的演讲结束，谢谢大家！
|