Table of Contents

La gestion de grands modèles à Ansys peut être difficile en raison de demandes de calcul élevées, de flux de travail complexes et de la nécessité d'équilibrer la précision avec les performances. Que vous travailliez sur l'analyse structurelle, la dynamique des fluides informatiques (CFD) ou les simulations multiphysiques, les stratégies appropriées peuvent améliorer significativement l'efficacité, réduire les temps de résolution et garantir des résultats précis.

Comprendre les défis des simulations de grands modèles

Les grands modèles d'Ansys présentent des défis uniques qui peuvent avoir une incidence sur la qualité de votre analyse et le temps nécessaire pour la compléter. Ces modèles comportent généralement des millions d'éléments, des géométries complexes avec des caractéristiques complexes, des interactions physiques multiples et des ressources informatiques étendues.

Le coût de calcul des grandes simulations augmente de façon exponentielle avec la complexité du modèle. Les besoins en mémoire peuvent rapidement dépasser les ressources du système disponibles, ce qui entraîne des performances lentes ou des échecs de simulation. Les temps de récupération peuvent s'étendre d'heures à jours, rendant l'exploration itérative de la conception impossible.

Les problèmes d'ingénierie moderne exigent de plus en plus des simulations de haute fidélité qui saisissent avec précision le comportement réel. Cependant, cette fidélité est à un coût. Les ingénieurs doivent soigneusement équilibrer le besoin de résultats détaillés par rapport aux contraintes pratiques comme les délais de projet, les ressources informatiques disponibles et les limites budgétaires.

Optimiser la géométrie des modèles pour l'efficacité de la simulation

L'optimisation de la géométrie est l'une des stratégies les plus efficaces pour gérer les grands modèles Ansys. La complexité de votre géométrie CAO influence directement la taille du maillage, les performances du solveur et le temps de simulation global.

Défaut de respecter les règles: supprimer les détails inutiles

La dégradation implique l'élimination de caractéristiques géométriques qui n'affectent pas significativement les résultats de votre analyse. Les petits filets, chanfreins, logos, gravures de texte et trous mineurs contribuent souvent à une valeur minimale aux analyses structurales ou thermiques, mais peuvent augmenter considérablement la complexité des mailles.

Pour l'analyse des contraintes, les petits filets loin des points d'application de charge ont généralement un impact négligeable sur les résultats. Pour l'analyse thermique, les caractéristiques de surface mineures peuvent ne pas affecter les schémas de transfert de chaleur. Cependant, la prudence d'exercice lors de l'élimination des caractéristiques près des zones d'intérêt, car elles peuvent influencer les concentrations de contraintes locales ou les schémas de débit.

Ansys fournit plusieurs outils pour la défaupérisation dans les environnements DesignModeler et SpaceClaim. La défaupérisation automatisée peut identifier et supprimer les fonctionnalités en dessous d'un seuil de taille spécifié, tandis que la défaupérisation manuelle vous donne un contrôle précis sur les fonctionnalités à éliminer. Validez toujours votre modèle défait contre une version plus détaillée pour assurer le comportement critique est préservé.

Géométrie Partitionnement et décomposition

Le cloisonnement divise les géométries complexes en régions plus simples, faciles à maillager et à résoudre. Cette technique est particulièrement utile pour les modèles avec des niveaux de détail variables ou des régions nécessitant des densités de mailles différentes. En créant des partitions logiques, vous pouvez appliquer des stratégies de maillage ciblées à chaque région, en optimisant la précision et l'efficacité computationnelle.

La partition stratégique permet l'utilisation de méthodes de maillage structuré comme le maillage de balayage dans les régions appropriées, qui produit des éléments de meilleure qualité avec moins de nœuds par rapport aux maillages tétraédriques non structurés. Les cloisonnements facilitent également l'application de contrôles de maillage locaux, vous permettant de affiner les zones critiques tout en maintenant des maillages plus grossiers ailleurs.

Envisager de diviser les assemblages en sous-modèles, le cas échéant. Les techniques de sous-modèles vous permettent d'effectuer une analyse globale grossière d'abord, puis d'extraire les conditions limites pour des analyses locales détaillées.

Symmétrie et exploitation périodique

De nombreuses structures techniques présentent des schémas symétriques ou périodiques qui peuvent être exploités pour réduire la taille du modèle. En modélisant seulement une portion symétrique ou une unité périodique unique, vous pouvez obtenir les mêmes résultats avec une fraction du coût de calcul. Les conditions limites de la symmétrie correctement appliquées permettront au modèle partiel de se comporter de façon identique à la structure complète.

Les types de symétries courants comprennent la symétrie plane (symétrie du miroir), l'axisymétrie (symétrie rotationnelle autour d'un axe) et la symétrie cyclique (des motifs de répétration autour d'un axe central).Les lames de turbine, les échangeurs de chaleur et de nombreux composants mécaniques présentent ces caractéristiques.

