以AI大數據模型預測車架結構應力|Knowledge Studio

案例實績

Casestudy

案例實績

所有實績分類
以AI大數據模型預測車架結構應力|Knowledge Studio
Apr.10,2024

 使用軟體 : Knowledge Studio

 


 

【 背 景 】


      在輕量化車架設計的過程中,確保結構的強度、剛性和耐久性是至關重要的。傳統上,設計師需要透過試誤的方式,通過實驗或建立複雜的計算模型來驗證車架設計。然而,這些方法耗費大量的時間、資源和人力,並且在探索不同設計選項時受到了限制。
      近年來,隨著人工智慧(AI)和大數據技術的迅速發展,AI 大數據分析能夠從龐大的數據集中學習並提取模式,以此進行快速而準確的預測。故業者希望將此技術實際應用於摩托車車架設計中,以提高車架的設計效率和性能
     

【 成 果 】

  • 瑞其使用 Altair AI 大數據分析軟體 Knowledge Studio,以客戶提供的過往車架結構相關資料,進行AI模型訓練與預測。
  • 證實輸入不同的車架結構和桿件厚度, Knowledge Studio AI 模型可以快速預測各個部位的應力分佈情況,從而幫助設計師優化結構設計。 
  • 比對傳統的CAE模型分析結果,驗證 Knowledge Studio AI 模型可成功預測出準確的結構應力和變形
  • 可以更快速、更準確地進行結構分析和設計優化,從而提高車架的性能和安全性,並加速產品上市時間。
 
【技術特點】
  • 直接預測應力與變形: 
        Knowledge Studio允許使用者將參數匯入AI模型中,從而直接預測結構的應力與變形。意味設計師不再需要依賴傳統的實驗或複雜的模型分析,而是可以通過AI模型快速獲取準確的結果
  • 自動選擇最佳AI模型: 
        Knowledge Studio 具有智能的AI模型選擇功能,軟體會根據用戶提供的數據自動訓練多種常用的AI模型,包括Deep Learning、隨機森林、線性回歸、決策樹等。最終,軟體將推薦最適合用戶數據的AI模型,以確保預測結果的準確性和可靠性。
  • 視覺化圖面顯示: 
       Knowledge Studio 提供各種視覺化圖面,幫助用戶更好地理解數據。例如,直方圖可以呈現數據分析參數的敏感度,幫助用戶識別關鍵參數;相關係數矩陣則可以顯示參數之間的相關性,幫助用戶發現潛在的模式和關係。
  • AI模型轉換功能:
        Knowledge Studio 還提供了將AI模型轉換成C code或Python等程式碼的功能,這使得用戶可以將訓練好的AI模型輕鬆地集成到其他應用程式或系統中,從而實現更廣泛的應用。
 

服務諮詢

軟體試用

公司簡介 最新消息 聯絡我們

若同意本網站之隱私權政策,請點選「CONFIRM」,若繼續閱覽本網站內容,即表示您同意我們使用 cookies 分析技術,更多資訊請瀏覽 隱私權聲明

CONFIRM