Nøglepunkter i artiklen:

• Forstå det grundlæggende inden for aeroakustik og den strategiske vigtighed for aeroakustiks simulering.
• Et overblik af de primære udfordringer som en leder kan blive mødt med, og hvordan du skal løse dem.
• Cost-benefit-analyse af aeroakustiks simulering.
• Praktiske eksempler for brugen af ChraLES (aeroakustik simulering)

Aeroakustik handler om den støj/lyd som bliver genereret af luftens bevægelser – især omkring og i objekter. Her prøver man at forstå, hvordan fluid dynamics (som f.eks. luft) producerer lyd, når de interagerer med forskellige overflader. For at kunne træffe beslutninger på et velinformeret grundlag, er det derfor afgørende for dig og din virksomhed at have en forståelse for aeroakustik.

I modsætning til hvad de fleste går og tror, så er aeroakustik ikke noget nyt. Faktisk har det eksisteret siden mennesket begyndte at flyve. Her har udfordringen ikke kun været at få flyvemaskinerne til at bevæge sig i høj nok fart, men også at mindske støjen de genererer i takt med hastigheden stiger.

Kort fortalt – så er aeroakustiks primære mål at forudse, kvantificere og kontrollere støj. Selvom det er dybt forankret i matematik, fysik og beregningsmodeller, er det de praktiske anvendelser, som virkelig sætter tankerne i gang. Aeroakustik har nemlig et bredt spektrum af praktiske anvendelser. Fra at designe mere støjsvage flymotorer (se figur 1 nedenfor) til vindturbiner for optimering af luftgennemstrømning omkring bygninger for at mindske støj.

Den strategiske vigtighed af aeroakustik og hvordan støj kan påvirke din forretning

Støj er ikke kun et spørgsmål om miljømæssige eller auditive overvejelser, det har også en vigtig betydning for det forretningsmæssige. Støj kan påvirke kundetilfredshed, produktets brugbarhed og i sidste ende jeres salg. Tag f.eks. fordelen ved en støjsvag flykabine. Den kan markant forbedre den samlede flyoplevelse og fungere som en konkurrencefordel for kommercielle flyselskaber. Derudover står flyproducenter over for et vedvarende regulativ pres for at minimere støjniveauet omkring lufthavne. Det påvirker deres ruteplanlægningen, tidsplaner og rentabilitet. Og i en verden hvor man i stigende grad fokuserer på bæredygtighed og livskvalitet, får støjforurening mere opmærksomhed fra både forbrugerne og myndighederne. De presser virksomheder til at reducere deres lydmæssige fodaftryk. Hvis I som virksomhed ikke opfylder disse forventninger og krav, kan det direkte påvirke jeres branding, PR og i sidste ende jeres markedspositionering. Ej at forglemme at en manglende overholdelse kan resultere i betydelige bøder og juridiske konsekvenser.

Så man kan argumentere for at aeroakustik ikke kun er en teknisk nødvendighed men ligeledes et strategisk værdisæt. I nutidens marked vil virksomheder som er velbevandrede inden for feltet, være bedre gearet til at takle eventuelle udfordringer og udnytte de muligheder, som udspringer af at arbejde med lyd — eller manglen på samme.

Aeroakustik simulering er en unik niche inden for den omfattende verden af simuleringer og modellering. Ud fra et teknisk aspekt giver denne type simuleringer både muligheder og værktøjer til ingeniørerne/eksperterne, men samtidigt også forretningsmæssige og strategiske fordele, som kan hjælpe med at opfylde målene for jeres virksomhed.

Lad os se nærmere på hvordan.

Forbedring af produktdesign og effektivitet

I dag jagter vi konstant det perfekte produktdesign. Her kan aeroakustiks simulering give betydningsfulde indsigter, som kan have stor indflydelse på jeres designproces. I bilindustrien er en bils isoleringsevne fra eksterne lyde (f.eks. vindstøj) i kørekabinen et vigtigt salgsparameter, som påvirker forbrugernes præferencer. Med aeroakustiks simulering kan bilproducenterne forfine deres designs og den harmoniske balance mellem æstetik, funktionalitet og lydmæssige komfort.

Lev op til branchestandarder og lovforskrifter

Forskrifterne for udledning af støj (især inden for sektorerne for luftfart og vedvarende energi) bliver mere og mere strikse. F.eks. har European Union Aviation Safety Agency fornyeligt introduceret ‘The Environmental Protection Technical Specifications’, som fastlægger certificeringsstandarder for støj for eVTOL (Electric Vertical Take-off and Landing) fly (Se figur 2). Imødekommer man ikke de fastlagte stardarder kan de medføre betydelige bøder, operationelle begrænsninger og tilbagekaldelser af produkter. Ved hjælp af aeroakustiks simulering gør det muligt for virksomheder at forudse og imødekomme de regulative krav, så de sikre at overholde compliance inden deres produkter rammer markedet.

Sikre konkurrencefordele

I dag er det mere afgørende end nogensinde at skille sig ud fra konkurrenterne. Ro er en klar prioritet hos forbrugerne. Uanset om det gælder et støjsvagt fly, mindre støjende vindturbiner eller et støjfri køretøj kan aeroakustiks simulering hjælpe. Vi snakkede om kort værdisæt tidligere. Ved man som virksomhed prioriterer og forpligter sig til støjreduktion, signalerer I jeres engagement i kundepleje og miljømæssige ansvarlighed.

Men fordelene strækker sig længere end de øjblikkelige gevinster, hvor fremtidig parathed og proaktivitet er den største bonus, aeroakustik bringer med sig. Med den stigende globale urbanisering bliver bæredygtighed kun vigtigere, og det samme bliver effektiv støjstyring.

Til opsummering – så handler aeroakustiks simulering ikke kun om decibels og luftstrømninger, det repræsenterer et strategisk aktiv, som kommer til at forme produktudvikling, drive forretningsstrategier og bane vejen til ledende positioner i markedet.

Ledernes primære udfordringer med aeroakustik

Det kommer også med sine udfordringer – også for dig som leder. Udfordringer som går lidt længere end de typiske man støder på ved almindelige projekter. For at løse dem kræver det en nuanceret forståelse, god kommunikation og fleksible strategier.

• At bygge bro mellem teknik og strategi: En af de største problemstillinger er en gnidningsfri symbiose mellem teknisk ekspertise og strategiske mål. Som leder er dit job at sikre de tekniske bestræbelser og ressourcer stemmer overens med projektets primære mål. Det kræver en omfattende forståelse (for både det tekniske og strategiske) og en klar kommunikation.
• Allokering af ressourcer og budget: Balancen mellem behovet for specialiseret ressourcer og et begrænset budget er en svær disciplin. High-end udstyr, software og nichet ekspertise er ofte et krav, når man arbejder med projekter som involverer aeroakustik, men de koster også.
• At holde sig opdateret i forhold til udviklingen: Aeroakustiker er i konstant udvikling, og som leder er du nødt til at sikre, at dit team har adgang til de nyeste værktøjer og viden. Det involverer selvfølgelig også, at du følger med i din branches udvikling.
• Håndtering af forventninger: Interessenter – både interne (den øverste ledelse, investorer osv.) og eksterne (kunder, forbrugere og myndigheder) – har hver deres specifikke forventninger og krav. Det kan være udfordrende at jonglere med dem alle sammen, især hvis de ikke er på bølgelængde med projektets tekniske realiteter.
• Risikohåndtering: Det er vigtigt at forholde sig til de potentielle usikkerheder, som kommer med alt software – også aeroakustiks simulering. Alt fra software glitches til fejlbedømte simuleringsparametre kan der være risici for. Som leder er du nødt til at have den rolige hånd, når du skal vurdere eventuelle risici og implementere mitigerings strategier.
• Fremme effektivt samarbejde: At kunne orkestrere gnidningsfrit samarbejde mellem diverse teams (fra akustikeksperter til softwareingeniører) har stor betydning for et projekts succes. Men det kræver meget struktur og gennemsigtighed, før de teams kan samarbejde effektivt og kommunikere problemfrit.
• Navigere i regulativer og compliance: Her er der ikke plads til kompromiser. Du er nødt til at garantere, at dine aeroakustik-projekter lever op til industristandarderne, regulativer og compliance. Lykkedes du ikke her, kan det blive meget problematisk.

Selvom de her problemstillinger måske virker lidt overvældende, kan man med den rette tilgang og ressourcer omdanne dem til vækstmuligheder og succes.

Vind over de ledelsesmæssige udfordringer

I vores verden er der altid en løsning til et problem. Og vi har et forslag til “the one solution to rule them all” (Ringenes Herre reference) – nemlig Fidelity CharLES. Det er et værktøj som er omkostningseffektivt, hurtigt og præcist.

Fidelity CharLES

Fidelity CharLES skiller sig ud blandt andre CFD solvers pga. dens enestående hastighed og tilgængelighed som er optimeret til både grafik og central processing units, hvilket sikrer den problemfri ydeevne. Dets alsidighed strækker sig til forskellige anvendelser, herunder forbrændingskamre til jetmotorer og køretøjers eksterne aerodynamik.

Forestil dig et værktøj som er finjusteret til de typiske flow conditions i aeroakustiks simulering, udstyret med algoritmer der præcist kan håndtere komplekse scenarier. CharLES excellerer i at løse problemer med høj nøjagtighed og stabilitet takket være avancerede numeriske metoder, der er skræddersyet specifikt til lydanalyse.

Desuden har CharLES et brugervenligt interface, som henvender sig til både erfarne eksperter og nybegyndere. Det intuitive design giver en nem og behagelig arbejdsgang – lige fra opsætning til udførelse. Det er især gavnligt for brugere, der udforsker CFD uden omfattende baggrundsviden. Derudover tilbyder CharLES en høj grad af tilpasningsevne, der giver dig mulighed for at tilpasse simuleringerne til dine specifikke krav.

Kort fortalt – så skiller CharLES sig ud fra alternativer pga. dets evne til at forudse og håndtere CFD-mæssige forhindringer præcist, hurtigt og økonomisk. Det inkluderer aeroakustiks-støj, turbulent mixing, flow separation, transition, turbulent shear stress, heat transfers samt forbrænding og emissioner.

Forudseenhed

CharLES solver gør brug af LES-simuleringer (Large-Eddy-Simulations), der giver et højere niveau af præcision og pålidlighed, som sjældent ses i mange kommercielle CFD-værktøjer. Dens LES-model er forankret i grundlæggende fysikprincipper, som giver værktøjet dens stabilitet og nøjagtighed.

Simuleringshastighed

Det er ikke en ny ting at hastighed og time-to-market spiller en afgørende rolle. CharLES’s solvers er designet til omfattende parallelprocessering og skalerbarhed, som maksimerer de beregningsmæssige ressourcer for at levere rettidige resultater. Med dets avancerede load-balancing algoritmer fordeler CharLES intelligent den beregningsmæssige belastning på tværs af processorer, hvilket minimerer ventetid og maksimerer effektiviteten.

Desuden optimerer CharLES hukommelsesforbruget for at eliminere overdreven hukommelsesallokering, hvilket er afgørende for større simuleringer, hvor computerhukommelse kan være en flaskehals. Dets fleksible arkitektur sikrer skalerbarhed på tværs af platforme og operative systemer, hvad enten det er på en lokal arbejdsstation, et high-performance computing cluster eller en cloud-baseret infrastruktur. CharLES realtidsmonitorering giver dig indsigt i den beregningsmæssige ydeevne, hvilket giver jer mulighed for at optimere effektiviteten under langvarige simulationer.

Omkostningseffektivitet

Mens CharLES’s løsninger historisk set har været optimeret til CPU-baserede clusters, udmærker de sig også i accelererede node architectures, der dominerer top-tier supercomputing-platforme. Ved at udnytte GPU-arkitekturer reducerer CharLES markant beregningstiden sammenlignet med traditionelle CPU-setups. Denne effektivitet oversættes til potentielle omkostnings- og energibesparelser, hvilket gør den til en gamechanger for store simuleringer, der kræver en hurtig gennemløbstid.

Tyg lidt på den. 9x throughput for den samme omkostning på CPU’en og 9x lavere omkostninger og 17x lavere energiforbrug for det samme CPU throughput.

Se mere i videoeksemplet for GTC 2023 NVIDIA Keynote.

Cost-benefit-analyse

Det er selvfølgelig vigtigt at forstå de tilknyttede omkostninger og mulige afkast, før man kaster sig ud i strategiske beslutninger, især en der indebærer at adoptere nye teknologier i samme vægtklasse som aeroakustiks simulering.