En appliquant la symétrie, assurez-vous que vos conditions de chargement et de limite respectent également la symétrie. Les charges asymétriques sur la géométrie symétrique nécessitent une modélisation complète. De plus, vérifiez que la physique que vous simulez n'introduise pas de comportement asymétrique, comme les vibrations induites par l'écoulement ou les modes de flambement qui peuvent briser la symétrie.

Simplifier les connexions d'assemblage

Les assemblages complexes avec de nombreux composants et connexions peuvent être simplifiés en remplaçant les modèles de fixation détaillés par des représentations simplifiées. Au lieu de modéliser explicitement chaque boulon, écrou et laveuse, envisager d'utiliser des contacts liés, éléments de faisceaux, ou connexions à ressort pour représenter le comportement mécanique des fixations.

Pour les connexions soudées, vous pouvez souvent représenter la soudure comme un contact lié ou utiliser une géométrie de soudure simplifiée plutôt que de modéliser le profil de soudure exact. Cette approche maintient le comportement structurel tout en réduisant significativement la complexité du maillage. De même, les liaisons adhésives peuvent souvent être représentées comme des régions faiblement liées plutôt que de modéliser explicitement le matériau adhésif.

Mettre en œuvre des stratégies de mesure efficaces

Un maillage bien construit assure des résultats précis, fiables et efficaces sur le plan informatique, tandis qu'un maillage mal construit peut entraîner des erreurs, des problèmes de convergence ou des temps de résolution inutilement longs. La stratégie de meshing est essentielle pour gérer efficacement les grands modèles, car le maillage détermine directement le nombre d'équations que le résolveur doit traiter.

Comprendre les types d'éléments de mesh et la qualité

Tetrahedral elements adapt well to complex geometries, while hexahedral (cube-like) elements provide higher accuracy and convergence for structured regions. The choice between element types significantly impacts both solution accuracy and computational cost.

Les éléments plus petits fournissent plus de détails mais augmentent le coût de calcul, tandis que les éléments linéaires sont efficaces par calcul mais moins précis par rapport aux éléments quadratiques qui offrent une plus grande précision en incluant les nœuds médians. Comprendre ces compromis vous permet de prendre des décisions éclairées sur la configuration du maillage.

Les paramètres de qualité des éléments tels que le rapport d'aspect, la scrosse et la qualité orthogonale doivent être surveillés avec soin. Les éléments de mauvaise qualité peuvent entraîner des problèmes de convergence et des résultats inexacts. Ansys fournit des outils d'évaluation de la qualité des mailles qui mettent en évidence les éléments problématiques, vous permettant de affiner ou de reformuler des régions spécifiques avant de résoudre.

Application des contrôles de mesh ciblés

Les commandes de meshing permettent un maillage plus précis, et Ansys Mechanical vous permet de contrôler les maillages locaux, au lieu d'un maillage global qui massique l'ensemble de la CAO avec la même méthode.

Mettre l'accent sur le raffinement des mailles dans les régions critiques, comme les concentrations de stress, les interfaces de contact, les zones à gradient élevé et les régions où la défaillance est attendue. Utiliser des mailles plus grossières dans les zones à répartition uniforme des contraintes ou où des résultats détaillés ne sont pas requis.

Les couches d'inflation sont particulièrement importantes pour les analyses CFD, où la résolution des couches limites affecte directement la précision de la solution. Pour les problèmes de contact structurel, assurez-vous que les surfaces de contact ont des densités de maille compatibles pour éviter les problèmes de convergence.

Tirer parti des technologies de mesure adaptative

L'adaptabilité aux mailles de préservation de la géométrie (GPAD) élimine la nécessité d'un maillage initial suraffiné et réduit les hypothèses sur le calibrage des mailles, permettant aux concepteurs de commencer des simulations avec un maillage initial grossier tandis que le solveur surveille automatiquement les variations de contrainte et peaufine systématiquement le maillage.

L'adaptabilité du mesh peut optimiser la résolution du mesh dans les régions d'intérêt, réduisant le coût de calcul des simulations tout en maintenant la précision et en permettant d'explorer des problèmes plus complexes et plus grands.

Le maillage adaptatif raffine ou rouille automatiquement un maillage basé sur la solution pour obtenir les résultats les plus précis, ce qui permet de réduire jusqu'à 70% le nombre de cellules et d'accélérer jusqu'à 4X pour les cas à l'état stable.

Choisir des méthodes de mesure appropriées

La méthode automatique de mesh permet à Ansys de déterminer la meilleure approche de meshing basée sur la géométrie et le type de simulation, combinant les méthodes tétraédriques et balayées en identifiant automatiquement les corps balayables et en créant des mesh balayés, tandis que les corps non balayables sont enroulés à l'aide de la méthode tétraédrique de Conformage de Patch.

Le maillage de balayage crée un maillage efficace avec un calibrage régulier, et décider quelle méthode de maillage utiliser dépend habituellement du type d'analyse (explicite ou implicite) ou de la physique pour laquelle vous résolvez et du niveau de précision que vous souhaitez atteindre. Le maillage de balayage est particulièrement efficace pour les géométries prismatiques et peut produire beaucoup moins d'éléments que le maillage tétraédrique pour une précision équivalente.

