协同、自动、高效:PERA智能化云原生平台驱动数字孪生时代的复杂装备研发数字化转型
概述:新形势下的研发自主之路
近期业界消息显示,航空制造业的供应链波动已成为全球性挑战。以中国商飞C919客机为例,其交付进程因关键部件的国际供应瓶颈而面临调整。这一现实揭示了高端装备研发的核心命题:要实现真正的自主可控,不仅需要突破产品设计,更必须掌控从设计、仿真到制造的全流程体系,并构建坚韧的国产化供应链生态。在此背景下,采用更智能、协同、自动化的研发平台已不再是技术选项,而是关乎产业链安全与竞争能力的战略必需。
“数字孪生”作为智能制造领域的核心概念,不仅指物理资产(产品、流程或其组成部分)的虚拟映射,更强调其与物理实体之间的实时交互与连接。基于数字孪生技术,企业能够实现对资产全生命周期的分析、监控与性能优化。理想情况下,每一物理资产都应有其对应的、动态联通的数字孪生实例。在这一复杂过程中,智能化工具的作用至关重要——它们能够处理多源异构数据、自动执行仿真迭代、并在多个候选方案中做出最优选择,从而大幅降低对人工经验的依赖,提升决策的准确性与效率。
数字孪生实例可在资产建成后独立创建,也可以由设计阶段所使用的数字原型演化而来。数字原型借助CAD/CAE等模型与设计数据,集成诸如应力疲劳分析、流体动力学仿真、热分析等多类仿真模型,使工程师能够在物理制造之前识别潜在问题、优化设计方案,从而显著缩短研发周期并降低成本。由此可见,数字孪生本身也具备完整的生命周期管理需求。

图 1. 数字孪生和产品/流程生命周期的阶段
PERA智能化云原生平台作为企业级工程自动化解决方案,旨在推动以CAE为核心的传统研发模式向智能化、协同化与云原生架构转型。其核心目标包括:第一,实现现有设计流程的正规化与整合,通过对接外部软件与需求管理系统,消除跨部门数据传递错误,实现仿真数据结构化存储与高效模拟;第二,降低详细设计阶段的重复性人力投入,将常规仿真任务前置给设计工程师,加速产品认证测试进程;第三,系统化组装数字原型,为构建高保真数字孪生奠定坚实基础。平台集成的Smart Selection智能代理建模技术,是达成上述目标的关键赋能器。它贯穿于设计、仿真与优化全流程,能够自动选择训练策略、选择最合适的近似模型技术,并自动调整参数,从而在保证精度的前提下极大减少人工试错和计算资源消耗,为工程师提供高质量、可解释的代理模型,加速设计迭代和决策过程。

图 2. PERA智能化云原生平台及产品体系
在PERA智能化原生平台中协作构建数字原型
应用背景
PERA智能化云原生平台所提供的数字原型协同构建方法尤其适用于如涡轮机械、航空航天等涉及复杂多物理场耦合的行业,以喷气发动机研发为例。该类项目通常需多个团队分工协作,分别负责发动机不同部件的仿真任务,且设计过程具有高度迭代性,需反复调整参数并执行仿真计算,其职责分配如图2所示。

图3. 喷气发动机研发中的责任分配
在此类协作中,各团队所执行的仿真研究既相互独立又紧密关联,传统方式下数据传递效率低、易出错。PERA平台通过工作流技术,将每一独立研究封装为自动化子流程,并进一步通过主工作流整合其间依赖,从而在保障数据一致性的同时提升协同效率。PERA智能化解决方案中的Smart Selection能力在此发挥着核心作用。它可被嵌入到各个仿真模块中,用于快速构建关键输入输出之间的近似关系模型。这极大加速了多参数扫描、敏感性分析和方案比选的过程,使工程师能够迅速洞察设计空间,识别高性能设计区域,从而显著减少对昂贵高保真仿真的调用次数,在协同环境中实现高效的知识传递和设计优化。
单个研究的工作流程
平台支持为每项独立研究构建专属自动化工作流。以压缩机CFD分析为例,其工作流如图4所示,由“CFXPre session”模块启始,该模块基于预置模板与输入参数生成CFX预处理会话文件,继而由“CFXPre”模块执行预处理,“CFXSolver”触发求解,“CFXPost”完成后处理。下面分别进行介绍。