De indledende omkostninger

Lad os være ærlige, selvfølgelig kommer en integration til at have sine omkostninger. Som nævnt kræver high-fidelity simulation robuste infrastrukturer til dets beregninger, herunder kraftfulde servere og specialiseret software. Derudover er det afgørende at have de rette menneskelige ressourcer – f.eks. eksperter inden for aeroakustik – hvilket kan kræve ansættelse af nyt personale eller uddannelse af eksisterende. Derudover er licensomkostningerne til specialiseret software som f.eks. til aeroakustiks simulering ofte i den tungere ende.

De skjulte besparelser

Men selvom de indledende omkostninger kan virke skræmmende, kan de langsigtede besparelser opveje dem. Nøjagtige simuleringer kan reducere behovet for flere fysiske prototyper, hvilket fører til betydelige besparelser på materialer, arbejdskraft og tid. Fremsynethed ift. støjproblemer vedr. det pågældende produkt kan også forhindre dyre bøder og potentielle retssager. Testning i fuld skala i et lyddødt rum er både besværlig og dyr, men virtuel testning eliminerer behovet for fysiske redesigns.

De langsigtede fordele

Ud over de øjeblikkelige besparelser kan aeroakustiks simulering give immaterielle fordele, der påvirker bundlinjen væsentligt. Etablering af et ry som markedsleder inden for støjhåndtering kan forbedre brandets omdømme og påvirke kundernes købsbeslutninger. Derudover kan produkter i overensstemmelse med globale støjstandarder få adgang til en bredere vifte af markeder uden regulatoriske forhindringer. Derudover kan indsigter fra simuleringer inspirere innovative produktfunktioner eller helt nye produktlinjer og skabe muligheder for ny indtjening.

Opvejning af fordele og ulemper

I sidste ende afhænger beslutningen om at integrere ny teknologi af, om de strategiske og langsigtede fordele opvejer de indledende investeringer. For mange virksomheder (især dem i sektorer) hvor støjhåndtering er en afgørende nødvendighed, er svaret en rungende “ja” til aeroakustiks simulering.

Vi ser at risiciene og de øvrige omkostninger ved produktion og udvikling (generelt) alt for ofte overstiger virksomhedernes smertegrænse. Dertil famler langt de fleste i “blinde” under designfasen, fordi de ikke har mulighed for at forudse og være på forkant med eventuelle problemstillinger. Problemstillinger som i sidste ende kan koste dem tid, penge og ressourcer.

CharLES i action

Aeroakustiks simulering har en betydelig industriel relevans og omfatter alt fra supersoniske flystøj til støj fra en ventilator. Tabel 1 opsummerer flere anvendelser, hvor CharLES har vist sig at være effektiv, herunder VTOL-rotor- og sedanstøjforudsigelser med Honda R&D samt NASAs ventilatorstøjdiagnostiske test (SDT).

Undersøgelse af VTOL rotorstøj med Honda R&D

En gruppe forskere udførte en undersøgelse af flerbladede VTOL-rotorer, der almindeligvis findes i moderne droner og biler, for at vurdere nøjagtigheden og omkostningseffektiviteten af højfrekvent aeroakustiks simulering. De undersøgte forskellige rotorkonfigurationer, der afvekslede fra to til fem blade, og sammenlignede resultaterne med data fra Hondas vindtunneltests.

Analysen afslørede en mærkbar stigning i støjniveauerne med tilføjelsen af rotorblade, hvilket stemmer overens med de eksperimentelle resultater. Derudover blev CharLES anvendt til at simulere et fuldskala eVTOL-fly med otte VTOL-rotorer og et par propelblæsere, hvilket viser softwarens omfattende kapaciteter og effektivitet, især når den kobles med GPU-acceleration.

Forudsigelser for støj hos en bil i fuld størrelse med Honda R&D

Honda R&D analyserede lydprofilen af en Sedan, der kørte med 120 km/t med henblik på at validere sine forudsigelser mod virkelige vindtunneltests. Simuleringerne blev udført med to forskellige grid-opløsninger, hvor den forbedrede version afslørede interessante luftstrømsmønstre, især omkring A-stolpen, som kan påvirke bilens ydeevne og støjemissioner. For at sikre nøjagtigheden blev simuleringernes resultater sammenlignet med faktiske vindtunneldata, hvilket demonstrerede tæt overensstemmelse mellem de to. Derudover fremskyndede brugen af specialiseret grafisk hardware (GPU’er) betydeligt simuleringerne sammenlignet med traditionelle computerprocessorer (CPU’er).

NASA’s Fan Noise Source Diagnostic Test

I samarbejde med NASA udførte CharLES en såkaldt “fan noise Source Diagnostic Test (SDT)” for at vurdere effekten af forskellige OGV (Outlet Guide Vane) designs på ventilatorens aerodynamik og støjniveauer. Den omfattende beregningsopsætning omfattede hele testsektionen, nacellen og hele ventilatorens og OGV’ens annulus, simuleret ved 61,7% af sin normale hastighed. Her blev det opdaget, at det lavstøjende OGV-design reducerede støjniveauerne med cirka 2 dB. En betydelig forbedring hvor simuleringernes resultater står tæt sammen med de eksperimentelle data. På imponerende vis fik CharLES en beundringsværdig nøjagtighed selv med et relativt groft net.

Faktisk leverer CharLES konsekvent en høj nøjagtighed, når der sammenlignes med virkelige eksperimenter. Ved hjælp af GPU-acceleration laver solveren hurtige simuleringer uden at gå på kompromis med detaljerne. Softwaren er tilgængelig via konventionelle kundebaserede-setups og dedikerede cloud-løsninger, hvilket giver løsningen en fleksibilitet til at imødekomme individuelle behov.

Opsummering

Det kræver mere end teknisk ekspertise, når man arbejder med aeroakustik; det kræver strategisk overvågenhed, gode samarbejdsevner og beslutsomhed. Vores guide har til formål at give ledere (som dig selv) en omfattende forståelse af aeroakustik, idet vi lægger vægt på din rolle i at afstemme tekniske finurligheder mod de forretningsmæssige mål.

I guiden var der et gennemgående tema/pointe – nemlig vigtigheden af teamwork. Effektivt samarbejde mellem ledere og ingeniører er afgørende for alle projekters succes.

Aeroakustiske simuleringer er med dets implikationer på tværs af brancher som luftfart og bilindustri designet til at forme fremtiden. Og udstyret med de indsigter, værktøjer og strategier fra den her guide, har du værktøjerne til at gå forrest.

Hvis du ikke har hørt om OrCAD X før – så har vi lidt at indhente.

Version 23.1 er her allerede med et skarpt fokus på at forbedre brugeroplevelsen og udnytte dataintelligens på flere fronter.

Fra optimering af processer for stykliste (BOM) til forbedring af dokumentation for fabrikation og samling, sætter OrCAD X 23.1 scenen for et mere glidende arbejdsflow og forøget produktivitet.

Desuden understreger fremskridt inden for PCB 3D, layoutforbedring, SPICE-analyse og data management vores dedikation til at give ingeniører og designere robuste værktøjer til at tackle deres mest ambitiøse projekter.

Lad os udforske OrCAD X 23.1.

Data Management

I OrCAD X 23.1 indtager datamanagement hovedrollen. En fremragende forbedring ligger i den tættere integration af LiveBOM i OrCAD X Capture CIS-miljøet.

Med inklusionen af understøttelse af ASME 2 niveau alfanumerisk revisionsstruktur får du større fleksibilitet til at håndtere revisioner, hvilket sikrer nøjagtighed og overensstemmelse gennem designets livscyklus. Introduktionen af LiveBOM-opdateringer muliggør realtids-synkronisering, hvilket giver teams mulighed for at arbejde sammen og træffe informerede beslutninger med opdaterede data.

OrCAD X 23.1 går et skridt videre ved at muliggøre problemfri tilslutning mellem OnPrem CIS DB og LiveBOM. Denne integration lukker kløften mellem design og forsyningskædeadministration, hvilket giver glattere indkøbsprocesser og forbedret synlighed i komponenttilgængeligheden.

Muligheden for at tilpasse egenskabskolonner tilføjer endnu et lag af alsidighed, hvilket giver brugerne mulighed for at skræddersy deres dataoverblik til at passe til specifikke projektbehov. Uanset om man sporer leverandørinformation eller prioriterer komponenter baseret på forsyningskædens ledetid, sætter evnen til at tilpasse egenskabskolonner kritiske data lige ved brugerens fingre.

Derudover forenkler inkluderingen af forsyningskædens ledetidsinformation direkte inden for LiveBOM beslutningsprocessen, hvilket hjælper teams med at forudse potentielle flaskehalse og optimere deres indkøbsstrategier derefter.

Endelig er cross-probing fra LiveBOM til skematisk sporbarhed forbedret og forenkler fejlfinding. Ved sømløst at navigere mellem BOM- og skematisk visningerne kan brugerne hurtigt identificere og adressere eventuelle uoverensstemmelser, hvilket sikrer designets integritet og accelererer tidspunktet for markedsføring.

Brugervenlighed

Et område, der har fået betydelig opmærksomhed i denne opdatering, er kontrol af PCB-objektsynlighed inden for OrCAD X Presto PCB Editor. Her finder du en række forbedringer designet til at forbedre synligheden og strømline arbejdsgange i både 2D- og 3D-miljøer.

OrCAD X Presto PCB Editor introducerer flere funktioner med fokus på at forbedre kontrol af objektsynlighed. Tilføjelsen af stipplemønstre giver større fleksibilitet til at tilpasse visningen af PCB-elementer, hvilket sikrer klarhed og nem fortolkning.

Introduktionen af brugerdefinerede PCB-visninger tillader oprettelse og tilbagekaldelse af tilpassede synlighedsvisningsindstillinger, hvilket giver brugerne mulighed for at tilpasse deres arbejdsområde til deres specifikke behov.

OrCAD X 23.1 introducerer også forbedringer til processen med at redigere og opdatere footprint inden for PCB-designmiljøet. Med muligheden for at kontrollere, hvad der bliver opdateret i designet efter en footprint-redigering, kan da sikre større nøjagtighed og effektivitet i håndteringen af designændringer. Dette inkluderer evnen til at redigere stikplaceringer i søgetabellen, hvilket muliggør massevisning for øget produktivitet.

Yderligere funktioner såsom pad forhåndsvisning i søgning, DXF-import i footprints og indsæt særlig bevar placering yderligere strømline footprint-redigeringsprocessen, hvilket gør det nemmere end nogensinde at finjustere design til perfektion.

Endelig muliggør arkivering eller fjernelse af designregler (DR) og produktionsenheder (MU) problemfri samarbejde med eksterne brugere og partnere. Ved at forenkle processen med at dele designs og samtidig bevare kontrol over designregler og specifikationer forbedrer denne funktion samarbejdet og accelererer designiterationsprocessen.

Samarbejde i OrCAD X

I OrCAD X 23.1 har vi fordoblet vores engagement i at fremme samarbejde med en række forbedringer designet til at strømline PCB-fremstilling og samling af dokumentation inden for OrCAD X LiveDOC.

En bemærkelsesværdig forbedring kommer i form af forbedret fleksibilitet i dimensionering. Med muligheden for at vise alternative enheder i dimensioner, kan du kommunikere designspecifikationer mere klart og imødekomme forskellige præferencer og krav.

Den nye opdatering introducerer også forbedringer til visningsoplevelsen inden for OrCAD X LiveDOC, hvor panorering og zoomfunktionaliteter nu er justeret med OrCAD X-layoutmiljøet.

Indførelsen af ISO- og ASME-sidesizes udvider udvalget af muligheder, når du genererer dokumentation, og imødekommer internationale standarder og præferencer. Uanset om du samarbejder med globale partnere eller overholder branchespecifikke krav, kan du nu producere dokumentation, der lever op til de højeste standarder for professionalisme og overensstemmelse.

Endelig forbedrer muligheden for at eksportere PDF’er til brugerdefinerede placeringer arbejdsgangs effektiviteten, så du kan organisere og administrere din dokumentation med større fleksibilitet og kontrol.

Analyse og Simulering

Takket være understøttelsen af multicore parallel simulering, accelereres PSpice-analyse. Nu kan du udnytte hele kraften i din hardware til at fremskynde simuleringer, der understøtter Monte Carlo, Temperatur- og Parametrisk sweep-analyser med enestående effektivitet. Denne forbedring reducerer ikke kun simulerings tider, men øger også produktiviteten, så ingeniører kan iterere på design hurtigere og træffe informerede beslutninger med tillid.