Pour les grands ensembles, envisager d'utiliser une approche hybride de maillage qui combine différentes méthodes pour différents composants. Utilisez le maillage hexaédral ou balayage pour les géométries régulières, le maillage tétraédral pour les formes complexes, et les éléments de coque ou de faisceau pour les structures minces ou minces. Cette combinaison optimise à la fois la précision et l'efficacité sur l'ensemble du modèle.

Études de convergence de Mesh pour les grands modèles

Une étude de convergence est essentielle pour vérifier la fiabilité des résultats, mais dans les grands ensembles, le raffinage global de l'ensemble du maillage n'est pas toujours pratique, ce qui rend une approche mixte utilisant à la fois le raffinement local global et ciblé plus efficace.

Pour les grands modèles, appliquez une approche de convergence stratégique. Commencez par un maillage de référence en utilisant un calibrage global raisonnable et un raffinement local initial dans des zones critiques suspectées. Exécutez l'analyse et identifiez les régions à gradients ou à zones d'intérêt élevés.

Surveillez les paramètres clés de sortie tels que le stress de pointe, le déplacement à des endroits critiques ou la pression de contact. Continuez à affiner jusqu'à ce que ces paramètres changent de moins d'une tolérance spécifiée (généralement 2-5%) entre les raffinements successifs. Documentez votre étude de convergence pour démontrer la fiabilité des résultats et établir des paramètres de maille appropriés pour des analyses similaires.

Tirer parti des ressources informatiques à haut rendement

Les ressources matérielles jouent un rôle crucial dans la gestion des grands modèles Ansys. Les charges de travail modernes de simulation peuvent bénéficier de capacités de calcul haute performance (HPC), y compris les processeurs multi-cœurs, les grands systèmes de mémoire, l'accélération du GPU et les grappes de calcul distribuées.

Traitements en plusieurs catégories et parallèles

La plupart des résolveurs Ansys prennent en charge le traitement parallèle, qui distribue la charge de travail informatique sur plusieurs cœurs de processeurs. Cette capacité peut réduire considérablement les temps de résolution pour les grands modèles. La rapidité obtenue dépend du type de résolveur, des caractéristiques du problème et de la configuration matérielle, mais des réductions de 50-80% dans le temps de résolution sont fréquentes lors du passage du traitement monocore à multicore.

Le traitement parallèle à mémoire partagée (SMP) utilise plusieurs cœurs sur une seule machine, tandis que le traitement parallèle à mémoire distribuée (DMP) peut utiliser plusieurs machines dans un cluster. Pour les très grands modèles qui dépassent la capacité mémoire d'un poste de travail unique, DMP devient essentiel. Ansys Mécanique, Fluent et autres résolveurs offrent à la fois des capacités SMP et DMP.

Lors de la configuration du traitement parallèle, considérez le nombre optimal de carottes pour votre problème spécifique. L'ajout de carottes permet de diminuer les retours en raison des frais de communication entre les processeurs. Pour de nombreux problèmes, les carottes 8-16 offrent une bonne efficacité, tandis que les comptes de carottes plus importants sont bénéfiques pour les modèles très grands ou les types de solveurs spécifiques.

Gestion et optimisation de la mémoire

Les grands modèles peuvent rapidement consommer la mémoire du système disponible, ce qui entraîne une dégradation des performances ou des erreurs hors mémoire. Comprendre les besoins de mémoire et optimiser l'utilisation de la mémoire est essentiel pour des simulations à grande échelle réussies. En règle générale, planifier 1-2 Go de RAM par million de degrés de liberté, bien que cela varie considérablement par type de résolveur et de problème.

Les résolveurs hors-cœur peuvent gérer des modèles plus grands que la mémoire physique disponible en utilisant le stockage de disque pour certaines données de la solution. Bien que cela permet de résoudre des problèmes autrement impossibles, il est livré avec des pénalités de performance importantes.

L'utilisation de la mémoire peut être réduite par plusieurs stratégies : utiliser des éléments d'ordre inférieur (linéaire au lieu de quadratique), réduire la densité de maillage, le cas échéant, utiliser la symétrie pour modéliser une partie seulement de la géométrie, et utiliser des résolveurs itératifs au lieu de résolveurs directs pour les types de problèmes appropriés.

Accélération GPU pour des flux de travail spécifiques

Le portefeuille Fluids se concentre sur l'accélération GPU, l'amélioration des modèles de physique et la modernisation des interfaces utilisateur dans la mise à jour Ansys 2026 R1, permettant aux ingénieurs d'effectuer plus rapidement des simulations CFD plus complexes tout en maintenant une précision élevée.

Les unités de traitement graphiques (GPU) excellent dans les calculs parallèles nécessaires pour de nombreuses tâches de simulation. Ansys a progressivement ajouté le support GPU à divers résolveurs, avec des avantages particulièrement forts pour CFD, électromagnétiques, et certaines applications de dynamique structurelle.

