第0079章 计算分析，同学偶遇 (第1/2页)

“设计方面还好说，但是3D打印现在的精度还是比不上传统的加工方式。”
　　
　　有话题聊，那么飞机上的旅程也就不会显得那么枯燥了。
　　
　　目前我们国家的发动机从设计到完成起码10年，国外也就是30-36个月，三年左右。
　　
　　之所以会花费如此长的时间，原因则在于做了太多的物理试验。我们一台发动机的制造，不算设计，就是造出来，也要一年多的时间；从研究的角度，要搞几轮迭代，每一次设计达不到目标就要再重新开始。
　　
　　缩短迭代的周期和次数，革新发动机设计的理念和方法迫在眉睫。
　　
　　我们国家以前有一句非常有名的话，叫做发动机是试出来的，这句话其实挺对的，发动机需要很多的试验验证，但这句话背后也蕴含着另外一层，就是我们的计算设计水平不是很好。
　　
　　但是，西方差不多十年十五年前就流行另外一句话，It’sbetternottodevelopaeroenginesthrougha‘build&bust’process。
　　
　　开发航空发动机，最好不要走“建造再摧毁”的流程。
　　
　　不同于以往的“试验是设计迭代的一部分”，通过MASK也就是Modelling，Analysis，Simulation，Computing方法，西方先进企业对航空发动机的设计更多的是一系列的数值计算和分析，并以此为基础，进行的精细化优化。
　　
　　试验很大程度上是对设计的确认，而不是直接参与设计的迭代，这是一个巨大的差异。
　　
　　所幸，现在的华夏也开始走这样的道路。
　　
　　以计算分析为主的设计工作是自主研发发动机的主要方向。
　　
　　随着飞行器越来越复杂，如果按照传统模式，试验小时数会越来越高，到2030年，将达到100万小时；而如果采用分析计算方法，可以减少2个数量级，到10万小时。
　　
　　充分运用计算能力，不仅能缩短时间，在AI时代，还能借助计算机的“想象力”革新设计。
　　
　　现在大部分工程设计的优化都是连续的，有时候想象不出来这个形状是怎样的；什么是拓扑优化？现在可以设定要满足的条件，用人工智能，让计算机不受任何约束的去想。
　　
　　而这将对飞机的设计产生革命性的影响。
　　
　　其实这种计算分析的方式也在运用于材料研发中。
　　
　　将实验数据，计算模拟数据，整合起来，无论好坏，便能形成具有一定数量的数据库。在数据库中，根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。
　　
　　2018年，在nature正刊上发表了一篇题为“机器学习在分子以及材料科学中的应用”的综述性文章。
　　
　　文章详细介绍了机器学习在指导化学合成、辅助多维材料表征、获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。
　　
　　“加工精度，这是一个大难题啊！”
　　
　　张楚阳也知道，虽然他们是搞材料的，但机械工程方面也了解的甚多，毕竟材料的运用就是机械工程范畴。
　　
　　

（本章未完，请点击下一页继续阅读）