OrCAD X 23.1 introducerer en række analyseforbedringer, der er designet til at imødekomme specifikke industrielle behov og brugerkrav. Med inkluderingen af ISO transientkilder til automotive applikationer kan du simulere og analysere elektriske forstyrrelser i overensstemmelse med branchestandarder såsom ISO 7637-2 og ISO 16750-2.

Evnen til at kontrollere støjbidrag i støjanalyse og udføre lydsimulering ved hjælp af .wav-inputs eller eksport udvider kapaciteterne i OrCAD X 23.1 og imødekommer en bred vifte af designkrav og anvendelsesområder. Endelig tilbyder indførelsen af PSpice-simuleringspersona en forenklet måde at anvende simulatorindstillinger globalt, hvilket strømliner opsætningsprocessen for simulering og forbedrer brugeroplevelsen.

Afsluttende opsummering

Som vi afslutter vores gennemgang af OrCAD X 23.1, bliver en ting klart – innovation er hjertet i alt, hvad vi gør. Fra at forbedre brugervenlighed og strømline arbejdsgange til at låse nye niveauer af indsigt og effektivitet op.

Med OrCAD X 23.1 er designere og ingeniører udstyret med et kraftfuldt arsenal af værktøjer og funktioner, der sigter mod at forenkle komplekse opgaver, fremme samarbejde og drive innovation fremad. Uanset om det er den tættere integration af LiveBOM, den forbedrede kontrol med objektsynlighed i PCB Editor, den strømlinede dokumentationsproces i LiveDOC eller de accelererede analysekapaciteter i PSpice, er enhver del af OrCAD X 23.1 designet til at give brugerne mulighed for at føre deres ideer til live med tillid og klarhed.

Nøglepunkter i artiklen:

• Ved at bruge adaptive grid refinement forbedrer du markant beregningseffektiviteten under mesh-genereringen ved samtidigt at løse geometri og physics.
• Ved at indarbejde refinement zones baseret på dine forventede simuleringsresultater, giver en proaktiv tilgang til at omtimere kvaliteten af dine mesh for specifikke flow features som f.eks. omkring køretøjer.
• Domain ekspertise og user input spiller begge en vigtig rolle i at sikre effektiviteten af adaptive grid refinement, fordi de forhindrer såkald “over-refinement” i områder med minimal flow physics og for at undgå unødvendige beregningsomkostninger og simulationstid.

I artiklen går vi i dybden med adaptive grid refinement funktionen i Fidelity Pointwise. Den håndterer de numeriske fejl og fastholder begrænsningerne, som brugeren har sat, samtidig med at den nøjagtigt løser alle flow features til forskellige anvendelser.

Målet med preproccesring med simulering er at skabe et mesh, der passer til den påkrævede analyse. Du bør prioritere beregningsmæssig effektivitet i mest-genereringen, der nøjagtigt opfanger både geometrien og fysikken. Afhængigt af dine simuleringsmål kan du forfine specifikke områder af meshet, hvor du forventer lavere flow features.

På illustrationen nedenfor har vi inkorporeret nogle refinement zones omkring køretøjet for at tage højde for den forventede fysik – især i wake-regionen. Den her proces kræver betydelig ekspertise på området, fordi den er meget afhængig af brugerinput. Overdreven forfining i zoner med minimale flow physics ville øge beregningsomkostninger og simulationstiden unødigt, hvilket du helt sikkert skal undgå.

Mesh adaptation: hvad er kravene?

Når du opretter et mesh, bør det opfylde følgende krav:

• Aligne med den underliggende CAD-geometri
• Tilpasse sig den lokalt anisotropisk grænsefladeforbedring
• Forbedre både markante og subtile flow features

I adaptive grid refinement forventes der en bevarelse af grænsefladelaget og near-wall physics, samtidigt med en gradvis overgang i cellestørrelser for at sikre solver convergens. Det er afgørende at definere en tilpasningssensor under grid refinement, der skitserer områder, der kræver yderligere forbedring. Til external aircraft analyses fungerer Mach-nummeret som en passende tilpasningsvariabel, hvor velocity magnitude i turbomachinery scenarios viser sig at være effektiv som en tilpasningssensor.

Adaptive grid refinement med Fidelity Pointwise

Først og fremmest lægger vi en baseline mesh for at kickstarte adaptive grid refinement i Fidelity Pointwise. Derefter kører vi en løsning på dette mesh. Her vil du skulle evaluere sensoren ved hver kant. Hvis den går over din forudbestemte grænse på et hvilket som helst sted, skal du flagge den til tilpasning. Næste skridt er at oprette en point cloud, der angiver placeringer og indstiller en ny cellestørrelse for området. Din point cloud bliver fusioneret ind i dit baseline mesh inde i Fidelity Pointwise for at skabe det opdaterede mesh. Gentag den her proces, indtil din løsning står stærkt på egen hånd, uafhængigt af meshet.

Test cases og praktisk anvendelse

Impinging jet

I figuren ovenfor er alle boundary conditions lagt ud for dig. Her har vi en kold stråle, der kommer en på en varm plade.

Målet her er at foretage en side-by-side sammenligning af et fuldt struktureret mesh vs. et tilpasset mesh. Til venstre har du et baseline hexahedron-mesh, mens du til højre har det indledende ikke-strukturerede mesh, klar til at tilpasse sig velocity magnitude.

Vi har highlighted skaleringen, der er nødvendig for den aktuelle kant i billedet til højre. Tilpasningsprocessen fokuserer på området mellem strålen og pladen. Vi har skabt en point cloud fra løsningen, hvor ca. en 1/4 del af noderne har nået grænsen og skal justeres.

Ved den 5. cyklus blev cirka 70% af noderne flagget, mens hele 94% kom i mål i den sidste cyklus. Når vi rammer omkring 90% tilpasning, stopper vi iterationerne.

Når vi ser på vores mesh stats, er det tydeligt, at det tilpassede mesh har færre noder og elementer sammenlignet med det omhyggeligt udformede hexahedron-mesh. Når vi zoomer ind på påvirkningsområdet, viser det sig, at det indledende mesh ramte ved siden af målet, men ved hver cyklus kom det tættere på de eksperimentelle data.

Axial turbine blade

I det her scenarie tester vi en Aachen-turbine (som set ovenfor) med 41 blade, der roterer med en hastighed på 3500 RPM. Lad os tjekke flow conditions ved indløb og udløb, pænt præsenteret i tabellen nedenfor:

Vi holder øje med velocity magnitude som vores tilpasningsvariabel. Disse shockbølger er fremherskende i vores tilpassede mesh. Vær også opmærksom på det endelige tilpassede mesh – det er spot-on i at vise disse sekundære hvirvler og shocks.

DivAer Model

Adaptive grid refinement er ikke kun begrænset til specifikke anvendelser; det kan også være værdifuldt i bilindustrien. På illustrationen ovenfor undersøger vi DrivAer-modellen. Vores fokus er også her på velocity magnitude som tilpasningsvariabel.

En RANS-simulation af DrivAer-modellen anvender SST two-equation turbulence model. Nedenfor finder du det tilpassede mesh og streamlines i wake-regionen. De illustrerer en stærk korrespondance og fanger effektivt hvirvlerne.

External Aerodynamics

Lad os kigge på en DLR F6-model, et testtilfælde fra den anden AIAA drag prediction workshop. Her inkluderer flow condictions et Mach-nummer på 0,75 og en angrebsvinkel på 1°. Vi fokuserer på Mach-nummeret som vores tilpasningsvariabel her.

Med adaptive grid refinement kommer de shockbølger, der ligger oven på vingen, skarpt i fokus. Se figuren nedenfor, der viser de indledende og tilpassede overfladetryk. Stødene bliver skarpere med hver tilpasningscyklus.

Når vi kigger på koefficienten for lift og drag, er det tydeligt, at der sker en forbedring for hver cyklus. Mesh-adaptionen kan ubesværet integreres i enhver arbejdsgang.

Selvom der er lidt arbejde i begyndelsen for at sætte tingene op, kører det uafhængigt, når det først er etableret. Tilpasningscyklussen opretholder konsekvent meshets topologi, der vender tilbage til udgangspunktet.

Nøglepunkter i artiklen:

• SISO-systemer med ét input og ét output har flere forskellige anvendelser – lige fra industrielautomatisering til forbrugerelektronik, drevet af lineære ligninger og transfer functions.
• Transfer functions afkoder systemadfærd, stabilitetsanalyse teknikker giver robusthed og feedback-kontrolmekanismerne sikrer effektiv regulering af SISO-systemerne.
• Inden for radioteknologi står SISO’s enkelthed i kontrast til MIMO’s modstandsdygtighed mod interferens, som er en afgørende overvejelse for optimal ydeevne.

I den her artikel går vi i dybden med, hvad SISO-systemer er, og hvorfor det er et grundlæggende begreb, som udgør en af hjørnestenene i kontrolteori. Som ingeniører leder vi altid efter måder at gøre tingene hurtigere og bedre, hvorfor SISO helt sikkert er et begreb, som du bør have styr på.

Single-Input Single-Output

Et SISO-system er en konfiguration centreret omkring en variabel og har ét enkelt input og et tilsvarende output. Det er et scenarie, hvor et enkelt kontrolsignal påvirker et enkelt respons. SISO-systemer bruges ofte til at forme og styre hvad man på engelsk kalder ‘linear time-invariant systems’, hvor adfærden ikke ændrer sig over tid og kan beskrives vha. lineære ligninger.

Der er tre essentielle styringsmetoder til SISO-systemer: transfer functions, stabilitetsanalyse og feedback-kontrol.

• Transfer functions afkoder, hvordan et system reagerer på varierende inputfrekvenser ved hjælp af en ratio af Laplace-transformere og giver et indblik i frekvensgangen, stabiliten og ydeevnen.
• Ved stabilitetsanalyse sikrer du systemets stabilitet ved at analysere gennem metoder som Root-Locus-metoden og Nyquis-kriteriet, der visualiserer rodbevægelser og frekvensgangens indvirkning på den overordnede stabilitet.
• Feedback-loops sammenligner systemets output med referenceværdier og justerer input til regulering derefter. Proportional-Integral-Derivative (PID) controllers eksemplificerer feedback-kontrol i SISO-systemer.

Rent matematikmæssigt så beskrives SISO-systemer typisk ved hjælp af differentialligninger, transfer functions eller state-space-repræsentationen. Differentialligninger giver en dynamisk beskrivelse af systemets adfærd i form af ændringshastigheder, mens overføringsfunktioner tilbyder et “frequency-domain” perspektiv, der forenkler analysen. State-space-repræsentationen beskriver systemet ved hjælp af en række førsteordens differentialligninger, hvilket gør det lettere at arbejde med moderne kontrolteknikker.

Vi taler mere om SISO’s systemstyringsfunktioner senere i artiklen.

SISO-systermers anvendelse

I SISO kan inputtet have bred variation afhængigt efter den specifikke anvendelse, hvilket omfatter faktorer som spænding, styrke, tryk eller temperatur. På samme måde afspejler outputtet målbare reaktioner såsom hastighed, forskydning eller position, som bliver påvirket af inputtet. Kort fortalt – så er forholdet mellem input og output essensen af SISO, fordi de udgør sammenhængskraften i den her type systemer.

Her er nogle eksempler på anvendelsesmulighederne for SISO-systemer.

I industrielautomatisering regulerer SISO-controllere variabler som temperatur, tryk eller flowhastighed i produktionsfabrikker. Tænk på dit hjemmets termostat f.eks. Inputtet (valgt temperatur) påvirker outputtet (rumtemperaturen), og controlleren tilpasser systemet for at opretholde den ønskede tilstand. Inden for miljøkontrol er HVAC (heating, ventilation og air-conditioning) systemer et andet klassisk eksempel på netop det.

Hvis vi ser på forbrugerelektronik såsom lydsystemer, fungerer volumenknappen som inputtet, og lydstyrken er outputtet. På samme måde dikterer indstillingerne (inputtet) på din vaskemaskine vaskens intensitet og varighed (outputtet).

Inden for biomedicinsk ingeniørarbejde og medicinsk udstyr kan SISO-systemer forme og kontrollere fysiologiske variabler som blodtryk, hjertefrekvens eller medicindosering. Tænk f.eks. på en insulinpumpe. Den holder styr på patientens glukoseniveau (inputtet) og justerer insulin-doseringen derefter (outputtet).

Listen over eksempler er lang, og selvfølgelig er der mange flere end dem, vi har nævnt. Men du har med al sandsynlighed fanger pointen, og vi vil ikke kede dig med uendelige eksempler. Det vigtigste er, at du forstår, at enkelt input = enkelt output.