Si vous envisagez l'accélération du GPU, vérifiez que vos options spécifiques de résolution et de physique supportent le calcul GPU. Assurez-vous que votre matériel inclut des GPU de qualité professionnelle avec une mémoire suffisante pour votre taille de modèle. Les GPU NVIDIA sont généralement bien pris en charge dans les applications Ansys.

Informatique en grappes Cloud et HPC

Les plateformes de calcul en nuage et les grappes dédiées HPC permettent d'accéder à des ressources informatiques bien au-delà des capacités de travail typiques.Ces ressources sont particulièrement utiles pour les grandes études paramétriques, les flux de travail d'optimisation ou des simulations uniques extrêmement importantes qui dépassent la capacité matérielle locale.

La simulation basée sur le cloud offre plusieurs avantages : l'évolutivité à la demande pour gérer les charges de travail de pointe, l'accès aux derniers matériels sans investissement en capital et la possibilité de faire plusieurs simulations simultanément.

Lorsque vous utilisez des ressources en nuage ou en grappe, prenez en compte les délais de transfert de données, les exigences de licence et la gestion des coûts. Les fichiers et les ensembles de résultats de grande envergure peuvent prendre beaucoup de temps pour télécharger et télécharger. Assurez-vous que votre configuration de licence Ansys supporte le nombre de tâches parallèles ou de cœurs que vous prévoyez d'utiliser.

Optimiser les paramètres du solvant et les stratégies de solution

La configuration du solvant a un impact significatif sur le temps de la solution et la précision des modèles de grande taille. La compréhension des options de solvant disponibles et la sélection des paramètres appropriés peuvent réduire le coût de calcul tout en maintenant la qualité des résultats.

Choix entre les solvants directs et itératifs

Ansys propose des solutions directes et itératives pour les analyses structurelles. Les solutions directes fournissent une convergence robuste et des solutions exactes (en précision numérique) mais nécessitent un temps de mémoire et de calcul substantiel pour les grands modèles. Les solutions itératives utilisent moins de mémoire et peuvent être plus rapides pour les très grands modèles, mais peuvent nécessiter une configuration plus précise pour assurer la convergence.

Pour les modèles avec plus de 100 000 à 200.000 degrés de liberté, les résolveurs itératifs deviennent souvent plus efficaces que les résolveurs directs. Le résolveur Préconditionné de Gradient Conjugate (PCG) est couramment utilisé pour les problèmes structurels, tandis que les résolveurs multigrilles algébriques (AMG) sont efficaces pour certains types de problèmes.

Les caractéristiques du solvant sont fonction des caractéristiques du type d'élément, des propriétés du matériau, des définitions de contact et des conditions de bordure. Les problèmes bien conditionnés avec une bonne qualité de maillage convergent généralement plus efficacement avec les résolveurs itératifs.

Contrôle de la solution non linéaire

Les analyses non linéaires impliquant de grandes déformations, la non-linéarité matérielle ou le contact nécessitent des procédures itératives de solution qui peuvent être coûteuses en calcul.

Les stratégies de pas de charge contrôlent comment les charges sont appliquées lors de l'analyse non linéaire. Le pas de temps automatique ajuste les tailles des pas en fonction du comportement de convergence, en utilisant des étapes plus petites lorsque la convergence est difficile et des étapes plus grandes lorsque la convergence est facile.

Pour les grands modèles, utiliser les tolérances par défaut au départ et ne resserrer que si les résultats semblent douteux. Surveiller les paramètres de convergence pendant la résolution pour identifier les problèmes potentiels tôt.

Contacter la sélection Algorithme

Les problèmes de contact sont intrinsèquement non linéaires et peuvent dominer le temps de solution dans les grands ensembles. Ansys propose plusieurs algorithmes de contact avec différentes caractéristiques de performance. La méthode Lagrangian Augmented fournit une bonne précision et robustesse pour la plupart des applications. La méthode Pure Penalty est plus rapide mais peut permettre de petites pénétrations.

Pour les grands ensembles avec de nombreuses paires de contacts, envisager d'utiliser un contact lié au lieu d'un contact par friction ou sans friction. Le contact par liaison est moins cher et plus robuste. Utilisez l'outil de contact pour identifier et éliminer les paires de contacts inutiles – Ansys peut automatiquement détecter des contacts potentiels qui ne sont pas pertinents physiquement à votre analyse.

Les paramètres de détection des contacts affectent à la fois la précision et les performances. La fermeture initiale des contacts peut être ajustée pour traiter de petites lacunes dans la géométrie de CAO sans avoir besoin de raffinement de maillage.

Redémarrer et contrôler les capacités

Pour les simulations à très long terme, les capacités de redémarrage et de contrôle sont des outils essentiels de gestion des risques. Ces fonctionnalités vous permettent d'enregistrer des états de solution intermédiaire et de reprendre à partir de ces points si la simulation est interrompue par une panne matérielle, une panne de courant ou d'autres problèmes.

