家电行业如何突破重实验轻仿真的瓶颈？

创业 2025-01-08 12:10 浙江

实验 VS 仿真

笔者有幸和美的、方太、老板电器等一些头部的家用电器领头企业，有一些技术咨询合作或交流，对家电行业的研发周期、产品性能（可靠性）验证方式、仿真应用等研发主要环节有比较深切的感受。

相比汽车行业来说，家电行业的研发周期非常短，另一个感受就是家电行业的CAE仿真的基础数据比较薄弱，建立准确的仿真模型很难，通过实验测试而来的输入数据波动很大，很多时候想用仿真但是难以用仿真，并且很多时候，仿真还不如做简易打样实验来得更直接、更准确。所以总体感觉家电行业的CAE仿真相对汽车行业来说，比较薄弱、滞后，应用水平相对较为基础。

成本高，周期长

以空调研发为例，笔者从美的仿真技术经理杨维平博士了解到，杨博从2022年开始到美的负责振动噪声和仿真工作。以前美的一直是以经验设计为主，反复整改为辅，依赖老一辈的振动噪音工程师的经验来确定整改方向。因为空调的一个开发周期很短，大项目研发可能就一年时间，小项目可能只有两三个月。零零散散地做几个仿真的时间并不会比直接整改高效。以前更多是出现问题无法解决的时候通过仿真分析一下原因，或者在项目完成后做一个仿真报告进行展示。

噪音测试量每年接近两到三万个小时，但是品质数据显示一次测试合格率是不足70%的。另外30%的项目基本上要经过多次测试。之前每年在噪音整改复测上耗费的时长约4,000小时，折合人工、物料和实验室成本近千万元。

仿真平台二次开发，改变传统研发

为了改变这种低效长周期的传统研发方式，美的尝试通过仿真实现真正拥有一个可以量化的高效的在项目过程中能应用上的能落地的产品研发解决方案。通过综合选型，美的选择和Altair合作，基于Altair HyperMesh 和 OptiStruct 的空调结构仿真平台做了一系列的二次开发工具。

美的前期的目标是想做一个行业首款空调器结构振动辐射噪声定量的预测工具。为了达到定量去做了压缩机负荷识别。比如压缩机它的输出是什么？如何加载到仿真里面去？此外，为确定系统的质量、刚度、阻尼等参数，通过对标和测试建立了一系列数据库。从HyperMesh建模开始通过实验对标的方法从零部件级到部件子系统到最后一个完整的模型，最终和Altair合作，开发出来了一个美的专用的空调结构仿真平台MASim。

仿真新成效：成本降低50%

MASim针对不同结构形式做了分类，并建立了标准零部件有限元模型库，后期可以直接拿来调用，不再需要重复的画网格。以前一台外机使用普通电脑建模可能需要两三天的时间，现在通过这个工具前处理基本上一两个小时就可以搞定。如果再加上计算的时间，半天之内就能出报告。

仿真项目最重要的一定是要落地。为了验证效果，美的拿了三四个以前做的项目和这一次用新平台的项目进行了对比。取得了显著的效果提升，包括试错成本降低50%以上，无论是改管次数、复测次数还是整改周期都有大幅度的降低。

MASim另一个提效非常显著的功能是空调配管自动生成与仿真。前期空调配管设计仿真很依赖有经验的工程师设计管路，但是即使人工设计，效率也不是很高，而且虽然经验是相对可靠的设计但不一定是最优的设计。

Altair 尝试用 OptiStruct 帮助美的实现配管设计寻优设计，只需要给压缩机定义一个连接管路设计空间，包括其他管的干涉、弯位数量、弯折工艺等，仅仅需要半天到一天 OptiStruct 就能自动生成几千或者几万个管路，并从几万个管路里面挑个三五个出来给工程师，再对三五个管路进行精细的设计仿真优化，大幅提高了设计效率和精度。通过这种方式，美的成功实现了工程师经验的延续，有效解决了技术断层的问题。

仿真的尽头是AI？

空调行业已经发展了几十年了，噪声测试也有一二十年的时间了，美的积累了大量设计方案、各种平台里面的空调结构以及测试的温度、压力速度等影响噪音的参数，和以往的仿真数据。

有了大量的数据，美的下一步的计划通过建立一系列储存数据的模板，把包括仿真数据在内的所有数据放到AI里面去建立一个大模型，让AI进行一系列的模型训练。当后期有新项目的时候，新的配置和代理数据进来就可以通过AI预测噪声、应力或者故障等等。据杨博在Altair技术大会上的分享，美的正在和 Altair 合作探讨进一步应用Altair前沿的Physics AI模块，逐步用AI去部分替代CAE仿真，达到更快的设计和计算效率。

仿真的尽头是不用仿真，会是用AI吗？特别在充实着大量实验数据的家电行业，更让这句话的含义充满想像，期待美的在仿真和AI的应用上为家电行业探索出下一个成功目标。

技术邻CAE学习

技术邻CAE学习，是技术邻旗下专注CAE仿真技术学习的公众号。