SISO’s systemstyringsfunktioner

SISO Transfer Functions

Tranfer functions er et af de tre nøglekoncepter inden for SISO-kontrolteori. De giver en præcis repræsentation af, hvordan et system reagerer på forskellige frekvenser fra input-signaler. Transfer functions udgør en ratio af Laplace-transformerne af output- og input-signalerne ofte angivet som:

H(s) = Y(s)/X(s), hvor Y(s) og X(s) er Laplace-transformerne af output- og input-signalerne.

Transfer function giver dig mulighed for at analysere systemets adfærd i frekvensdomænet, hvilket giver indblik i frekvensgang, stabilitet og ydeevne. De er særligt værdifuldt til at designe controllere, der kan forme et systems adfærd for at imødekomme specifikke krav. F.eks. kan du bruge transfer functions til at designfiltre, der dæmper visse frekvenskomponenter eller controllere, som sikrer, at systemet reagerer optimalt på forskellige inputs.

Stabilitetsanalyse

Stabilitet er en afgørende faktor i kontrolsystemer. Et ustabilt system kan føre til uønskede udsving eller endda fatale fejl. Der er flere måder at kontrollere stabilitet på. Et er Root-Locus-metoden, og det andet er Nyquist-kriteriet.

Root-Locus-metoden er en grafisk teknik, der hjælper med at visualisere, hvordan et systems poler ændrer sig med forskellige kontrolforstærkninger. Her kan du evaluere virkningen af forstærkningsjusteringerne på stabilitet og systemets ydeevne ved at kortlægge de potentielle rodplaceringer på det komplekse plan.

Så er der Nyquist-kriteriet. Det er også en grafisk teknik. Den repræsenterer forholdet mellem systemets frekvensgang og stabilitet. Det giver dig en måde at finde ud af, om systemet er stabilt, baseret på antallet af omgang på det kritiske punkt (-1) i det komplekse plan.

Feedback-kontrol til SISO-systemer

Feedback-kontrol er den tredje og sidste styringsfunktion, som vi kommer omkring i her i artiklen. I feedback-loop måler man først systemets faktiske output. Så sammenlignes målingen med det ønskede output, og bruges derefter til at justere systemets input. Dette hjælper med at holde systemet under kontrol med det formål at reducere den eventuelle difference mellem det ønskede og faktiske output.

PID (Proportional-Integral-Derivative) kontrolsystemer er et almindeligt eksempel på feedback-kontrol. De justerer kontrol-inputtet i forhold til den aktuelle fejl (forskellen mellem det ønskede og faktiske output), hvordan den fejl akkumuleres over tid, og hvor hurtigt den ændrer sig. Tænk på det som finjustering af en opskrift for at få det perfekte måltid. På samme måde som at justere/dosere krydderierne, kan du justere PID-controllernes indstillinger, så du får dit ønskede udfald – uanset om det betyder at få det til hurtigt at falde ned, undgå at “skyde over mål” eller bare holde tingene i ro.

SISO og radioteknologi

I et SISO-radiosystem har du kun en enkelt antenne til både afsenderen og modtageren, hvilket giver færre mulige antenneopsætninger. Når vi taler om antenneteknologi, kan det komme i forskellige former, der enten indikerer enkelte eller flere indgange (input) og udgange (output), og alle er de forbundet via radiosignaler. Forestil dig det som et spil med at forbinde prikker, men med antenner og signaler.

For at gøre det enkelt, ligner inputtet afsenderen, og outputtet ligner modtageren. Senderen sender sine signaler ind i forbindelsen, som derefter opfanges af modtageren, der er placeret i slutningen af den trådløse rute.

Der er forskellige konfigurationer af setups med enten enkelte eller flere antenneforbindelser, og de er kategoriseret på denne måde:

• SISO = Single-Input Single-Output
• SIMO = Single-Input Multiple-Output
• MISO = Multiple-Input Single-Output
• MIMO = Multiple-Input Multiple-Output

Nøglepunkter i artiklen:

• MIMO-teknologi forbedrer datahastigheden, fordi det muliggør overførslen af flere datastrømme samtidigt. Et godt MIMO-antennedesign er afgørende for at optimere ydeevnen, uden det kræver yderligere spektrumressourcer.
• MIMO-antennedesign involverer forskellige aspekter herunder array-konfiguration, beamforming-teknikker, antenneplacering, polarisering, strålingsmønstre, diversity gain, isoleringsteknikker, bandwidth-support og simuleringer.
• Præcis antenneplacering er afgørende for at minimere uønsket interferens og crosstalk, samtidig med man maksimerer effektiviteten af antennesystemet.

I modsætning til SISO-systemer gør MIMO-systemer (Multiple-Input Multiple-Output) det muligt at sende flere datastrømme fra en transmitter/afsender til en receiver/modtager. Det er endda muligt at sende flere datastrømme inden for blot en enkelt frekvenskanal, hvilket øger datahastigheden uden behov for ekstra spektrumressourcer.

Når vi taler om implementeringsmetoder til MIMO, er der tre metoder vi gerne vil fremhæme: TMD, Spatial Multiplexing og FDM.

I TMD (Time-Division Multiplexing) udsender man data til forskellige kanaler i specifikke tidsintervaller. Den klare fordel ved den her metode, ligger i enkelheden af implementeringen og de faste tidsintervaller. Dog er der en risiko for nedsat datahastighed, hvis kanalerne ikke bliver udnyttet samtidigt.

For at forbedre ydeevnen kan man kombinere TMD med Spatial Multiplexing. I den her metode anvender man beamforming inden for under-arrays for at de pågældende antenner transmitterer eller modtager data i/fra specifikke retninger. Den bruges også til at transmittere flere datastrømme samtidigt.

Med Spatial Multiplexing får man en højere datahastighed og kontrol pga. den retningsbestemte kommunikation. Dog kan det være mere udfordrende på grund af kompleksiteten ved beamforming og behovet for flere antenner.

Til sidst har vi FDM (Frequency-Division-Multiplexing. Her udsender man flere datastrømme over forskellige frekvenser i en kanal. Dette gør metoden meget effektiv til at transmittere forskellige typer information. Dog kræves der demultipleksering og filtrering for signaludvinding.

Her er en illustration af, hvordan en antenne-array bruger beamforming til at betjene flere brugere: Encoderen transmitterer signaler gennem alle antennerne samtidigt, samt justerer fasen og amplituden for hver kanal individuelt. Det giver en retningsbestemt dataoverførsel til flere brugere, hvor hver af dem arbejder på forskellige frekvenser.

MIMO Antenna design

Det første trin i MIMO-design er at konfigurere antennerne. Her har du et par valgmuligheder: lineære, cirkulære og falde arrays. De kommer i to forskellige former: ensartede eller ikke-ensartede. Med et ensartet array er antennens elementer placeret på samme måde (ensartet), mens et ikke-ensartet array giver dig mulighed for at justere afstanden mellem elementerne for at finjustere, hvordan alt fungerer.

Lad os kigge nærmere på begreberne beamforming, antenneplacering og crosstalk.

Beamforming

Teknikker inden for beamforming varierer i forskellige tilgange. Herunder digital, analog eller hybrid.

Analog-beamforming holder sig til den velkendte opsætning med fase-array, som bruger faseforskydende transceivere til at manipulere signaler.

Digital-beamforming forenkler tingene ved at håndtere signalmanipulation digitalt, hvilket hjælper med at organisere layout og routing på dit PCB.

Endelig kombinerer den hybride tilgang det bedster fra den analoge og digitale verden. Det giver en blanding af analog broadcasting og digital pre-coding. Det reducerer ikke kun den beregningsmæssige belastning, men forenkler også PCB-layoutet.

Antenneplacering

Når det kommer til MIMO-antennedesign, er antenneplacering meget vigtig ting at have in mente. Den bedste placering afhænger af forskellige faktorer som PCB-stack-up, hvilke komponenter du bruger og deres placering, din grounding-strategi, og hvordan du router det hele.

Normalt vil du placere antennerne i kanten af ​​printet for at maksimere afstanden fra digitale komponenter. Afstanden hjælper nemlig med at minimere interferens og crosstalk mellem antennerne og komponenterne. I komplekse designs giver den nogle gange mening at placere noget af det digitale kredsløb på et separat bord for at holde det endnu mere isoleret fra antennerne.

Crosstalk

Dårlig antenneplacering kan give problemer med crosstalk. Det opstår, når antenner transmitterer signaler, der forstyrrer nærliggende digitale kanaler. Denne interferens kan ødelægge signalkvaliteten og forårsage problemer som f.eks. mere jitter og højere støjniveauer, hvilket ultimativt fører til flere fejl i dine data.

Normalt bekymrer vi os mest om digital crosstalk ind i analoge kanaler, men det modsatte kan også gøre sig gældende. F.eks. kan støj fra skiftende regulatorer snige sig ind i de digitale kanaler og forstyrre signalintegriteten.

Så når du designer dine MIMO-antenner, er det vigtigt, du har de her faktorer med i dine overvejelser, og at du har styr på din nøjagtige antenneplacering. Gør du det rigtigt, får du den bedste ydeevne samt mindre uønsket interferens og crosstalk.

Antennepolarisering i MIMO-systemer

Brugen af forskellige polariseringer (lodret, vandret, skrå, osv.) kan gøre underværker for at reducere interferens mellem dine antenner. Dobbelt-polariserede antenner kan effektivt fordoble antallet af kanaler i et givet rum, hvilket øger systemets kapacitet.

Cirkulær polarisering

CP (Circular Polarized) MIMO-antenner bruges i trådløse systemer – lige fra satellit- og mobilkommunikation til global navigation. I modsætning til deres lineært polariserede modparter er CP-antenner mindre modtagelige for tab pga. polariserings-mismatch, hvilket gør dem perfekte til langdistance- og satellitkommunikation, hvor signalernes kvalitet er altafgørende.

Forbedring af CP-mekanismer

”The secret sauce” til cirkulær polarisering ligger i justeringer af strømfordelinger og faseskift. F.eks. kan man ved at justere på strømretning og faserne, kan du skifte mellem LHCP (Left-Hand Circular Polarization) og RHCP (Right-Hand Circular Polarization). Denne dobbelte kapacitet giver antennen mulighed for effektivt at administrere polariseringsdiversiteten, hvilket er afgørende for stærke og stabile trådløse forbindelser.

Strålingsmønstre og diversity gain

Når det kommer til strålingsmønstre, bør antenner være i stand til at udsende i alle retninger eller fokusere deres signal afhængigt af, hvad de skal bruges til. For mobile enheder foretrækkes normalt omnidirektionelle mønstre for ensartet dækning. Og glem ikke at optimere for diversity gain. Det opnår du ved at have ukorreleret eller minimalt korrelerede signaler ved receiveren/modtageren.

Bredbånds- og isoleringsteknikker

For det første – så er der forskellige måder at imødekomme eventuelle behov for større båndbredde og minimere interferens. F.eks. kan man forkorte hjørnerne af patch-antenner eller udnytte DRA’s (Dielectric Resonator Antenna) med optimerede coupling-slots.

Afstand mellem elementer

Når det kommer til afstanden mellem antenneelementer, er det afgørende at opretholde en afstand på mindst halvdelen af bølgelængden (λ/2) af signalet for at reducere gensidig coupling og korrelation. Dog kan det være svært at opnå i kompakte enheder, hvorfor du som designer er nødt til at anvende decoupling og diverse tilpasningsteknikker.

Antenneisolering

For at mindske kanalkorrelation og forbedre ydeevnen er det nødvendigt at have tilstrækkelig isolering mellem antenneelementerne. Det kan du vha. EBG- (Electromagnetic Bandgap) strukturer, parasitiske elementer eller absorberende materialer.

Overvejelser vedr. båndbredde

Det er essentielt at dit MIMO-design imødekommer den nødvendige båndbredde for den gældende kommunikationsstandard. Det opnår du ved at designe wideband- eller multiband-antenner, som udnytter teknikker som f.eks. fractal shapes, inkorporering af reactive loading, eller ved at anvende justerbare materialer som tilpasser sig resonansfrekvensen.

Kvaliteten af et mesh er afgørende for en CFD simulering. Pointwise står i spidsen for dette område.

Automatisering og tilpasning er nøgleaspekter af Pointwise, der muliggør for brugere at strømline deres meshing-processer. Dette opnås hovedsageligt ved at implementere glyph scripting, især med Python.

Ved at introducere ChatGPT til blandingen, kan vi revolutionere den måde, vi tilgår glyph scripting på. I denne artikel dykker vi ned i, hvordan ChatGPT kan hjælpe dig med at strømline og forbedre glyph scripting-processen for Pointwise meshing.

