2023展商 | 结构仿真：Ansys Mechanical 2023 R1版本的五大新功能

Ansys Mechanical每年都会持续发布新功能，拓展结构分析的边界，凭借人工智能/机器学习（AI/ML）在资源预测、形貌优化等领域的不断发展，该最新版本软件使您能够执行更准确、更高效和可定制的结构仿真分析。

Ansys 2023 R1重点推出了相关增强功能，使您能够使用Mechanical实现更高效、更准确的有限元分析（FEA）仿真，包括：

基于几何结构的重新关联（GBA）
保留几何的网格自适应（GPAD）
计算资源预测
形貌优化
接触设置

基于几何结构的重新关联（GBA）

Mechanical凭借其能够通过网格划分、设置和求解来处理底层几何结构而闻名业界。老用户可能知道，在编辑几何结构时，Mechanical中的关联性可能会丢失，并且此前在Mechanical中定义的设置会变为未定义的状态。Ansys Workbench虽然具有在几何结构改变后重新关联模型设置的功能，但该过程并非总是万无一失。

如今，当改变几何结构后，您再也不会看到模型树上因为失去关联性而挂满了一连串的问号。在Ansys 2023 R1版本中，您可以高效地编辑模型，并使用新的作用域向导工具自动检测和重新设置作用域。

现在，当您将更新的模型导入回Mechanical时，几何结构中改变的部分将会根据关联性进行着色。然后，您可以通过列表来可视化已重新关联和未关联的项：已被查找到并重新关联的项显示为绿色，具有多个匹配的项显示为黄色，无法自动重新关联的项则显示为红色。

图 1. 使用全新的 Scoping Wizard 编辑 CAD 模型后有效地重新建立关联性

保持几何结构的网格自适应性（GPAD）

您是否也有过类似的经历：需要在Mechanical中求解一个复杂模型，但您并不熟悉该模型或事先不了解会产生危险应力和应变的区域？在过去，我们有两种方法可以解决此问题：

第一种是生成较粗疏的网格，求解模型，并在重要区域细化网格；
第二种是从一开始就生成过度细化的网格，以准确捕获重要区域。

我们知道这些方法可能非常耗时，因此我们推出了一项新功能来提高耐久性研究的效率。保留几何结构的网格自适应（GPAD）这一新功能，不仅消除了对初始网格过度细化的需要，而且避免了对网格尺寸大小的猜测。

通过GPAD，您可以使用较粗的网格开始仿真，并且在求解模型时，求解器会监控区域中的数量信息（如应力变化），并自动细化网格。网格的细化并非基于此前求解的粗糙网格，而是通过将网格与底层计算机辅助设计（CAD）相匹配来实现，以更接近模型的真实形状。由于网格重划分发生在求解阶段，所以它可以提高准确性，同时无需耗费大量的计算资源。

保持几何结构的网格自适应性（GPAD）还可根据初始CAD几何结构自动细化网格

计算资源预测

由于存在不同类型的单元、材料、接触、接头、边界和载荷条件等因素，FEA仿真的规模和复杂性日益增加。与此同时，无论是在本地还是在云端，高性能计算资源的使用都在呈指数级增长。在这个阶段了解硬件要求，如内存和中央处理器（CPU）的数量，就非常重要。

在这种对成本和时间都非常敏感的仿真环境中，了解实现最大扩展性所需的最佳CPU数量至关重要，这有助于提高时间和成本效率。现在，计算资源预测的增强功能使您能够在求解之前，就可预测所需的内存、求解时间和求解器的扩展性能，从而解决此问题。

资源预测使用基于ML的算法来预测复杂仿真模型所需的内存和求解时间。该算法可对此前已求解的仿真的数百万个匿名数据点进行分析，并将该数据与用户求解的模型进行比较，以得出所需的预测结果。此功能可与具有迭代和直接求解器的线性静态和模态分析配合使用，并提供多达32个内核的扩展性能（从Ansys 2023 R1开始）。

图 2. 利用人工智能/机器学习 (AI/ML) 深入了解运行 Ansys Mechanical 仿真所需的计算资源

形貌优化

Mechanical中已逐步集成了参数研究、拓扑优化、点阵优化和形状优化等多种不同的优化技术。在2023 R1版本中，我们推出了一项被称为形貌优化的新功能。

装配式结构设计的性能在很大程度上取决于其自身的重量，尤其是在该结构承受动态载荷时，因此轻量化至关重要。对于薄壁结构，我们无法应用拓扑优化，而且使用其它方法寻找解决方案的效率更低——尤其是当我们具有装配和设计约束时。

而形貌优化最适合这类情况，我们无需更改设计的厚度或形状，仅使用自由变形方法即可确定网格节点的最佳位置。我们还可以使用不同的控件来确保设计的可制造性。这种方法有助于改善噪声、振动和声振粗糙度（NVH）；疲劳；碰撞性能；和/或减轻结构的重量。