Configurer les points de contrôle automatiques à intervalles réguliers au cours des longues analyses. La fréquence des points de contrôle devrait équilibrer les besoins de stockage des données par rapport au coût des calculs potentiellement perdus.

Vous pouvez exécuter une analyse initiale avec des paramètres conservateurs pour assurer la convergence, puis redémarrer avec des paramètres plus agressifs une fois que vous avez vérifié que la solution progresse correctement. Cette approche peut économiser beaucoup de temps par rapport à l'exécution de l'analyse entière avec des paramètres conservateurs.

Gérer efficacement les données et les résultats

Les grands modèles génèrent des données importantes qui doivent être organisées, stockées et analysées efficacement. Des pratiques efficaces de gestion des données empêchent la confusion, facilitent la collaboration et vous assurent d'accéder aux résultats et de les interpréter au besoin.

Organisation des dossiers et conventions de désignation

Créez une structure logique de répertoire qui sépare les fichiers géométriques, les fichiers maillés, les fichiers de configuration, les fichiers de solution et les résultats. Utilisez des noms descriptifs qui incluent les numéros de version, les identifiants de configuration et les dates.

Pour les études paramétriques ou les itérations de conception, mettre en place un schéma de nommage systématique qui identifie clairement chaque variante. Inclure des valeurs de paramètre clé dans les noms de fichiers ou maintenir un fichier journal séparé qui documente la configuration de chaque simulation. Cette documentation devient inestimable lors de l'examen des résultats semaines ou mois après l'exécution des simulations.

Les fichiers de projet fournissent un environnement structuré qui suit les dépendances et facilite les mises à jour lorsque des changements en amont se produisent. Archiver les fichiers de projet complétés avec toutes les données associées pour assurer la reproductibilité.

Contrôle de version et suivi des changements

Les systèmes de contrôle de version suivent les changements apportés aux fichiers de simulation au fil du temps, vous permettant de revenir aux versions précédentes si nécessaire et de comprendre comment les modèles ont évolué.

Les fichiers de résultats binaires sont généralement trop grands pour le contrôle de la version, mais les fichiers d'entrée et les scripts d'installation doivent être suivis. Commettez des changements avec des messages descriptifs expliquant ce qui a été modifié et pourquoi.

Conservez un journal de changement ou un journal de simulation qui documente les modifications importantes du modèle, les changements de réglage du solveur et les observations de résultats. Cette documentation vous aide à comprendre l'évolution du modèle et fournit un contexte lors de l'examen des anciens résultats.

Gestion des données

La gestion de ces données nécessite une planification minutieuse pour équilibrer l'accessibilité et les coûts de stockage. Il n'est pas nécessaire de conserver indéfiniment toutes les données de résultat, mais il faut élaborer une politique de conservation des données qui tienne compte des exigences du projet et des contraintes de stockage.

Configurer la sortie de fichier de résultat pour ne sauvegarder que les données nécessaires. Ansys vous permet de contrôler les résultats écrits et à quelle fréquence. Pour les analyses transitoires, vous n'avez pas besoin de résultats à chaque étape de temps – économiser des résultats à des intervalles sélectionnés peut réduire considérablement la taille des fichiers. De même, vous pouvez limiter les résultats à des composants ou des régions spécifiques d'intérêt plutôt que le modèle entier.

Les formats de fichiers de résultats compressés peuvent réduire les besoins de stockage de 50 à 70 % avec un impact minime sur les performances post-traitement. Activer la compression pour les résultats archivés qui sont rarement accessibles.

Envisager de mettre en œuvre une stratégie de stockage à plusieurs niveaux : conserver des données actives sur le stockage local rapide, transférer les données du projet au stockage réseau et archiver les anciens projets vers un stockage à long terme à faible coût.

Flux de travail et partage de données en collaboration

L'établissement de flux de travail clairs et de protocoles de communication assure une collaboration efficace sans conflits ni perte de données. Définir clairement les rôles et les responsabilités – qui possèdent les composants du modèle, qui peuvent apporter des changements et qui approuve les résultats finaux.

Utilisez des plateformes de stockage réseau partagé ou de collaboration en nuage pour fournir l'accès de l'équipe aux données de simulation. Mettre en place des systèmes de verrouillage ou de vérification des fichiers pour prévenir les conflits d'édition simultanée.

Lorsque vous partagez des modèles avec des collègues ou des partenaires externes, incluez une documentation complète expliquant les hypothèses du modèle, les conditions de limites, les propriétés matérielles et toutes les simplifications faites.

Techniques avancées pour la gestion des grands modèles

Au-delà des stratégies d'optimisation fondamentales, plusieurs techniques avancées peuvent encore améliorer l'efficacité en travaillant avec des modèles Ansys très grands ou complexes.

Sous-modèle et méthodes de découpe

Le sous-modelage (également appelé méthode de déplacement par ligne de coupure) permet une analyse détaillée des régions locales dans une structure plus grande. D'abord, lancez une analyse globale avec un maillage relativement grossier. Puis, extrayez les conditions de limite de la solution globale et appliquez-les à un modèle local détaillé avec un raffinement fin du maillage.