图 4. 单个研究工作流程
工作流程从“CFXPre session”模块开始,该模块基于包含更新边界条件值的模板文件准备新的预处理会话。在编辑模式下(图5),用户可以打开该模块并上传包含 Ansys CFX Pre 数据的文本文件模板。该模块会自动读取所有表达式和函数。在运行模式下,该模块将使用模块输入端口接收到的数据,基于模板(由用户在编辑模式下上传)生成一个包含 Ansys CFX Pre 数据的新输入文件。

图 5.“CFXPre 会话”块
之后,“CFX Pre”块启动预处理会话并为求解器生成输入文件,然后由“CFX Solver”块触发求解过程,并由“CFX Post”块启动后处理会话。
为了读取和输出结果,我们使用了“CSV 图表”模块。在编辑模式下(图 6),用户可以打开该模块并上传从 Ansys CFX Post 获取的 CSV 文件模板。该模块会自动生成与 CSV 文件中的数据对应的模块输出端口列表。
在运行模式下,该块从研究期间生成的 CSV 文件中读取数据,并将数据写入该块的输出端口。

图 6.“CSV 图表”块
通过使用特殊模块(图7),工作流程的构建变得更加便捷。这些模块与工程应用程序(例如Ansys CFX)实现了无缝连接。这些模块可以开发用于任何支持批处理执行的软件。

图 7. 工作流程中使用的块列表
负责喷气发动机特定部件的每个团队都可以组装这样的工作流程。在每个工作流程的关键节点,PERA的智能化解决方案提供了内置的Smart Selection功能。例如,在CFD后处理环节,它可以自动分析大量仿真数据点,快速构建出反映气动性能与几何/工况参数之间映射关系的高精度代理模型。这使设计工程师无需等待耗时的高保真仿真,就能实时预测新设计方案的性能,大幅压缩了设计迭代周期。
主工作流集成与多仿真联动
在整机仿真中,常需根据上游仿真结果动态设定下游仿真的边界条件。PERA平台支持通过主工作流整合这些独立子工作流。其中,“工作流程引用”块可关联至如“压缩机”研究等现有工作流的最新版本,使得各团队可并行更新维护所属模块,而主工作流保持同步更新,极大提升了复杂项目管理的灵活性与可维护性。具体包括以下内容。
在对喷气发动机进行整体研究的过程中,需要根据不同模拟的结果来设置特定模拟输入的边界条件。因此,考虑的数据传输如图 8 所示。

图 8. 喷气发动机研究期间的数据传输
相应的主工作流程可以在 PERA智能化云原生平台中组装(图 9)。工作流程中使用一种特殊类型的块 - «工作流程引用» 。它创建对现有工作流程最新版本的引用,例如,“压缩机”引用图 4 中的工作流程。这种类型的块使不同部门和负责维护主工作流程的人员能够同时工作,并使流程保持最新状态。

图 9. 喷气发动机研究的掌握工作流程
在主工作流层面,Smart Selection的价值进一步提升。通过集成来自各学科(气动、结构、热)的代理模型,模拟整个发动机系统在不同工况下的性能表现,并在执行多学科优化(MDO)、寻找全局最优解,或进行海量的可靠性分析和稳健性设计过程中高效选择最优算法。这种基于智能代理模型的智能优化,是连接各个高保真学科仿真、实现高效数字孪生的核心纽带。
结论
在所述方法中,数字原型是一个主工作流,它引用由不同企业团队创建和维护的单个研究工作流。引用单个研究工作流使企业能够灵活地组成完整的工作流,同时提供独立编辑和运行单个研究工作流的能力,以及通过从多个工作流中引用某个工作流来重用该工作流的能力。
以多个相互关联的工作流程形式实施项目,可以确保知识、专业知识、实践和设计方法的保存,并重复利用现有数据和计算实验。每个单独的工作流程都可以由独立的专家团队创建和维护,而所有工作流程共同构成一个完整的多学科研究。贯穿始终的Smart Selection智能建模和优化策略,确保了知识和数据的高效复用与增值。它将专家经验与仿真数据相结合,转化为可随时调用、自动演化的智能模型资产,成为企业核心知识库的重要组成部分。
PERA平台所能实现的数字原型是一个由主工作流统筹、引用多个独立研究工作流所构成的协同仿真体系。该架构既保障了各团队可独立开发、运行与复用专属工作流,又通过主工作流集成为统一的多学科数字原型。它不仅有效保存和重用企业知识资产与计算实践,更可以提升了复杂工程研发的效率与准确性。其内置的智能化解决方案通过Smart Selection等技术,将传统依赖经验的试错过程转变为由数据与算法驱动的精准探索,为研发数字化转型提供了核心动力。
应用背景
压缩机性能图,也称为压缩机特性图或简称压缩机图,是表征压缩机在不同工况下性能的关键工具。它通常以二维图形表示,横轴表示质量流量,纵轴表示压力比(压缩机出口压力与入口压力之比)。