Er du presset på tid til at læse hele artiklen?
Lyt i stedet til artiklens hovedpunkter og bogmærk artiklen til senere.

‘Back to Basics’ af Glyph Scripting

Glyph scriptingsgrænsefladen muliggør at automatisere et bredt udvalg af opgaver i Pointwise, lige fra simple, gentagne processer til komplekse, tilpassede meshing-strategier.

I sin kerne tjener glyph scripting tre primære formål:

1. Automatisering af gentagne opgaver
   I CFD udføres visse operationer som meshing, kvalitetskontrol og dataimport/-eksport rutinemæssigt. Glyph scripting automatiserer disse opgaver, hvilket sparer tid og reducerer risikoen for menneskelige fejl.
   
2. Tilpasning af meshing processer
   Hvert CFD-projekt har sine unikke krav. Glyph scripting gør det muligt for brugere at skræddersy meshing-processen til specifikke behov.
   
   Denne tilpasning kan spænde fra at definere unikke mesh-topologier til at indstille specifikke grænselagsparametre.
   
3. Udviling af nye meshing metoder
   Måske det mest innovative aspekt af glyph-scripting er dets evne til at facilitere udviklingen af helt nye netlægningsteknikker og algoritmer.
   
   Brugere automatiserer ikke kun eksisterende funktioner i Pointwise; de skaber nye metoder, der kan deles og genbruges på tværs af projekter og organisationer.

Python, med sin brugervenlige syntaks og omfattende biblioteker, er et ideelt sprog for glyph scripting. Dens alsidighed og kraft gør det tilgængeligt for både begyndere og erfarne programmører, hvilket muliggør skabelsen af både simple scripts og komplekse meshing-algoritmer.

Kom igang med ChatGPT

ChatGPT, drevet af OpenAI GPT-3 API, er en ‘naturlig sprogbehandling’-model, der kan anvendes sideløbende med Python og Pointwise. Med sin forståelse af sprog og grundlæggende kodningskapaciteter kan ChatGPT assistere brugere på flere måder:

• Script generering
  ChatGPT can help generate Python scripts for glyph scripting from scratch, based on user inputs and requirements. This is particularly useful for those who may not be familiar with Python or glyph scripting.
  
• Kodeoptimering
  For more experienced users, ChatGPT can aid in optimizing existing scripts. It can suggest more efficient code structures, identify potential bugs, and propose ways to enhance the script’s performance.
  
• Læring og fejlfinding
  ChatGPT kan fungere som en læringsassistent og tilbyde forklaringer, tutorials og svar på specifikke spørgsmål om Python og glyph scripting. Dette gør det til et værdifuldt værktøj til løbende uddannelse og problemløsning.
  
• Udvikling af tilpassede scripts
  Til avancerede opgaver, såsom scripting til adaptiv mesh-forfining eller specialiserede mesh-topologier, kan ChatGPT hjælpe med at konceptualisere og udvikle scripts, der imødekommer disse komplekse behov.

ChatGPT i Aktion

Forestil dig et simpelt scenarie, hvor du har brug for et script til at oprette et struktureret net. Selvom denne opgave kan virke skræmmende for begyndere, kan ChatGPT hjælpe med at generere det indledende script eller forfine et eksisterende. Denne AI-assistent forstår dine krav og omsætter dem til effektiv, udførbar Python-kode. En sådan assistance sparer ikke kun tid, men minimerer også potentielle fejl, hvilket gør scripting-processen mere glidende.

Eksempel 1: Grundlæggende oprettelse af et struktureret grid

Forestil dig, at du skal oprette et grundlæggende struktureret net. Typisk kunne denne opgave involvere en del manuel kodning. Men med ChatGPT kan du hurtigt generere et script som følgende:

 
 # Python script for basic structured grid creation in Pointwise
 from pw import *

 # Create a structured grid block
 block = pw.Application.createBlock()

 # Define the dimensions of the grid
 block.setIDimension(50)
 block.setJDimension(50)

 # Set the grid distribution
 block.setIDistribution("Uniform")
 block.setJDistribution("Uniform")

 # Assign grid points (Example coordinates)
 block.setGridPoint(0, 0, [0, 0, 0])
 block.setGridPoint(49, 0, [1, 0, 0])
 block.setGridPoint(0, 49, [0, 1, 0])
 block.setGridPoint(49, 49, [1, 1, 0])

 # Generate the grid
 block.generate()

Dette script er et grundlæggende eksempel. Ved at give mere detaljer i din input, kan ChatGPT hjælpe med at skabe, skræddersyet til dine specifikke krav til grid-størrelse, fordeling og dimensioner.

Eksempel 2: Automatiseret mesh-forfining baseret på flow karakteristika

For et mere avanceret scenarie, såsom at automatisere mesh-forfining baseret på specifikke flow karakteristika, kan ChatGPT assistere i konceptualiseringen af et mere komplekst script. Her er et eksempel på, hvordan det kunne se ud:

 # Python script for automated mesh refinement in Pointwise
 from pw import *
 import numpy as np

 def refineMeshBasedOnFlowFeature(block, featureThreshold):
    # Function to refine mesh based on a flow feature threshold

    # Analyze the block for flow features
    flowData = analyzeBlockForFlowFeatures(block)

    # Refine the grid where the flow feature exceeds the threshold
    for i in range(block.getIDimension()):
        for j in range(block.getJDimension()):
            if flowData[i][j] > featureThreshold:
                block.refineCell(i, j)

 def analyzeBlockForFlowFeatures(block):
    # Placeholder function to analyze flow features in the block
    # In practice, this would involve complex flow analysis logic
    return np.random.rand(block.getIDimension(), block.getJDimension())

 # Example usage
 block = pw.Application.createBlock()
 # Set dimensions, distribution, and points as required

 refineMeshBasedOnFlowFeature(block, 0.5)

Dette script repræsenterer en mere sofistikeret tilgang, hvor grid finjusteres dynamisk baseret på flow karakteristika, en opgave som ChatGPT kan hjælpe med at scripte og optimere.

Prompts og ‘Best Practice’ til brug af ChatGPT

Enhver, der har eksperimenteret med AI og ChatGPT, ved, at det output, man får, kun er lige så godt som den input, man giver. Når man bruger ChatGPT eller lignende AI-modeller til at assistere i scripting eller problemløsning, anbefaler vi at holde disse bedste praksisser i tankerne:

1. Specifikation af forespørgsler
   Jo mere specifik din forespørgsel er, desto mere skræddersyet og anvendelig bliver svaret.
   For eksempel vil spørgsmålet “Hvordan automatiserer jeg genereringen af et grænselagsnet i Pointwise ved hjælp af Python?” give mere direkte brugbart råd end en mere generel forespørgsel om netgenerering.
   
2. Tekniske detaljer
   Inklusion af relevante tekniske detaljer i din forespørgsel hjælper AI med bedre at forstå konteksten. For eksempel kan specificering af type mesh (struktureret, ustruktureret), flow forhold eller eventuelle specifikke constraints føre til mere nøjagtige forslag.
   
3. Afklaring af mål
   At gøre målet med din forespørgsel klart kan guide AI til at give mere fokuseret rådgivning. Uanset om du optimerer for hastighed, nøjagtighed eller specifikke flow karakteristika, er denne information afgørende.
   
4. Iterativ interaktion
   AI-modeller som ChatGPT drager ofte fordel af en iterativ interaktionsproces. Du kan starte med et bredt spørgsmål og derefter finjustere din forespørgsel baseret på det indledende svar, du modtager.

Inden vi runder af, skal du selvfølgelig ikke snydes for den ultimative hjælp til at komme godt i gang:

Testet-og-tilegnet prompts til Glyph scripting

1. Grundlæggende automatiseringsopgaver:
   • “Skriv et Python-script til Pointwise, der automatisk importerer CAD-filer og forbereder geometrien til meshing.”
   • “Generer et Python-script ved hjælp af glyph til Pointwise for at automatisere oprettelsen af et struktureret mesh på en simpel geometri, som en cylinder”
2. Boundary Layer meshing:
   • “Opret et Python-script til at definere et boundary layer mesh med specifik tykkelse og vækstrate i Pointwise.”
   • “Script en proces til forfining af boundary layer for et vingeprofil i Pointwise, med fokus på områder med højt trykgradient.”
3. Tilpassede grid topologier:
   • “Udvikl et glyph script til at skabe en C-grid-topologi omkring et vingeprofil i Pointwise.”
   • “Generer et Python-script til at generere en O-grid-topologi inde i en kanal i Pointwise.”
4. Forbedring af mesh kvalitet:
   • “Skriv et glyph script i Python til at identificere og forbedre celler af lav kvalitet i et Pointwise-net.”
   • “Script til automatisering af processen med forbedring af skævhed og aspektforhold i Pointwise-net.”
5. Automatiseret mesh-forfining:
   • “Generer et script til adaptiv mesh-forfining baseret på flowløsningsdata i Pointwise.”
   • “Opret et Python-script til Pointwise, der dynamisk forfiner mesh omkring stød bølger i supersoniske flowsimuleringer.”
6. Optimering og parametriske studier:
   • “Script til at automatisere en parametrisk undersøgelse af mesh-densitetseffekter på vingeprofilydelse i Pointwise.”
   • “Udvikl et Python-script til optimering af fordelingen af grid-punkter i et boundary layer mesh i Pointwise.”
7. Håndtering af kompleks geometri:
   • “Skriv et Python-script til meshing af komplekse geometrier med indviklede overfladefunktioner i Pointwise.”
   • “Script til at automatisere genereringen af et mesh til et multi-element vingeprofil med flap og slat i Pointwise.”
8. Scripting for specifikke flow karakteristika:
   • “Opret et glyph script til at fokusere mesh-forfining i regioner med høj virvling i en turbulent flowsimulation i Pointwise.”
   • “Generer et script til at tilpasse nettet til at opfange efterstrømmen bag en bluff krop i en Pointwise-simulation.”
9. Integrering med andre værktøjer:
   • “Script til eksportering af mesh fra Pointwise og importering af det til en specifik CFD-løser.”
   • “Skriv et Python-script til at automatisere processen med at overføre grænsebetingelser fra en CFD-løser til Pointwise.”
10. Fejlfinding og optimering:
    • “Lever et Python-script til at analysere og rapportere mesh-statistik i Pointwise til kvalitetssikring.”
    • “Script til at sammenligne forskellige mesh-strategier i Pointwise og foreslå den mest effektive baseret på givne kriterier.”

Yderligere ressourcer og fælleskab

Verdenen inden for Pointwise og Python-scripting er enorm. Tøv ikke med at udforske de aktive online fællesskaber, fora og ressourcer dedikeret til disse emner. At dele dine oplevelser og søge støtte fra ligesindede entusiaster kan være utroligt gavnligt.

Yderligere ressourcer

• Glyph scripting exchange hostet af Github
• Cadence webinar om Glyph scripting med Python

ChatGPT kan være en game-changer for Python-scripting i Pointwise. Det forbedrer ikke kun automatiseringen, men tilbyder også uvurderlig brugerassistance. Når du integrerer ChatGPT i dit arbejdsflow, vil du opdage nye måder at strømline meshing-operationer og effektivt fejlfinde scripting-problemer. Omfavn denne spændende synergi mellem AI og CFD for en lysere fremtid indenfor meshing og simulering.

Vil du have et nærmere kig på Pointwise?

Nordcad guider dig i den rigtige retning, når det kommer til at optimere din designproces. Vi leverer værdifuld know-how for at styrke dine CFD-projekter hvert skridt på vejen. Du vil opnå mere gennemsigtighed og bedre udnyttelse af både din tid og dit budget.

At vælge den rette software til dine fremtidige projekter kan være en udfordring – mildest talt.

Vi har oplevet dette utallige gange med potentielle kunder, der søger efter de bedste softwaremuligheder. Og vi anerkender udfordringen.
I dag, når vi opdager behovet for et nyt produkt eller værktøj, eller skal migrere/opgradere fra en eksisterende, researcher vi vores muligheden på egen hånd. Vi gennemsøger online sider for nyttig information, spørger rundt for at få indsigter fra andres erfaringer, vi ikke selv har endnu, og begynder at samle brikkerne. Men selv da er der mange huller, der skal fyldes, og mange spørgsmål, der forbliver ubesvarede.

Først og fremmest skal vi ændre det spørgsmål, vi søger et svar på.

Vi hader at ødelægge din illusion, men der er ingen universalløsning i dette. Ingen one-size-fits-all eller hellig gral inden for elektronikudviklingssoftware.

