AICFD 智能热流体仿真软件

01.“前前处理”模块全新发布：交互式问答中完成求解设置，确保零基础也可以用好CFD；
02.几何网格模块全新升级：扩大网格类型兼容范围、丰富网格划分工具箱、提升网格处理效率与规模上限；
03. 后处理模块新增探针、自由切面等功能。

01.AI加速全新升级：求解范围扩大至各类工业级流动换热复杂案例，并大幅提升加速效率；
02.优化多相流VOF算法：精度与鲁棒性双提升，达到船舶静水阻力行业使用标准；
03.优化数值格式：气动噪声达到汽车行业使用标准；
04.优化可压缩算法：跨声速可压支持航空经典算例；
05.支持动态边界条件：为多物理场联合仿真提供底层支持。

传统CFD软件学习成本高，研发人员面对各类繁琐的功能选项和专业术语常常无从下手，大部分时间都浪费在与实际业务毫无关联的概念理解；在缺乏有效指导的前提下，仿真设置过程中错选、漏选成为常态，研发人员不得不付出大量的成本试错。
针对此痛点，AICFD创新性研发“前前处理”模块，利用智能算法将热流体基础理论与工程应用实践建立映射，从工程角度出发拆解复杂的流体问题，用户在通俗易懂的交互式问答中即可轻松完成物理场景定义、湍流模型选择、边界条件设置等操作。

几何处理与网格划分能力直接影响了通用CFD软件的产品体验，对求解效率、精度及稳定性至关重要。产品设计人员需要一款操作简单、全流程业务闭环的仿真产品，满足快速迭代产品设计的需求。仿真工程师则已有固定的网格划分工具及习惯，要求CFD产品支持大规模、多类型的网格导入和编辑功能，最大程度发挥求解器的能力。
AICFD 2024R1全新升级几何网格模块，支持复杂几何的非结构化网格生成，整个流程人工干预少，生成网格质量高，具体如下：
◆ 丰富网格划分工具箱：全流程支持“几何导入-面网格设置-体网格设置-边界层设置-局部加密-质量检查”的业务闭环，操作高效简洁、功能鲁棒性强；
 

◆ 支持非共形交界面与多面体网格：软件支持复杂几何模型的非共形网格交界面拼接，求解器通过高精度插值算法保证交界面计算精度；多面体网格则有助于减少网格数量，提高计算精度与效率，在汽车、船舶、热交换器和化工设备仿真中有广泛的应用；
 

◆ 提升网格处理效率与规模上限；
◆ 大幅提升求解前处理效率、优化内存占用与并行分区效率；
◆ 网格处理规模上限提升至10亿单元，支持超大规模工业级案例；
◆ 新增交界面自动匹配功能，大幅减少多域场景的前处理工作量。

天洑坚持核心求解器从0到1国产自研，在突破国外技术垄断的同时，也保障了底层算法架构的可拓展性，为人工智能等新技术的应用提供强力支撑。AI加速功能的成功落地便体现了这种后发优势。
AI加速利用特征识别、时序预测等机器学习算法，从历史数据中学习仿真数值求解过程，实现跳跃式迭代求解；在复杂仿真问题中，利用AI模型快速识别系统的时空特性，在矩阵求解和时间推进上加速传统求解器，提高复杂系统的求解效率。
AICFD 2024R1全面升级AI加速模块，在适用范围、易用性、稳定性、精度方面均有大幅提升：
◆ 适用范围扩大：可适应各类湍流模型、大网格多域并行运算等场景，求解范围扩大至各类工业级流动换热复杂案例；
◆ 易用性与稳定性提升：简化设置操作，用户仅需一键勾选即可获得稳定加速效果，加速预期不少于20~30%；
◆ 精度提升：物理量关键统计值误差不大于5%，空间分布一致性大幅提升。

多相流VOF模型可以准确分析船舶航行过程中受到的阻力情况，从而指导船型设计优化，提高船舶的可用性和经济性。
AICFD 2024R1优化多相流VOF算法，精度与鲁棒性双提升；船舶静水阻力仿真计算，KCS、DTC、KVLCC2、JBC等标准船型典型工况仿真值与实验值误差均小于3%，仿真速度比肩国外商软，达到船舶行业使用标准。

风噪作为新能源汽车主要噪音来源之一，对乘员的舒适性和驾驶体验产生显著影响。CFD分析中，关键部位气流的微小变动会对结果产生显著影响，因此需要在超大网格规模下进行高保真度的瞬态计算，以捕捉不同空间与时间尺度的精细湍流结构。整车风噪仿真能力体现了一个CFD软件的综合实力。
AICFD 2024R1针对风噪问题进行数值格式的优化，四千万级别网格的实车风噪仿真速度可比肩国外商软，全频段声压级与实测值接近，达到汽车行业使用标准。

AICFD 2024R1优化了可压缩求解程序，增加了无反射边界条件。在飞行器跨声速气动分析中，实现了对激波的准确捕捉，并且计算精度、收敛特性、计算鲁棒性均大幅提升，其中计算的DLR F6翼身组合体模型的升、阻力系数与实验偏差分别为1.9%与3.1%，优于国外商软。

AICFD 2024R1新增动态边界条件，支持静压入口、速度入口、质量流量入口、温度入口、温度壁面的动态输入。结合AI预测功能使用，可以克服一维仿真细节刻画不足及三维场计算效率过低的缺点，为多物理场联合仿真提供底层支持。