图 10. 压缩机性能图示例
压缩机性能图显示了压缩机在其运行范围内的效率、压力比和喘振极限。效率以等高线表示,线条越靠近,效率越高。压力比通常以一系列曲线(分支)表示,每条曲线对应不同的转速(如图10所示)。
当各级组成燃气轮机时,可能的运行条件范围取决于燃气轮机整体的平衡状态。平衡点也可以绘制在压缩机图上,形成运行线。有时可能需要计算所选分支与运行线的交点。
喘振极限是指压缩机无法维持稳定流量并开始喘振或失速的点。它在压缩机曲线图上显示为一条线,代表压缩机运行范围的上限。喘振点只能大致确定,因此,根据所需的公差,在构建曲线图后可能需要进一步细化。
压缩机图是压缩机设计师和工程师的重要工具,因为它可以帮助他们分析和优化压缩机在不同运行条件下的性能。
构建压缩机曲线图的一种方法是运行一系列 CFD 模拟。在这种情况下,曲线图中的每个点都对应一次模拟,并通过对边界条件的多个值进行手动迭代来确保喘振线的高质量。显然,这种方法需要模拟工程师进行大量的手动工作。此外,在设计阶段,多个参数可能会发生变化:叶片的几何形状、控制程序(叶片方向与转速之间的依赖关系)、CFD 模拟模型等。因此,随着设计参数的变化,可能需要多次重建曲线图。
接下来将介绍如何使用 PERA智能化云原生平台自动构建压缩机曲线图,并介绍该方法的优势。文中所使用的 CAD 和 CAE 软件仅为示例,其他任何适合此类任务的软件均可替代。
压缩机性能图构建过程
传统的压缩机图构建流程如图11所示,涵盖从CAD几何建模、网格生成、CFD仿真到结果提取与喘振边界辨识等步骤,全程需人工介入数据传递与迭代控制。

图11 压缩机图构建过程
建造过程首先在 CAD 软件中构建各级叶片的几何模型。然后,将这些模型导入到现有的网格生成器项目中,以创建新的网格。由于叶片方向角取决于分支的转速,因此每个新分支都会重复此过程。
之后,使用新生成的网格进行一系列 CFD 模拟。每个分支都是通过递增边界条件的值来构建的,直到解变得数值不稳定(即达到喘振极限)。完成此循环后,可以进一步细化喘振边界或计算与工作线的交点。
施工过程需要在多个应用程序之间手动传输数据。因此,该过程需要仿真工程师的持续关注。无法简单地运行模拟然后在完成后获取结果。
PERA智能化云原生平台中的流程自动化
PERA智能化云原生平台可将上述流程封装为自动化工作流(图12),其由“主驱动器”控制整体迭代,“单分支”块计算指定转速下性能曲线,“单点”块计算与运行线交点。以下分别进行介绍。

图 12. 性能图构建工作流程
工作流程由三个主要部分组成:
• “主驱动器”块控制分支和交叉口的计算周期。
• 复合块“单分支”计算压缩机图的一个分支(用于单一转速)。
• 复合块“单点”计算操作线与压缩机图的一个分支的交点。
“单分支”块的嵌套结构如图13所示。

图 13.“单分支”块的结构
图 13 中的“文件解析”块读取控制程序和每个阶段的叶片数量信息,之后“geomTurbo 生成器”块运行一个循环,根据 NX 中叶片轮廓的文本文件为网格生成器创建输入文件。
“cgns generator” 模块负责在 Numeca 中生成压缩机流动部分的网格。“Condition” 模块检查是否需要计算分支,如果是,则触发“Exit”模块的执行以退出迭代,或者启动包含喘振线细化的分支构建循环。
“单点”块的嵌套结构如图14所示。