I stedet for at søge efter, hvad “den bedste” softwaremulighed er, spørg hvad den rigtige mulighed er for dig specifikt og dit projekt.
Det afhænger alt sammen af dine specifikke behov og krav til det specifikke projekt, du arbejder på.

I denne artikel vil vi give dig en ærlig sammenligning af Altium vs OrCAD X med fordele og ulemper ved begge designplatforme.

Er du interesseret i at udforske OrCAD X mere?

Tilmeld dig for at modtage mere detaljerede info om den nyeste platform og oplev dens mange nye funktionaliteter.

Men før vi dykker ned – lad os uddybe, hvorfor det er så udfordrende at vælge den rette software, og hvad du skal overveje i processen.

At Vælge den Rigtige Platform er Udfordrende

Elektronikudvikling er ikke en monolit; det er et omfattende område med applikationer, der spænder fra at skabe forbrugergadgets til at udvikle avancerede medicinske apparater eller industrielle kontrolsystemer. Denne mangfoldighed kræver specialiserede softwareværktøjer skræddersyet til hver unik applikation.

Når du søger efter den rette softwareløsning til dig, overvej disse grundigt:

1. Hardwarekompatibilitet
   
   De hardwarekomponenter, du arbejder med, er hjertet i dit projekt. Forskellige mikrocontrollere, sensorer og kommunikationsprotokoller kan kræve varierende softwareplatforme. At finde software, der passer til din hardware som en handske, kan være en kompliceret gåde.
   
2. Læringskurven
   
   At mestre et nyt softwareværktøj kan føles som at lære et nyt sprog – det kræver tid og indsats. Men disse investeringer i læring kan påvirke projektets tidsplaner og den overordnede produktivitet.
   
3. Balance mellem pris og kvalitet
   
   Topklasse elektronikudviklingssoftware kommer ofte med en betydelig prisseddel. Du skal overveje, om omkostningerne er i overensstemmelse med dit projekts budget og langsigtede vedligeholdelse. Her er skalerbare løsninger en klar fordel.
   
4. Interoperabilitet
   
   I elektronikudvikling anvender du forskellige værktøjer til skematiske design, PCB-layout, firmwareudvikling, simulering og testning. Disse værktøjer skal fungere problemfrit sammen for at sikre en effektiv arbejdsgang.
   
5. Versionskontrol
   
   Det er afgørende at håndtere forskellige versioner af hardware-design og firmware. Sørg for, at softwaren understøtter versionskontrolsystemer, så du kan holde øje med ændringer og samarbejde effektivt.
   
6. Regulatoriske udfordringer
   
   I specifikke brancher som medicinsk udstyr eller bil-elektronik er det ufravigeligt at opfylde strenge regulatoriske krav. Din valgte software skal lette overholdelse og dokumentation for disse standarder.
   
7. Skalerbarhed
   
   Dit projekt starter måske småt i skala, men kan have ambitioner om vækst. Den software, du vælger, skal kunne udvikle sig sammen med dit projekts stigende kompleksitet.

Som du kan se, repræsenterer hver del af puslespillet en unik udfordring, og enhver ingeniør sigter mod at samle dem for at bringe deres projekt til live. Vi har udforsket de kritiske aspekter, der skal overvejes før yderligere beslutninger træffes.

Nu hvor vi skal til at dykke ned i de finere detaljer om funktionaliteten, der tilbydes af Altium Designer og OrCAD X, vil du måske blive overrasket. Grænsen mellem disse to softwaremuligheder er ikke altid så tydelig, da begge har udviklet sig til at tilbyde imponerende kapaciteter.

Altium vs OrCAD X: Platform Funktionalitet

Lad mig gætte – du kan ikke spotte en markant forskel. Vi bebrejder dig ikke. Altium og OrCAD X er begge ekstremt kraftfulde og pålidelige værktøjer.

Altium har uden tvivl etableret sig robust på det mainstream marked for sin ubestridelige brugervenlighed og dets kapaciteter for en strømlinet arbejdsgang i en alt-i-en platform. Men med OrCAD X’s indtræden i rummet, hvordan konkurrerer disse to giganter egentlig mod hinanden?

Da funktionaliteterne og den (opdaterede) brugeroplevelse ligner hinanden tæt, bliver vi nødt til at zoome ud og overveje de bredere fordele og ulemper ved begge platforme.

Fordele og Ulemper ved Altium

Fordele og Ulemper ved OrCAD X

Vær opmærksom på, at valget mellem disse PCB-designværktøjer ofte i høj grad afhænger af dine specifikke projektbehov, budget og personlige præferencer. Hvert værktøj har sine styrker og svagheder, og det bedste valg for dig kan variere afhængigt af dine behov, erfaring og kompleksiteten af dine PCB-designs.

Vi anbefaler altid at prøve gratis prøveversioner og/eller anmode om en demo for grundigt at evaluere hvert værktøj, før du træffer en beslutning.

Lad os opsummere

Som vi har udforsket i denne artikel, bringer begge disse softwareløsninger unikke styrker og svagheder til bordet, hvilket gør det essentielt at nøje evaluere dine projektbehov, budgetbegrænsninger og personlige præferencer.

Valget mellem Altium og OrCAD X er ikke blot et spørgsmål om funktioner eller en tjekliste over fordele og ulemper.

Mens Altium måske udmærker sig i visse aspekter, kan OrCAD X bedre passe til kravene i et andet projekt. Det vigtige her er at tage sig tid til grundigt at vurdere dine behov og mål, før du træffer et valg.

Vi anbefaler stærkt, at du udnytter de gratis prøveversioner og demonstrationer, som både Altium og OrCAD X tilbyder. Denne praktiske erfaring vil give dig førstehåndsindsigt i, hvordan hvert værktøj passer til dine specifikke designmål.

For at hjælpe med at guide din beslutningsproces, overvej følgende faktorer:

1. Projektkompleksitet
   
   Vurder kompleksiteten af dine PCB-design og vurder, hvilket værktøj der tilbyder de funktioner og kapaciteter, der imødekommer dine behov.
   
2. Budget
   
   Tag dine økonomiske begrænsninger i betragtning og sammenlign omkostningseffektiviteten af begge værktøjer, inklusive eventuelle ekstra licens- og abonnementsgebyrer.
   
3. Erfaring
   
   Din fortrolighed med PCB-designsoftware kan påvirke din effektivitet og dygtighed. Vælg et værktøj, der matcher dit færdighedsniveau.
   
4. Interface
   
   Overvej brugervenligheden af hvert værktøj og hvor komfortabel du er med dets interface og navigation.
   
5. Community og support
   
   Udforsk tilgængeligheden af online ressourcer, fællesskaber og kundesupport for hvert værktøj, da disse kan være uvurderlige, når du står over for udfordringer.

Ved at tage disse overvejelser med i betragtning, kan du træffe en informeret beslutning, der maksimerer din produktivitet og projektsucces.

Husk, at det rigtige valg er meget individuelt og kan have stor indflydelse på resultatet af dine PCB-designs. Så uanset om du hælder mod Altium eller OrCAD X, er nøglen at vælge det værktøj, der giver dig mulighed for effektivt og effektivt at bringe dine designvisioner til live.

Altium vs OrCAD X, Altium vs OrCAD X, Altium vs OrCAD X, Altium vs OrCAD X, Altium vs OrCAD X, Altium vs OrCAD X, Altium vs OrCAD X

Det er ikke ualmindeligt, at CFD-ingeniører forenkler komplekse former for at gøre meshing lettere. Selvom dette kan spare tid, går det ofte ud over præcisionen i deres simulationer, hvilket påvirker resultaternes nøjagtighed.

I løbet af årene har vi set betydelige bestræbelser på at udvikle algoritmer, der automatiserer mesh-generering og forbedrer nøjagtigheden samtidig med at man reducerer manuel indgriben. Tag for eksempel sundhedsudstyr som kunstige trikuspidalklapper – behovet for præcision her er afgørende, da menneskeliv står på spil. Automatiseret mesh-generering kan markant reducere tiden, der bruges på gentagne opgaver, hvilket er en fordel i så kritiske scenarier. Lad os finde ud af hvordan.

Hvorfor er mesh-generering så tidskrævende?

Forberedelse af CAD (geometri og CAD-oprydning) er den mest kedelige og tidskrævende del af CFD-processen, og udgør generelt 80% af den samlede tid brugt på en CFD-simulation.

Når ingeniører forbereder sig til en CFD-simulation, står de over for flere udfordringer:

1. Bevaring af geometri

At vedligeholde komplekse geometriers intrikate træk under meshing kan være vanskeligt på grund af behovet for geometrisk præcision. At sikre, at meshen nøjagtigt afspejler geometriens detaljer kræver ofte manuelle justeringer og forbedringer. Forenklinger eller tilnærmelser kan føre til unøjagtigheder i CFD-simulationerne.

2. Mesh-genering

At skabe høj kvalitet mesh til komplekse geometrier kræver omhyggelig overvejelse af cellestørrelse, form og forbindelse. Og manuel oprettelse af disse kan være både tidskrævende og utroligt kedeligt, især for store geometrier. Ingeniører bruger ofte en betydelig del af deres tid på bare mesh-generering.

3. Mesh-kvalitet og pålidelighed

At generere mesh, der nøjagtigt fanger strømningsfænomener som adskillelse, skærlag og stagnationspunkter, kræver godt strukturerede og høj kvalitet celler. At sikre disse kvaliteter kan være udfordrende på grund af den komplekse geometris indflydelse på meshens kvalitet.

Ingeniører kan blive nødt til at bruge yderligere tid på at forfine og optimere meshen for at opnå den ønskede kvalitet. Dårlig mesh-kvalitet kan føre til unøjagtige resultater og konvergensproblemer.

4. Mesh-tilpasning og forbedring

At bestemme hvor og hvordan man skal forfine meshen for at sikre nøjagtighed i simulationer, især i områder med komplekse strømningsmønstre, kan være udfordrende. Denne proces involverer identifikation af områder, der kræver forbedring baseret på løsningsfejl.

Den iterative karakter af mesh-tilpasning og forbedring, hvor meshen justeres baseret på simuleringsresultater, kan forlænge simuleringsopsætningstiden.

5. Bevægelige geometrier

At simulere scenarier, hvor geometrien ændrer sig over tid, som f.eks. bevægelige køretøjer eller roterende maskiner, kræver dynamiske mesh-genereringsløsninger, der tilpasser sig disse ændringer. Implementering af sådanne dynamiske mesh kan være teknisk udfordrende.

Fordelene og begrænsningerne ved manuel vs. automatiseret mesh-generering taler for sig selv:

Forhindringsbanen for mesh-generering

Mesh-generering er tilsvarende at skabe et præcist blåprint for en kompleks struktur, der sikrer stabilitet og nøjagtighed. Alligevel er det langt fra en simpel opgave. Lad os dykke ned i fem forskellige udfordringer inden for mesh-generering, som konfronterer enhver CFD-ingeniør. Disse forhindringer kræver omhyggelig overvejelse, men med de rette strategier kan de overvindes – vær ikke bekymret, vi vil vise dig hvordan.

Minimum brugererfaring

At skabe en fejlfri mesh har traditionelt været en kunst, der mestres over årene. Imidlertid tilbyder muligheden for software, der respekterer designgeometri og minimerer læringskurven, løftet om forbedret effektivitet og fleksibilitet.

Struktureret og ustrukturerede gitre

Valget mellem strukturerede og uregelmæssige gitter afhænger af kompleksiteten i den aktuelle geometri. Mens strukturerede gitter excellerer i effektivitet, kommer de ofte til kort, når de håndterer komplekse former. Uregelmæssig meshing træder til for at imødekomme denne udfordring.

Mesh-generering med høj opløsning

At opnå fremragende resultater inden for områder som bilkonstruktion kræver en omhyggelig tilgang. Dette indebærer at forfine meshen på kritiske områder, herunder grænser, vægge og områder uden for kroppen, for at fange komplekse strømningsfænomener.

Hurtig beregning og høj nøjagtighed

Traditionelle metoder til mesh-generering kan svigte i mødet med høje Reynolds-tal og komplekse hvirvler på grund af det enorme antal celler, der kræves. Mesh-generering af høj orden, kombineret med højtydende databehandling, præsenterer en potentiel løsning, dog med omkostningsovervejelser.

Håndtering af bevægelige mesh-modeller

I anvendelser som turbomaskiner, hvor væskeområder udvikler sig dynamisk, er opretholdelse af løsningskvalitet afgørende. Dette kræver implementering af bevægelige mesh-algoritmer for at følge med væskedynamikken.

