مدل سازی جامد چیست؟

مدل سازی جامد یک روش طراحی کامپیوتری (CAD) است که اشیاء سه بعدی را به عنوان نمایش های کامل ریاضی، حجم پر شده بر خلاف سطح یا مدل سازی سیم فریم، که تنها یک پوسته بیرونی شکل را توصیف می کند، مدل سازی جامد هر دو داخلی و خارجی یک بخش، از جمله تراکم مواد، خواص توده ای و حفره های داخلی را جذب می کند.

این تکنیک به دهه 1970 با توسعه هندسه جامد سازنده (CSG) و نمایندگی مرزی (B-Rep) ابزارهای تجاری مدرن - مانند Daos Systèmes' CATIA، زیمنس NX و Autodesk مخترع - به طور تقریبی در مدل سازی پارامتریک، ویژگی های مبتنی بر ویژگی که اجازه می دهد تا مهندسان به ایجاد مجموعه های پیچیده از طرح های ساده و اکستروژن به گزارش گسترده ای از بازار خودرو، توسط CAD ViewLT 1، انتظار می رود.

ویژگی های کلیدی مدل های جامد

  • هندسه آبتکن: هیچ شکاف یا سطوح همپوشانی، قادر به شبیه سازی و تولید قابل اعتماد نیست.
  • ] روابط پارامتریک: [ ابعاد و محدودیت ها می توانند به طور خودکار به روز شوند و تغییرات را در سراسر مجمع ایجاد کنند.
  • خواص مواد: تراکم، modulus جوان و هدایت حرارتی می تواند برای تجزیه و تحلیل های فیزیک واقع بینانه اختصاص داده شده است.

نقش حیاتی مدل سازی جامد در توسعه خودرو مستقل

وسایل نقلیه خودکار (AVs) به یک آرایه متراکم از سنسورها، پردازنده ها، محرک ها و اجزای ساختاری متکی هستند که باید به طور بی نقص در محیط های دنیای واقعی کار کنند. مدل سازی جامد ستون فقرات دیجیتال برای طراحی، آزمایش و تولید این قطعات با دقت که سیستم های بحرانی ایمنی نیاز دارند.

ادغام سنسور و بهینه سازی

LiDAR، رادار، دوربین ها و سنسورهای اولتراسونیک لایه ادراک یک AV را تشکیل می دهند. هر سنسور باید برای دستیابی به یک میدان دید بدون ساختار قرار گیرد در حالی که باقی مانده از هوا و مدل سازی جامد اجازه می دهد تا مهندسان برای ایجاد محفظه های دقیق و براکت های نصب که متناسب با مشخصات الکترومغناطیسی و حرارتی سنسور است، به عنوان مثال، یک مونتاژ آینه آینه واحد چرخش LiDAR می تواند از مدل شبیه سازی حرارتی استفاده کند و سپس سرعت های حرارتی را در سرعت های حرارتی جامد استفاده می کند.

واحد کنترل و مدیریت حرارتی

رانندگی خودکار نیاز به کامپیوترهای قوی دارد – اغلب مصرف چندین صد وات، این واحدهای کنترل الکترونیکی (ECUs) باید در محدوده دمای سخت نگهداری شوند تا از تخریب عملکرد یا شکست جلوگیری شود. مدل های جامد از سینک حرارت، کانال های خنک کننده و محفظه ها، دینامیک های محاسباتی مایع (CFD) را که پیش بینی جریان هوا و توزیع دما را با استفاده از هندسه جامد، مهندسان می توانند اندازه خنک کننده را بهبود دهند – بدون افزایش 20٪ – 30٪.

اعتبار بخش ایمنی-Critical

نهادهای نظارتی مانند SAE International و NHTSA نیاز دارند که اجزای AV با دوام و استانداردهای قابل توجه روبرو شوند. مدل های جامد تجزیه و تحلیل عناصر محدود (FEA) را برای پیش بینی استرس، فشار و خستگی زندگی تحت سناریوهای مختلف بارگیری، به عنوان مثال، یک براکت فرمان را می توان در یک شبیه سازی تصادف مجازی آزمایش کرد تا اطمینان حاصل شود که آن را تجزیه و یا تجزیه به گونه ای که کنترل این نمونه اولیه فیزیکی را تسریع می کند.