Le sous-modèle est particulièrement efficace pour analyser les concentrations de contraintes, la propagation des fissures ou d'autres phénomènes localisés au sein de grandes structures. Le modèle local peut inclure des détails géométriques, des non-linéarités matérielles ou d'autres complexités qui ne seraient pas pratiques dans le modèle global.

La précision du sous-modèle dépend de la qualité de la solution globale et de la position des limites appropriées. Valider les résultats du sous-modèle en comparant avec un modèle entièrement raffiné pour un cas d'essai simplifié. Une fois validé, l'approche du sous-modèle peut être appliquée avec confiance aux analyses de production.

Modélisation de commandes réduites et techniques ROM

Un nouveau modèle d'assistant TwinAI (ROM) guide les équipes par la création et le déploiement de ROM haute fidélité, accélérant la livraison de jumeaux numériques en temps réel. Les modèles d'ordre réduit (ROM) ont permis d'obtenir des résultats de simulation de pleine fidélité avec un coût de calcul considérablement réduit, permettant des applications comme la simulation en temps réel, l'optimisation et les jumeaux numériques.

Les ROM sont créés en exécutant une série de simulations de pleine fidélité dans un espace de conception, puis en utilisant des techniques mathématiques pour créer un modèle simplifié qui capture le comportement essentiel. Une fois créé, le ROM peut évaluer de nouveaux points de conception en secondes ou minutes plutôt que d'heures ou de jours.

L'analyse modale et la synthèse en mode composant sont des formes de modélisation en ordre réduit couramment utilisées dans la dynamique structurelle. Ces techniques représentent des structures complexes utilisant un nombre limité de modes de vibration, permettant une analyse dynamique efficace.

Intégration de l'IA et de l'apprentissage automatique

L'intelligence artificielle continue de remodeler les flux de travail de simulation dans Ansys 2026 R1, avec une ingénierie assistée par l'IA élargie grâce à de nouvelles capacités SimAI et une meilleure gestion des données pour les ensembles de données de simulation de grande envergure, permettant aux ingénieurs de former des modèles localement ou dans le cloud pour une simulation prédictive et une exploration de conception plus rapides.

La métamodélisation permet aux équipes de faire des simulations plus rapidement, d'explorer des possibilités de conception plus larges et de réduire les coûts de développement.

Le métamodèle de l'approche optimale du pronostic (MOP) est un algorithme automatique ML (AutoML) en optiSLang qui trouve la meilleure approche de métamodélisation et prépare ses paramètres, tout en filtrant des paramètres importants. Ces approches automatisées rendent la simulation à puissance AI accessible sans nécessiter une expertise en apprentissage machine profonde.

L'IA peut également aider à la configuration de simulation et au dépannage. Mesh Agent, une nouvelle fonctionnalité dans le logiciel Ansys Mechanical, aide les ingénieurs à déboguer et à résoudre les défaillances de maillage lors du pré-traitement du modèle.

Optimisation paramétrique et exploration de conception

L'optimisation de conception cherche à trouver la meilleure configuration parmi de nombreuses possibilités. Pour les grands modèles, les études d'optimisation en cours avec des méthodes traditionnelles peuvent être prohibitivement coûteuses.

La méthodologie de surface de réponse crée des approximations mathématiques des résultats de simulation en fonction des paramètres de conception. Une fois la surface de réponse construite à partir d'un nombre limité de simulations, les algorithmes d'optimisation peuvent rechercher efficacement des conceptions optimales.

L'optimisation multi-objectifs considère simultanément plusieurs objectifs concurrents, comme minimiser le poids tout en maximisant la force. L'analyse pareto frontière identifie la courbe de compromis entre les objectifs, aidant les concepteurs à comprendre l'espace de conception et à prendre des décisions éclairées.

Scénario et automatisation

Le script et l'automatisation réduisent l'effort manuel, améliorent la cohérence et permettent des workflows complexes qui ne seraient pas pratiques pour exécuter manuellement. Ansys prend en charge le script par Python, APDL (Ansys Parametric Design Language) et d'autres interfaces.

Le script Python dans Ansys Workbench permet la création automatisée de modèles, la modification de paramètres, l'exécution de solutions et l'extraction de résultats. Les scripts peuvent mettre en œuvre des études paramétriques complexes, générer automatiquement des rapports ou intégrer Ansys à d'autres outils logiciels.

APDL est particulièrement puissant pour créer des modèles paramétriques, mettre en œuvre des procédures de solution personnalisée ou extraire des données de résultats spécifiques. Bien qu'APDL ait une courbe d'apprentissage plus raide que Python, il offre une flexibilité inégalée aux utilisateurs avancés.

Le traitement par lots permet de réaliser plusieurs simulations de façon séquentielle ou parallèle sans intervention manuelle. Configurer une file d'attente de simulations pour fonctionner du jour au lendemain ou pendant les week-ends, en maximisant l'utilisation des ressources informatiques disponibles.

