随着企业对产品性能要求的提高，CFD仿真需求不断增加，未来CFD将是产品开发环节的必不可少的工具，然后CFD仿真面临诸多问题，如前处理时间长、计算时间长、计算结果不确定，同时仿真对优化设计的需求越来越高，而优化所面临的是设计参数过多，很难通过简单的公式推算，这些问题都让非专业使用者对CFD软件望而却步。
如今，机器学习为CFD带来一种思维方式上的变革，在机器学习的帮助下即使没有专门的解析知识也能简单且快速地提供预测结果，同时使用者可对多维参数研究、实测等进行整合。本期直播大讲堂，海克斯康专家将就机器学习在CFD领域的应用展开全面讲解。
直播信息
直播时间与报名
2月18日（星期五）14:00
微信扫描二维码
预约报名
讲师简介
李晶 博士
海克斯康CFD专家
毕业于清华大学工程力学系，在日本大阪大学获得工程热物理博士学位。具有20年以上的流体仿真工程经验，广泛了解国内外客户对CFD仿真需求以及发展现状，针对客户的需求提供有效、合理、针对性的流体解决方案，为客户解决问题。
关于Cradle与CADLM软件
Cradle CFD作为最先进的CFD工具之一，提供了两种不同类型的热流分析工具：采用结构化网格的scSTREAM以及采用非结构化网格的SC/Tetra 和 scFLOW。即使Cradle CFD具有超强的前处理以及超高速的求解器，计算时间也会受到限制。而基于CADLM的机器学习则是机器通过样本数据的学习，从中主动寻求规律，验证规律，最后快速给出预测结果。
机器学习流程图
基于机器学习设计翼型流程图
机器学习与实际联合仿真结果的比对
Cradle模拟车厢内人与人交流时飞沫传播路径
本篇文章来源于微信公众号: CFD之道
评论前必须登录！
注册