بهینه سازی طراحی از طریق مدل سازی جامد

مدل سازی جامد مدرن فراتر از ایجاد هندسه ساده است - آن را با ابزارهای بهینه سازی ادغام می کند که به مهندسان کمک می کند تا به طرح های سبک تر، قوی تر و مقرون به صرفه تر دست یابند.

طراحی عمومی

الگوریتم های طراحی Generative از مدل سازی جامد برای کشف هزاران هندسه احتمالی استفاده می کنند که با معیارهای عملکردی خاص (به عنوان مثال حداکثر سختی با حداقل وزن) مطابقت دارند.شرایط استاندارد، بارهای و محدودیت های تولید، و سیستم تولید می کند اشکال ارگانیک به نظر می رسد که اغلب برای تصور دستی غیر ممکن است.

بهینه سازی Topology Optimization

تقریبا مرتبط است، بهینه سازی توپولوژی توزیع مواد را در یک فضای طراحی داده شده اصلاح می کند.از یک بلوک جامد شروع می کند، حل کننده مواد را حذف می کند که در آن استرس کم است، و یک ساختار مانند شبکه را که هر دو سبک و قوی است، به ویژه برای اجزای AV مانند محفظه باتری و سنسور، که در آن هر گرم ذخیره شده است افزایش می دهد.

شبیه سازی چندفیزیک

مدل های جامد به عنوان پایه ای برای شبیه سازی های همراه که ترکیب تجزیه و تحلیل ساختاری، حرارتی و الکترومغناطیسی خدمت می کنند، به عنوان مثال، یک مدل جامد از ماژول آنتن می تواند برای شبیه سازی انتشار فرکانس رادیویی استفاده شود و همچنین ارزیابی تولید گرما از فرستنده را تضمین می کند که تغییرات طراحی برای یک دامنه فیزیک به طور نامطلوب بر دیگری تاثیر نمی گذارد.

تولید و تولید

هنگامی که یک مدل جامد به صورت دیجیتالی معتبر است، تعریف اصلی برای تمام فرآیندهای تولید پایین جریان می شود.

تولید افزودنی

چاپ 3D از مدل های جامد اجازه می دهد تا مهندسان به سرعت نمونه های عملکردی را تولید کنند. [۳] زمین های پیچیده داخلی - مانند کانال های خنک کننده مطابق در یک caliper ترمز - به راحتی از یک مدل جامد چاپ می شوند، اما به طور معمول ماشین آلات بسیاری از استارتاپ های AV استفاده می کنند (FLT:0Stratasys راه حل های تولید افزودنی افزودنی برای آن را در سنسور مسکن در هفته ها به جای هفته ها.

ماشین آلات و تزریق

برای تولید حجم بالا، مدل های جامد ایجاد ابزارپات برای کنترل عددی کامپیوتر (کپ) ماشین آلات و لایه های حفره / بخشی برای قالب های تزریق را هدایت می کنند، زیرا مدل شامل تعاریف هندسی دقیق است، تولید کنندگان می توانند تضمین کنند که به عنوان بخش ساخته شده با دوقلو دیجیتال، کاهش ضایعات و کار مجدد مطابقت دارد.

دوقلوهای دیجیتال

یک عمل در حال ظهور این است که یک دوقلو دیجیتال زنده را حفظ کنید – یک مدل به طور مداوم به روز شده جامد که نشان دهنده داده های سنسور دنیای واقعی از وسیله نقلیه است.در یک ناوگان کامیون مستقل، به عنوان مثال، دوقلو دیجیتال یک ماژول ترمز می تواند شامل دمای اندازه گیری و پوشیدن داده ها، اجازه می دهد تا برنامه ریزی تعمیر و نگهداری پیش بینی شده، این خط بین طراحی و عملیات را محو کند، و استفاده از مدل سازی جامد در سراسر محصول چرخه عمر.