Meilleures pratiques pour les types d'analyses spécifiques

Différents types d'analyse présentent des défis uniques lorsqu'on travaille avec des modèles de grande envergure. La compréhension de ces considérations spécifiques vous aide à appliquer des stratégies appropriées pour votre application particulière.

Modèles d'analyse structurelle de grande envergure

Les grands modèles structurels comportent souvent des assemblages complexes avec de nombreux composants et des interactions de contact. S'attacher à simplifier les définitions de contact, en utilisant des types d'éléments appropriés pour différents composants (éléments solides pour les structures en vrac, éléments de coque pour les composants minces, éléments de faisceau pour les membres minces) et en tirant parti de la symétrie lorsque possible.

Pour les analyses statiques linéaires, les résolveurs itératifs deviennent essentiels au-delà d'une certaine taille de modèle. Configurez les réglages du résolveur PCG de façon appropriée et surveillez la convergence. Pour les analyses non linéaires, contrôlez soigneusement le pas de charge et utilisez les capacités de redémarrage pour les analyses très longues.

Les analyses modales et harmoniques des grandes structures bénéficient de la synthèse en mode composant et d'autres techniques de réduction. N'extraire que les modes nécessaires à votre analyse plutôt que de calculer l'ensemble du spectre modal.

Simulations de grande envergure

Les simulations de dynamique des fluides computationnels peuvent générer des maillages extrêmement grands, particulièrement lorsque l'on résout les couches limites et les caractéristiques de flux turbulents.

Tirez parti de l'accélération GPU pour CFD lorsque disponible – de nombreux résolveurs ansys prennent en charge le calcul GPU avec des avantages de performance importants. Utilisez des modèles de turbulence appropriés pour votre application; les modèles plus simples comme k-epsilon nécessitent moins d'effort de calcul que les simulations grand eddy (LES) ou numérique directe (DNS), mais avec une précision réduite pour certaines caractéristiques de débit.

Pour les analyses à l'état d'équilibre, utiliser des méthodes multigrides et des facteurs de sous-relaxation appropriés pour accélérer la convergence. Surveiller les résidus et les variables clés de débit pour assurer la convergence des solutions. Pour les analyses transitoires, utiliser le temps adaptatif pour équilibrer la précision et l'efficacité.

Modèles d'analyse thermique de grande taille

Les analyses thermiques impliquent souvent de grands modèles en raison de la nécessité de capturer le transfert de chaleur sur l'ensemble des systèmes. Simplifiez les modèles thermiques en supprimant les composants qui ne participent pas de façon significative aux chemins de transfert de chaleur.

Pour les analyses conjuguées du transfert de chaleur combinant le flux de fluide et le transfert de chaleur, envisager de découpler les analyses si nécessaire. Exécuter une analyse CFD pour déterminer les coefficients de transfert de chaleur, puis appliquer ces coefficients comme conditions limites dans une analyse thermique seulement.

Les analyses thermiques transitoires peuvent nécessiter de nombreuses étapes pour atteindre l'état d'équilibre. Utilisez le temps d'adaptation et envisagez d'utiliser des solutions d'équilibre comme conditions initiales, le cas échéant.

Simulations électromagnétiques de grande envergure

Les simulations électromagnétiques, en particulier à haute fréquence, peuvent nécessiter des mailles très fines pour résoudre les longueurs d'onde et les profondeurs de peau. Utilisez des capacités de maillage adaptatives dans le HFSS et d'autres résolveurs électromagnétiques pour affiner automatiquement les mailles en fonction des solutions de terrain.

Pour les applications d'antenne et de radiofréquence, utilisez des conditions de limite appropriées pour tronquer le domaine de calcul. Les limites de la couche (PML) et du rayonnement parfaitement appariées permettent de modéliser les problèmes de région ouverte sans exiger d'énormes domaines de calcul.

Considérez les résolveurs de fréquence-domaine pour les problèmes électromagnétiques harmoniques plutôt que les résolveurs de temps-domaine lorsque cela est approprié. Les solutions de fréquence-domaine peuvent être plus efficaces pour les analyses à bande étroite, tandis que les résolveurs de temps-domaine sont mieux pour la caractérisation à large bande.

Dépannage de problèmes communs avec de grands modèles

Les grands modèles peuvent rencontrer diverses difficultés lors de la configuration, de la résolution et du post-traitement. Comprendre les problèmes communs et leurs solutions vous aide à résoudre les problèmes rapidement et à maintenir la productivité.

Problèmes de mémoire et de performance

Si vous rencontrez des problèmes de mémoire, vérifiez d'abord que vous utilisez des versions 64 bits Ansys et que votre système a suffisamment de RAM. Envisagez de réduire la densité de maillage, en utilisant la symétrie pour modéliser seulement une partie de la géométrie, ou en passant à des solveurs itératifs qui utilisent moins de mémoire que des solveurs directs.

Lent performance pendant le pré-traitement indique souvent des limitations de cartes graphiques. Désactiver le rendu graphique détaillé pour les modèles très grands et utiliser des représentations simplifiées lors de la configuration du modèle.