Implementer automatiseret meshing succesfuldt med Pointwise

Det kan være meget nyttigt at have en visuel projektering af, hvordan din geometri skal meshes og diskretiseres, inden du kører nogen form for mesh-genereringsværktøj. Dette giver dig mulighed for at verificere alle indstillingerne for din mesh-opsætning uden at skulle køre noget. Og i visse områder vil et højt detaljeniveau have afgørende indflydelse på din CFD-simulation og dens pålidelighed.

Fordi i sidste ende ønsker du at sikre, at det, der er på din skærm, svarer så meget som muligt til det, der kommer til at ende op i din vindtunnel eller på din testbane.

En af de mest effektive måder at spare tid på og opretholde det højeste niveau af nøjagtighed og pålidelighed i dine resultater på er at have det hele under kontrol på den samme platform eller ‘arbejdsmiljø’ med mulighed for at gøre det fuldt automatiseret. På denne måde kan du problemfrit integrere det i din eksisterende arbejdsgang i henhold til dine behov.

Med Pointwise er der ingen kompromiser. Vores nuværende rekord har reduceret forberedelsestiden fra mere end tre uger til 1-2 dage.

Som du kan se, tilbyder Pointwise en pakke med indbyggede værktøjer, der er designet til at forenkle netdiskretiseringsprocessen for komplekse geometrier.

Lad os udforske nogle af dens vigtigste funktionaliteter:

1. Flashpoint: Automatisk overflade-meshing værktøj: Med minimal input krævet genererer Flashpoint automatisk overflademeshes. Dette værktøj er særligt praktisk, når du skal fange kompleks geometrisk kurvatur, som f.eks. forkanten af en flyvinge.

2. T-Rex: Anisotropisk nær-krop meshing værktøj: T-Rex specialiserer sig i nær-krop eller grænseflademeshing. Det excellerer i håndteringen af symmetrigrænser, skarpe kanter og tynde overflader. Det genererer lag af prismer og hexahedra for at løse strømninger nær væggen og justerer automatisk ekstruderende lag for at undgå sammenstød.

3. Voxels: Automatisk off-body overflade-meshing: Voxels tilbyder høj kvalitet og ensartede celler til meshing uden for kroppen. Dette værktøj fjerner voxels, der skærer geometrien, og excellerer både i intern og ekstern strømningsgeometri.

4. Mesh-tilpasning: Automatisk værktøj til forfining: Mesh Tilpasning forfiner mesh, hvor det er nødvendigt, baseret på estimater af strømningsløsningsfejl. Det er fantastisk til at opnå ensartet og højopløselig meshing, især i områder uden for kroppen.

5. Kurvet meshing i høj opløsning: Denne avancerede teknologi udnytter High-Performance Computing (HPC) til at generere meshes med færre elementer, høj nøjagtighed og reduceret hukommelsesforbrug. Det er en spilskifter for udfordrende scenarier som høje Reynolds-tal.

6. Overset Meshing: Egnet til anvendelser med bevægelige legemer, beregner overset meshing mesh-forbindelsen på ny for ændrende fluid baggrunde. Denne metode skinner i turbomaskineri og fanger effektivt fysikken af bevægelige legemer.

Lad os opsummere

Nøjagtig meshing er afgørende, da det påvirker talrige anvendelser med realverdens implikationer. Cadence Pointwises forskelligartede meshing-teknologier gør det velegnet til en bred vifte af domæner, fra turbomaskiner til medicinske anvendelser. Det tilbyder en fleksibel løsning til automatisering af komplekse netdiskretiseringsarbejdsgange uden at gå på kompromis med nøjagtigheden.

Med automatiseret meshing:

• strømliner du mesh-genereringsprocessen og reducerer markant den tid, der kræves for at oprette meshes.
• fanger du præcist detaljerne i kompleks geometri, hvilket sikrer, at kritiske træk, såsom forkanter eller komplekse former, bevares og resulterer i mere nøjagtige simulationer.
• sikrer du, at celler er velformede og fri for problemer som skævhed eller forvrængning, hvilket fører til mere pålidelige CFD-resultater og glattere konvergens.
• reducerer du læringskurven for mesh-generering, hvilket gør det muligt for dit team at integrere nye talenter hurtigere.
• identificerer du automatisk områder, der har brug for forfining baseret på løsningsfejl, hvilket sikrer, at beregningsressourcer bruges effektivt.
• reducerer du behovet for at gentage de samme meshing-processer for lignende tilfælde ved at oprette skabeloner eller scripts til at automatisere disse opgaver, hvilket sparer tid og reducerer risikoen for fejl.

Nysgerrig efter mere viden om mesh-generering?

Nordcad guider dig i den rigtige retning, når det kommer til at optimere din designproces.

Vi leverer værdifuld know-how for at forbedre dine CFD-indsats på hvert trin.

Du vil opnå større gennemsigtighed og bedre udnyttelse af både din tid og dit budget.

Inden for PCB-design står ingeniører konstant over for udfordringen med at sikre optimal ydeevne og pålidelighed af deres design.

To nøglemetoder, der anvendes i denne proces, er test og simulering. Disse teknikker spiller afgørende roller i validering af design, afsløring af potentielle problemer og optimering af den overordnede funktionalitet af PCB’er.

Hvad er testing?

Testing involverer fysisk evaluering af et PCB-design for at verificere dets funktionalitet og ydeevne. Denne proces indebærer typisk følgende trin:

1. produktion af en fysisk prototype af PCB’en.
2. sammenstilling med komponenter.
3. udsættelse for forskellige tests under virkelige betingelser.

Testopsætninger kan omfatte miljømæssige, elektriske og funktionelle tests, blandt andre.

Den største fordel ved testing er dens evne til at give nøjagtige realtidsresultater ved direkte måling af designets fysiske egenskaber.

Derudover er du også i stand til at afsløre problemer, der måske ikke er åbenlyse gennem simulering alene.

Ved fysisk at interagere med prototypen kan ingeniørerne validere designets ydeevne i virkelige scenarier og tage højde for faktorer som støj, signalintegritet og termiske effekter.

Dog har testing også sine to hovedbegrænsninger.

Tid og omkostninger

Testing kan være meget tidskrævende og kostbar, da det indebærer fremstilling af prototyper, opstilling af testudstyr og gennemførelse af omfattende testprocedurer.

Derudover kan nogle problemer kun blive åbenlyse i de senere faser af testprocessen. Dette kan potentielt føre til forsinkelser i udviklingscyklussen.

Vi ved alle, at tid er penge, og gentagne forsinkelser vil skade virksomhedens økonomi.

Ikke kun med hensyn til udvikling, men også med hensyn til materialer og andre interne ressourcer.

Nogle avancerede testmetoder er et godt eksempel på dette.

Tag en metode som pålidelighedstest eller i sjældne tilfælde destruktiv test.

Begge kan kræve, at prototyper ofres, hvilket gør det uhensigtsmæssigt for masseproduktion eller dyrt for begrænsede ressourcer.

Begrænset dækning

Fysisk test har naturlige begrænsninger, da den ikke altid kan dække alle mulige scenarier og ekstremtilfælde.

Dette efterlader plads til potentielle problemer at opstå i specifikke situationer, der ikke blev testet.

Derudover repræsenterer dine prototyper måske ikke fuldt ud det endelige produkt med hensyn til materialer, fremstillingsprocesser eller komponentvariationer.

Dette kan potentielt føre til forskelle mellem den testede prototype og det faktiske endelige produkt.

Måske er test ikke gennemførlig eller praktisk for dine specifikke design, da det kan involvere høje frekvenser, komplekse interaktioner eller usikre miljøer.

I sådanne tilfælde vil effektiviteten være begrænset.

Traditionel PCB workflow

I traditionelle PCB-arbejdsgange er simuleringsmetoder ikke så avancerede, præcise og hyppige, som de er i dag.

Når designspecifikationerne er bekræftet, vil ingeniørerne gå videre til:

• at designe PCB’ens skematisk,
• efterfulgt af en gennemgang,
• derefter designe PCB-layoutet,
• og til sidst gå videre til en anden gennemgang før PCBA (Printed Circuit Board Assembly).

Efter PCB-samlingen vil du begynde at teste designet for at verificere, at det fungerer som hensigten var.

Men hvis det ikke virker, og du har begået en fejl, så begynder besværet.

Du bliver nødt til at fejlfinde, hvad der forårsagede fejlen, og det kan være meget tidskrævende, fordi du måske ikke har nogen direkte indikationer af rodårsagen.

Desværre er disse nogle beregnede risici, som mange ingeniører håndterer regelmæssigt.

Dette resulterer i spildt tid, penge og forsinket produktion.

Dette er præcis grunden til, at simulering er blevet et uvurderligt værktøj.

Hvad er simulering?

En simulering er en virtuel tilgang til at validere dit PCB-design.

I bund og grund indebærer det at bruge specialiseret software til at modellere adfærden af PCB’en og dens komponenter baseret på matematiske algoritmer og fysiske modeller.

Ved at indtaste forskellige parametre og betingelser i softwaren kan ingeniører simulere designets elektriske, termiske og mekaniske egenskaber.

Og derudover forudsige dets ydeevne uden behov for fysiske prototyper.

Der er ingen tvivl om, at simulering kommer med visse fordele.

Diversitet og analyse

Simulering giver ingeniører mulighed for hurtigt at gentage og evaluere forskellige designmuligheder og muliggør hurtigere designcyklusser. Uden behov for fysiske prototyper.

Muligheden for at udforske forskellige designmuligheder og vurdere deres indvirkning på ydeevnen tillader optimering og finjustering af PCB’en, inden man begår sig til den faktiske produktion af designet.

Ved at simulere PCB’en under forskellige forhold, såsom elektriske, termiske og mekaniske belastninger, kan du forudsige og optimere ydeevneegenskaber.

Dette fører til værdifulde indsigter i adfærden af PCB-designet samt vigtig feedback vedrørende komponentstatus, datablade og opdateringer.

Omkostningsreduktion

Gennem simulering kan ingeniører identificere og håndtere potentielle problemer tidligt i designprocessen.

Tidlige simulationer hjælper med at identificere potentielle risici og fejlmekanismer, hvilket muliggør proaktive foranstaltninger, forbedrer pålideligheden og forhindrer designfejl inden produktion.

Dette kan reducere omkostninger, der ellers ville påløbe ved prototyperevisioner og fysisk testning, og mindske udviklingsomkostningerne forbundet med produktion. Såsom spildte materialer, tid, medarbejderlønninger, tabt indtjening osv.

At undgå kritiske designfejl tidligt minimerer risikoen for dyre fejl og dårlig kvalitet af det færdige produkt generelt.

Begrænsninger ved simulering

Først lad os tale om indlæringskurven, der følger med at implementere simulationssoftware i dit værktøjskasse.

Det er ikke nødvendigvis en begrænsning, men vi vil gerne forberede dig, hvis din virksomhed vælger at implementere simulering i fremtiden.

Som med alle begyndelser tager det tid at lære nyt software.

Tid og uddannelse, du skal investere i at opnå uvurderlig knowhow, som du kan drage fordel af i al evighed.

Ikke desto mindre kan simulering have sine begrænsninger, hvis det ikke bruges på en velovervejet måde og hvis du ikke ved, hvad du arbejder med.

Det er i høj grad afhængig af nøjagtige modeller og antagelser, hvilket kan introducere fejl, hvis det ikke omhyggeligt valideres.

Nøjagtigheden af simuleringsresultater afhænger direkte af kvaliteten af indtastede data og modellens evne til nøjagtigt at repræsentere virkelige betingelser.

Derudover kan simuleringsværktøjer muligvis ikke tage højde for alle fysiske fænomener, hvilket kan føre til visse begrænsninger i nøjagtig forudsigelse af adfærd for komplekse design.

Moderne PCB workflow

En moderne arbejdsgang for PCB-design er selvfølgelig, ikke overraskende, baseret på traditionelle metoder, men med en mere strategisk og metodisk tilgang til simulering.

Nedenfor finder du en grov illustration af en moderne arbejdsgang.

Det viser, hvordan simulering fungerer som en portvagt, der forhindrer fejl i at gå videre til centrale aktiviteter i arbejdsgangen.

Hver gang en central aktivitet som kravspecifikationer, skematisk eller layout er blevet fuldført, vil du gerne simulere designet for potentielle fejl eller problemer.

Dette giver dig tidlige indikationer på ting, du ellers ville have opdaget senere (for sent) i valideringsprocessen.

Med simulering behøver ingeniører ikke leve med konstant frygt for potentielle omarbejdninger.

Og ledere behøver ikke at inkludere iterationer som en beregnet udgift i deres budgetter.

Test vs. Simulering: Hvilken er bedst?