مزایای مدل سازی جامد در توسعه AV

  • تصمیم گیری و تکرارپذیری؛ [FLT 1] مدل های جامد، ابهامات هندسی را از بین می برند، و اطمینان حاصل می کنند که هر بخش در مجمع به طور کامل متناسب است و رفتار می کند.
  • تشخیص خطای ناگهانی: بررسی تداخل و تحمل پشته ها می تواند تقریباً انجام شود، گرفتن نقص های طراحی قبل از هر فلز برش یا کامپوزیت درمان می شود.
  • زمان به بازار کاهش یافته است: با فشرده سازی چرخه طراحی-منفیفلاک، تیم ها می توانند محصولات را ماه ها پیش از روش های سنتی آزاد کنند.
  • صرفه جویی در هزینه: نمونه های فیزیکی کمتر، زباله های مواد کمتر، و کاهش ابزار به طور مستقیم بودجه توسعه پایین تر.
  • همکاری قابل اعتماد: سیستم عامل های مدل سازی جامد مبتنی بر ابر اجازه می دهد تا تیم های پراکنده جغرافیایی به طور همزمان بر همان مدل کار کنند، با کنترل نسخه و ردیابی تغییر.

چالش ها و روند آینده

علی رغم مزایای آن، مدل سازی جامد برای اجزای خودرو مستقل چالش های متعددی را نشان می دهد که صنعت همچنان به آن رسیدگی می کند.

مطالبات محاسباتی

مدل های جامد بافیادل از مجموعه های پیچیده (به عنوان مثال، یک مجموعه سنسور کامل با سیم کشی) می تواند شامل میلیون ها چهره و نیاز به ایستگاه های کاری گرافیکی قدرتمند باشد.

مدیریت داده ها

برنامه های خودرو خودکار مقدار زیادی از داده های CAD را تولید می کنند - هر گونه تجدید نظر طراحی، نتیجه شبیه سازی و آموزش تولید باید ردیابی شود.سیستم های مدیریت چرخه عمر محصول (PLM) یکپارچه با ابزارهای مدل سازی جامد مانند Dassault Systèmes] ENOVIA [FLT 1، کمک به مدیریت این پیچیدگی با لینک به الزامات هندسی، تست، و نتایج BOM.

مدل سازی AI-Driven Modeling

هوش مصنوعی شروع به تقویت مدل سازی جامد با خودکارسازی کارهای تکراری (به عنوان مثال، لبه های گرد، ایجاد زوایای) و حتی تولید هندسه های کامل از الزامات عملکردی اولیه در بخش AV نشان می دهد که AI زمان های طراحی را تا 50 درصد یا بیشتر در دهه آینده کاهش می دهد.

پایداری در نظر

همانطور که خودروسازان متعهد به تولید بی طرف کربن هستند، مدل سازی جامد باعث می شود که سبک سازی و بهینه سازی مواد که مصرف انرژی خودرو را کاهش می دهد، علاوه بر این، توانایی شبیه سازی فرآیندهای مونتاژ به حداقل رساندن ضایعات و استفاده از انرژی در طول تولید کمک می کند.

نتیجه گیری

مدل سازی جامد از یک پیش نویس کمک به یک نظم مهندسی ضروری که هر مرحله از توسعه قطعات خودرو مستقل را شامل می شود، از مفهوم اولیه و شبیه سازی چندفیزیک تا سرعت بخشیدن به سرعت و مدیریت مدل سازی دیجیتال، تکنولوژی دقیق، انعطاف پذیری و کارایی را فراهم می کند که تولید کنندگان AV نیاز به ارائه محصولات امن، قابل اعتماد به بازار دارند، زیرا قدرت محاسباتی و یکپارچگی AI افزایش می یابد، وسایل نقلیه قوی تر می توانند به انرژی خود برسند - و فن آوری خود را تقویت کنند - و محدودیت های خود را در حال حرکت می کنند.