6、网格
传统的数值计算方法都需要高质量的网格数据作为输入，网格生成在前处理中占了很多时间。网格质量的好坏直接决定的仿真的好坏，网格生成技术作为仿真领域的一项支柱，开发难度大，且需要实际工程打磨，要想开发一套完善的网格引擎，没有五年十年的功夫是不可能的。某些情况比如多物理场，流体边界层，复合材料，EDA行业，装配体的网格的生成更为复杂，对于未知场的求解，往往需要网格加密多次求解，增加了仿真复杂度。好的网格依赖于几何输入质量以及网格算法的健壮稳定性，没有好的网格生成机制，数值计算难为无米之炊。网格算法较为成熟稳定，在这个领域很难有颠覆式的发展，未来网格底层生成算法可以和实际工业应用更加紧密结合，优化网格生成效率。
由于高阶数值计算复杂性，目前大部分商业软件网格都是线性单元（0阶）或者二次单元（一阶）。实际上高阶网格（也就是常说的P单元）在处理复杂几何上更具优势，适当的设置网格参数，只需更少数量的网格，无需迭代，就能获得更好的数值计算解，期待未来在高阶领域有更多实际应用。
无网格方法是近年来兴起的一种数值计算方法。流体领域的粒子方法(Particle Method）和LBM格子玻尔兹曼已经相当成熟，尤其是后者，达索系统早早将市场上的LBM软件收到旗下，垄断目前市场。Altair与今年推出的SimSolid号称也不需要网格，市场验证需要假以时日。要想在无网格应用上有所突破，底层理论和硬件都需要提供更多的支持。瑞士一家公司提出了一种基于MAR（Medial Axis Representation）方法，号称利用CAx取代CAD/CAE，取代传统的网格划分流程，具体效果还需要市场检验。未来，网格仍然是仿真软件前处理的重要一环，网格生成性能会进一步提升，新算法会引入让网格生成趋向智能化。
7、数值计算方法
在数值计算机方法领域，结构还是以FEM为主，电磁FEM，FDTD，MOM，流体FVM，以及无网格法。其它比如FDM，BEM，DEM，谱方法等在实际应用中大规模使用，还需要更多的努力。未来数值计算方法在理论上突破已经非常困难，但在以下几个方面仍然还有发展空间：
1，同一分析空间中不同数值计算方法的混合使用；
2，PDE产生新的解析解方法所带来的新的数值解法；
3，半解析解和数值解法的进一步组合使用；
4，数值计算方法和业务场景实际工程应用的进一步耦合；
5，高阶网格数值计算方法；
前面讲过很多次，软件只是表现，软件和工程经验的结合才是核心技术，发展数值计算方法，只有和实际工程应用结合才能使软件产生更大的价值。
8、人工智能以及机器学习引入
人工智能最近几年火的一塌糊涂，但是真正静下心来仔细研发会发现，落地应用的项目其实集中在少数几个领域，比如语音识别，图像识别，聚类分析，专家系统等等，在仿真领域应用有限。这也是由仿真领域的特点决定的：
1，人工智能依赖于大规模的训练数据输入，对于仿真而言，很多应用场景中，仿真一次的数据量就非常大，多次仿真不仅时间长，而且冗余数据多，生成的有效训练数据有限，无法提供AI训练以及深度学习所需的有效输入数据；以设置最优网格参数为例，至少两个位的训练次数才会出现有效解，而求解器一次求解时间可能就是几个小时，相比AI，实际应用中自适应网格划分更迅速和准确；
2，目前的硬件设施无法满足AI训练，或者训练成本太高，对于1中即使是对局部网格寻找最优参数解，训练所花实际成本仍然很高，性价比差；
3，未来通过机器视进行特征识别，从而可以在几何清理，设置局部网格参数等方面实现自动化是比较可行的。
9、业务驱动仿真
传统印象中，仿真应用流程是设计，仿真，再设计，测试，再设计，生产。而业务驱动仿真很可能改变这种印象。以风力发电叶片为例，叶片的生成，运输，安装，卸载成本都很高，在运作的时候如果叶片出现故障（撞击，损坏），主要以现场修复为主。如何精准的评估修复效果，利用传感器，扫描仪等装置生成实时模型，收集真实工况数据，对比原始模型，测试模型，进行实时仿真，评估CFD，机械强度等各个指标，仿真满足要求后即可上线。仿真在整个过程中起主导作用，之后还可以定时进行仿真检查，收集实时数据反馈给原始仿真计算模型，优化产品流程。
从使用者角度看，仿真软件将不再是仿真工程师的专利，完善的业务流程，固化的仿真逻辑，CAD/CAE/CAM的高度结合，可以让任何一个普通工程师用好仿真。想象一下在建筑工地上，工人发现施工与设计图纸出现冲突，需要改图，传统的做法需要层层上报，甚至反馈到设计院，设计院实地考察，给出修改方案，来回折腾。而以后可能工人只需在pad上修改图纸，实时仿真一下，将结果反馈给上级，通过则继续施工。
未完待续
联系客服