Si les temps de solution sont excessifs, profilez votre analyse pour identifier les goulets d'étranglement. Est-ce que la plupart du temps passé dans la formation d'éléments, la résolution d'équations, ou la détection de contact? Comprendre où le temps est consommé vous aide à appliquer des stratégies d'optimisation appropriées.

Problèmes de convergence

Les difficultés de convergence dans les analyses non linéaires peuvent provenir de nombreuses sources : mauvaise qualité des mailles, modèles matériels inappropriés, contacts mal définis ou accroissements de charge excessifs. Diagnostiquer systématiquement les problèmes de convergence en examinant les courbes de convergence, en examinant les messages d'avertissement et en visualisant les formes déformées à la dernière étape convergente.

Améliorer la convergence en raffinant les mailles dans les zones problématiques, en ajustant les paramètres de contact, en réduisant les dimensions des étapes de charge ou en modifiant les contrôles de solutions non linéaires. Utilisez des algorithmes de recherche de ligne et un pas automatique dans le temps pour améliorer la robustesse.

Si les problèmes de convergence persistent, simplifiez le modèle pour isoler le problème. Supprimez les fonctionnalités non linéaires une à la fois pour identifier quel aspect cause des problèmes. Une fois identifié, vous pouvez concentrer les efforts de dépannage sur la fonctionnalité problématique spécifique.

Questions de qualité du mesh

La mauvaise qualité des mailles peut causer des problèmes de convergence et des résultats inexacts. Utilisez les mesures de qualité des mailles Ansys pour identifier les éléments problématiques.

Pour les géométries complexes, les problèmes de qualité du maillage sont souvent dus à des problèmes de géométrie CAO : petites lacunes, chevauchements de surfaces ou tailles de lin. Nettoyer la géométrie avant de maillage en utilisant des outils de défaiture, topologie virtuelle ou utilitaires de réparation CAO.

Il faut veiller à ce que les surfaces de contact aient une densité de mailles compatible et que les éléments ne soient pas excessivement déformés près des régions de contact.

Rester à jour avec Ansys Capabilities

Ansys développe continuellement de nouvelles fonctionnalités et fonctionnalités qui améliorent la gestion des modèles. Rester à jour avec ces développements vous assure d'utiliser les méthodes les plus efficaces disponibles.

Ansys 2026 R1 introduit des avancées significatives dans la simulation par l'IA, l'informatique haute performance et la modélisation multiphysique, permettant aux ingénieurs d'explorer des espaces de conception plus grands, d'analyser les systèmes complexes plus rapidement et d'intégrer plus profondément la simulation dans les flux de travail de développement de produits avec une accélération GPU élargie et une automatisation améliorée grâce aux API Python.

Participez à des cours de formation, des webinaires et des conférences d'utilisateurs Ansys pour en apprendre davantage sur les nouvelles fonctionnalités et les meilleures pratiques. Le centre d'apprentissage Ansys fournit de nombreux tutoriels et documentation.

Consultez les notes de sortie de chaque nouvelle version Ansys pour comprendre ce qui a changé et comment de nouvelles fonctionnalités pourraient profiter à votre travail. De nombreuses améliorations de performance et de nouvelles fonctionnalités ciblent spécifiquement la gestion de modèles de grande envergure, rendant les mises à niveau de version précieuses pour les ingénieurs travaillant avec des simulations complexes.

Conclusion : Établir une stratégie modèle efficace pour un grand modèle

La gestion réussie des grands modèles Ansys nécessite une stratégie globale qui traite de l'optimisation de la géométrie, de l'efficacité de maillage, de l'utilisation du matériel, de la configuration du solveur et de la gestion des données.

Commencez par comprendre vos objectifs d'analyse et vos exigences de précision. Chaque analyse ne nécessite pas une fidélité maximale, il faut adapter votre approche de modélisation aux questions auxquelles vous avez besoin de répondre.

Tirer parti des ressources informatiques modernes, y compris les processeurs multi-cœurs, l'accélération du GPU et le cloud computing le cas échéant. Ces ressources peuvent transformer des analyses auparavant impraticables en simulations de routine.

Implémentez des pratiques de gestion des données robustes dès le début de votre projet. L'organisation, le contrôle des versions et la documentation sont clairs et empêchent toute confusion et facilitent la collaboration.

De nouvelles fonctionnalités comme le maillage adaptatif, la simulation à moteur d'IA et les algorithmes d'optimisation avancés fournissent des outils puissants pour gérer plus efficacement les grands modèles. En combinant les meilleures pratiques fondamentales avec des capacités de pointe, vous pouvez relever des défis de simulation de plus en plus complexes avec confiance.

Pour de plus amples renseignements sur les meilleures pratiques de simulation d'Ansys, visitez la page Ansys Learning Resources[ . Pour explorer les options de calcul à haute performance pour Ansys, consultez la plateforme Ansys Cloud. Pour plus d'informations sur les dernières capacités d'Ansys, consultez le Ansys Release Highlights[.