Først lad os tage en hurtig opsummering.

I illustrationen nedenfor vil du se et gennemtænkt eksempel på, hvordan en investering i simulering ville se ud.

Som nævnt tidligere vil en PCB-arbejdsgang uden simulering have højere omkostninger på grund af potentielle omarbejdninger og spild.

Lad ikke den indledende stejle kurve for simulering skræmme dig.

De langsigtede gevinster ved at implementere simulering opvejer omkostningerne ved tid brugt på uddannelse og erhvervelse af værktøjerne.

Og endnu bedre, du behøver kun at foretage investeringen én gang.

3 tips til implementering af begge tilgange

Konkluderende er både test og simulering essentielle værktøjer for at opnå succes med PCB-design.

Forstå, at implementeringen af simulering ikke betyder udelukkelse af test.

Faktisk er test stadig påkrævet.

Men simulering vil sætte dig op for succes på lang sigt, hvis det bruges hensigtsmæssigt.

Her er vores tre bedste anbefalinger til at bruge begge tilgange sammen.

1. Udforskning og optimering

Begynd designprocessen ved at udnytte simuleringsværktøjer til at udforske forskellige designmuligheder og evaluere deres ydeevnemæssige karakteristika.

Dette tillader hurtigere iterationer og omkostningseffektiv optimering, inden man forpligter sig til fysiske prototyper.

Simuleringen vil hjælpe med at identificere potentielle problemer tidligt og guide resten af dine designbeslutninger og forbedre den overordnede ydeevne.

2. Validering og målrettet testning

Når et design er blevet simuleret og optimeret, er det afgørende at validere simuleringsresultaterne ved at udføre målrettet testning på fysiske prototyper.

Dette hjælper med at sikre, at simuleringen nøjagtigt repræsenterer PCB’ens adfærd i virkeligheden.

Fokuser på at teste specifikke aspekter eller kritiske områder, der er identificeret under simuleringen.

Gør dette for at verificere simuleringens nøjagtighed og identificere eventuelle uoverensstemmelser eller uforudsete problemer.

3. Pålidelighedsvurdering

Testning spiller en afgørende rolle i at validere designets ydeevne under virkelige forhold.

Efter indledende simulationer og optimeringer bør prototype-PCB’er gennemgå omfattende testning for at evaluere deres funktionalitet, pålidelighed og overholdelse af branchestandarder.

Faktorer som miljø, komponentvariationer eller komplekse interaktioner kan ikke være blevet afsløret i simulationen, fordi de ikke er blevet taget i betragtning i de indledende indtastede data.

Resultaterne fra testningen kan derefter bruges til at forfine simuleringsmodellerne og forbedre fremtidige design.

Vil du se nærmere på simulering?

Nordcad guider dig i den rigtige retning, når det handler om at optimere din designproces.

Vi leverer værdifuld knowhow for at styrke dine PCB-indsatser i hvert trin af vejen.

Du vil få mere gennemsigtighed og bedre udnyttelse af både din tid og dit budget.

Klik nedenfor for at booke en demo

SPICE-simuleringer er et velkendt simuleringsværktøj til nøjagtigt kredsløbsdesign. For de, der stadig stoler på intuition og erfaring, er det på høje tid at omfavne software til PCB simulering og udforske dens potentiale for at fremme mindre fejlbare og mere bæredygtige design.

Mens bæredygtighedsdagsordenen primært har fokuseret på store virksomheder og selskaber, har små og mellemstore virksomheder også en betydelig rolle at spille i at reducere deres CO2-aftryk.

Simulationssoftware tilbyder stor værdi for at fremme bæredygtighed i fremstillingsindustrien ved at adressere områder som effektivitet, påvirkning, affald, designpålidelighed og forsyningskædefleksibilitet.

SPICE simulering har særligt potentiale til at spille en afgørende rolle i at fremme bæredygtige designpraksisser for elektriske produkter. Med stigende efterspørgsel efter energieffektive og miljøvenlige produkter er det afgørende for ingeniører at adoptere nye teknologier og strategier for at imødekomme disse forventninger.

Hvordan, spørger du måske? Lad os finde ud af det.

Hvad er der så specielt ved SPICE simulering?

SPICE simulering revolutionerer simpelthen elektronisk kredsløbsdesign og analyse. Dets evne til nøjagtigt at modellere komplekse kredsløb giver ingeniører mulighed for at analysere ydeevneparametre som spænding, strøm, effektafsættelse og frekvensrespons.

Ved at simulere kredsløb før fysisk prototypering, produktion eller fremstilling reducerer SPICE simulering både tid og omkostninger forbundet med designiterationer. Denne iterative proces hjælper med:

• Designoptimering, der faciliteres gennem evaluering af forskellige alternativer og parameter-værdier for at sikre optimal kredsløbsydelse og overholdelse af designkrav.
• Fejlfinding og løsning af kredsløbsproblemer samt fremskyndelse af identifikationen af ​​problemers rod.
• Brede anvendelsesmuligheder inden for analog, digital, power, RF og mixed-signal elektronik gør SPICE simulering til en alsidig platform for strømlinet kredsløbsudvikling.

Nogle typer af simuleringer, der kan udføres er:

Ved at simulere kredsløbets adfærd under forskellige betingelser kan SPICE-simuleringer hjælpe ingeniører og designere med at optimere kredsløbsdesign, identificere potentielle problemer og forbedre den samlede kredsløbsydelse.

Og det bedste? Det er en omkostningseffektiv metode til at teste og validere nye designs uden behov for fysiske prototyper.

PSpice til undsætning

Cadence® PSpice® er superhelteversionen af SPICE-simulatoren, der tilbyder en række forbedrede funktioner og muligheder til PCB-design. PSpice udvider funktionaliteten af SPICE og giver designere et omfattende værktøjssæt til at simulere, analysere og optimere elektroniske kredsløb.

Mixed-signal simulering

Du ved måske allerede, at PCB’er ofte rummer en blanding af analoge og digitale kredsløb. En bemærkelsesværdig funktion ved PSpice er dens evne til at udføre mixed-signal-simuleringer, hvilket giver dig mulighed for at simulere interaktionen mellem disse forskellige domæner præcist.

Ved at kombinere analoge og digitale simulationsmuligheder muliggør PSpice, at designere kan validere integriteten af mixed-signal-designs, sikre korrekt funktionalitet og minimere potentielle signalintegritetsproblemer.

Forestil dig, at du har dette komplekse design, måske en IC eller en SoC, og du ønsker ikke at blive fanget i de små transistor-detaljer.

PSpice understøtter adfærdsmodellering, hvilket giver designere mulighed for at oprette og simulere komplekse kredsløbskomponenter ved hjælp af højniveau-adfærdsmodeller i stedet for detaljerede transistor-niveau-repræsentationer.

Adfærdsmodeller kan markant reducere simuleringstiden og muliggøre hurtig prototyping og optimering af komplekse design.

Optimeringsteknikker

PSpice bringer virkelig de smarte optimeringstricks på bordet. Det inkorporerer avancerede optimeringsteknikker, der giver dig mulighed for at forfine dine design til specifikke mål.

Du kan definere optimeringsmål som f.eks. at minimere strømforbrug, maksimere signal-støj-forholdet eller opfylde specifikke ydeevnekrav, og PSpice vil automatisk justere designparametrene for at opnå disse mål.

Denne optimeringsproces kan hjælpe med at identificere de mest effektive komponentværdier, optimere kredsløbslayoutet og finjustere designet for at opfylde de ønskede specifikationer.

Sig farvel til manuel trial-and-error!

Avancerede analyser

At designe til virkelige scenarier og anvendelser kan være en rigtig udfordring, ikke sandt? Med PSpice er du allerede et skridt foran.

Udover mange standardtyper af analyser, som f.eks. transient og frekvensdomæneanalyse, muliggør PSpice også mere avancerede analyser som f.eks. sensitivitets- og Monte Carlo-analyse.

Disse typer af analyser hjælper i sidste ende med at sikre robusthed over for fremstillingsvariationer og eksterne påvirkninger, hvilket fører til mere pålidelige og modstandsdygtige designs.

Ved at udnytte de avancerede muligheder i PSpice kan du opnå en dybere forståelse af dine kredsløbsdesign, evaluere præstationen under forskellige betingelser og optimere designet med henblik på effektivitet, pålidelighed og funktionalitet.

Hvordan relaterer PCB simulering sig til bæredygtighed?

I bestræbelserne på at minimere elektronikaffald har PCB-designere en afgørende rolle som forsvarere af miljømæssigt bæredygtige praksisser. Anvendelsen af SPICE-simulering tilbyder et avanceret værktøjssæt til at opnå dette vigtige mål. Så her er 3 måder at udnytte kraften i SPICE-simulering:

1. Tidlig designvalidering og fejlanalyse

Rammen er ganske enkel:

Tidlig designvalidering og fejlanalyse

=

Mindre omkostningsfuld omarbejdning og hardwarefejl.

Forestil dig dette: Du er i de tidlige faser af designet af et PCB. Du genbruger et tidligere design, laver justeringer og ændringer. Og du har nok erfaring til at føle dig tryg ved designet – eller måske er du bare under tidspres. Lad mig udfordre dig her. I stedet for at kaste dig direkte ud i fysiske prototyper eller gå videre til produktion og fremstilling – og risikere omkostningsfuld omarbejdning – kan SPICE-simuleringen komme dig til undsætning!

Du kan simulere kredsløbets adfærd under forskellige betingelser. Det er som at have en krystalkugle, der hjælper dig med at spotte potentielle problemer, før de bliver virkelige hovedbrud. Ved at fange disse problemer tidligt kan du spare ressourcer, minimere affald og sikre, at dit design rammer plet fra starten af.

Interesseret i at lære mere om dette?
Jeg afholdt et webinar om de ubenægtelige fordele ved at implementere simulering i din designproces. På bare 15 minutter får du virkelige cases og data om indvirkningen af simulering.

Se det nu

For lad os se det i øjnene – vi ved alle, at selv de mest omhyggeligt designede kredsløb kan støde på uventede problemer. SPICE simulerings evne til at analysere kredsløbsadfærd under fejlforhold er uvurderlig for at reducere elektronikaffald. Ved at simulere fejlsituationer som kortslutninger, åbne kredsløb eller komponentfejl kan designere identificere svagheder i designet og implementere passende tiltag.

Denne proaktive tilgang mindsker betydeligt risikoen for fejl i marken, forhindrer for tidlig kassering af enheder og bidrager til den overordnede reduktion af elektronikaffald. Og sparer penge og arbejdstimer.

2. Energieffektivitet og strømstyring

Analyse af dit design muliggør identifikation af strømkrævende komponenter eller kredsløbsafsnit, hvilket gør det muligt at implementere energieffektive designstrategier som f.eks. power gating, clock gating eller voltage scaling. Ved at reducere unødvendigt strømforbrug kan designere forlænge batterilevetiden, reducere energispild og fremme bæredygtig elektronik.

PSpice muliggør også simulering og analyse af dynamiske strømstyringsteknikker som dynamisk spændingsskalering (DVS) eller dynamisk frekvensskalering (DFS). Ved at justere spændingsniveauer eller driftsfrekvenser dynamisk baseret på arbejdsbelastningskrav kan designere opnå betydelige energibesparelser uden at gå på kompromis med ydeevnen. PSpice giver en platform til evaluering af effektiviteten af disse teknikker, så du kan minimere energiforbruget.

Effektiv termisk styring er afgørende for at opretholde pålidelighed og levetid for elektroniske enheder. Overskydende varme påvirker ikke kun ydeevnen, men fører også til energispild. PSpice muliggør termisk analyse ved at simulere og forudsige temperaturprofiler inden for kredsløbet.

Ved at identificere hotspots og områder med ineffektivitet kan du optimere varmespredningsstrategier, forbedre kølingsmekanismer og reducere energitab på grund af termiske ineffektiviteter. Denne proaktive tilgang til termisk styring sikrer energieffektiv drift og forlænger levetiden for elektroniske enheder.

3. Genanvendelighed og livscyklusvurdering

På missionen mod bæredygtigt og miljøvenligt PCB-design er brugen af genanvendelige materialer alpha og omega. Lad os dykke dybere ned i, hvordan SPICE simulering og PSpice kan være vores pålidelige hjælpere i at optimere materialeforbrug og fremme en mere cirkulær økonomi.

Omfavn kraften i SPICE simuleringer til bæredygtigt PCB-design. Reducer elektronikaffald, øg energieffektiviteten og optimer materialer med præcision. Lad os revolutionere elektronikindustrien og skabe en grønnere fremtid.