图14.“单点”块结构
图 14 中的“文件管理”块在给定点复制用于 Ansys CFX 研究的文件,搜索所需的初始近似文件,然后“CFX Pre 1”和“CCL 修改”块读取有关 Ansys CFX 模板项目结构的信息,并使用新的边界条件和旋转速度对其进行更新。
“CFX Pre 2”模块会为求解器生成一个包含更新后的网格、边界条件和转速的输入文件。“CFX Solver”模块会触发模拟。如果运行成功,则“CFX Mondata”和“Parse CSV”模块会将找到的值添加到分支中。如果遇到数值不稳定性,“Return NaN”模块会发送已达到喘振线的消息。
通过使用特殊模块(图15),工作流程的构建变得更加便捷。这些模块与工程应用程序(NX、Numeca、Ansys CFX)实现了无缝连接。此类模块可以开发用于任何类型的软件,并支持批量执行。

图 15. 工作流程中使用的块列表
在工作流程开始时,所有构建性能图所需的文件都必须按照预先约定的规则放置在资源管理器面板的“Files”文件夹中。工作流程成功完成后,所有生成的文件都可以在同一个资源管理器面板上找到(如图16所示)。

图 16. 工作流文件管理
在此全自动化流程中,PERA的智能化解决方案发挥着“智能引擎”的作用。传统的“运行-后处理-判断”循环通过Smart Selection技术得到增强。例如,在构建单个转速的性能分支时,平台可以利用已计算的CFD点,通过Smart Selection智能算法实时构建该转速下性能参数的代理模型。此模型能智能预测未计算工况点的性能,并指导下一次最有效率的CFD计算点选择,从而用更少的仿真次数快速、精确地定位喘振边界,极大减少了构建整张性能图所需的总仿真量和时间。
结论
PERA智能化云原生平台的主要优势在于提升效率并节省时间。这通过自动化重复的手动操作实现,例如构建几何模型、生成网格、结果后处理以及不同软件之间的数据交换。这种方法可应用于各种可标准化且需要大量重复使用的任务。其集成的Smart Selection的智能代理建模能力,将自动化从“流程自动化”提升到了“决策智能化”的新高度,是应对设计空间探索、不确定性分析和多目标优化等复杂任务的强大工具。
通过开发特殊的用户界面 (UI)可以实现更高级别的自动化。UI 示例如图 17 所示。借助这样的 UI,工作流程可以用作AppsHub(PERA智能化云原生平台中的应用程序专用库)中的 Web 应用程序。这种方法简化了提供输入数据和配置构建性能图任务的过程,使不熟悉案例的普通用户也能开展研究,而用户只需准备输入数据即可。

图 17. PERA智能化云原生平台中具有自定义用户界面的 Web 应用示例
客户价值
安世亚太的PERA智能化云原生平台,以数字孪生和协同仿真为核心,为高端装备制造企业提供了一套体系化、自动化和智能化的研发解决方案。平台通过将传统CAE技术与云原生架构、自动化工作流和跨学科协同深度融合,切实解决了企业在复杂产品研发中面临的多团队协作效率低、数据传递一致性差、知识复用困难等核心痛点。平台所具有的Smart Selection等智能化能力,确保了研发过程不仅“自动化”更能“智能化”,将专家知识沉淀为可复用的模型资产,降低对特定个体经验的依赖,提升整体研发体系的韧性和成熟度。
例如,在本文提到的航空航天领域针对喷气发动机的研发中,平台实现了多学科仿真流程的标准化封装和自动连接,使气动、结构、热管理等不同团队能够在统一环境中并行开展仿真工作,并通过主工作流自动集成数据依赖,大幅减少了人工干预和迭代周期,保证了数据传递的准确性与一致性。同时,平台支持以低代码方式将专业仿真流程转化为可复用的自动化任务模块,显著降低了重复性操作的人力成本,使专家经验得以沉淀和重用。在压缩机性能图自动生成等典型应用中,平台实现了从几何生成、网格划分、CFD求解到后处理的全流程自动化,不仅将原本耗时数周的手工操作压缩至数小时,更通过标准化流程避免了人为差错,提高了仿真结果的可靠性与可比性。
最终,PERA平台帮助企业构建起可继承、可演化、支持多学科优化的数字原型系统,为未来实现高保真数字孪生奠定了坚实基础,从而可以推动企业研发模式从传统单点仿真向智能化、协同化和全生命周期管理的全面转型。