admin
792daa6feb
- 规划文档 01-07：愿景 / 架构 / 路线图 / 数据与AI / 风险 / 参考 / FFU Demo - 演示图：系统架构、数据流水线、里程碑路线图（SVG + PNG） - FFU Demo：D2Q9 LBM 高保真（360x270, 76s）+ 粗网格快速代理（120x90, 7.3s, 16-27x 加速） - 趋势验证：速度 r=0.95 / 粒子 r=0.83 / 温度 r=0.68 - 工具链：仿真脚本、快速代理、图表生成器、SVG->PNG 转换
86 lines
4.4 KiB
Markdown
86 lines
4.4 KiB
Markdown
# 01 · 愿景与目标
|
||
|
||
## 1. 背景
|
||
|
||
计算流体力学（CFD）是现代工程的核心工具：从飞行器气动设计、汽车风阻优化，到血管血流分析、城市风环境评估，都依赖数值求解 Navier-Stokes 方程。Ansys Fluent 是工业界最成熟的 CFD 求解器之一，提供从 RANS 到 LES 的完整湍流建模能力。
|
||
|
||
但 CFD 有一个根本性的效率瓶颈：
|
||
|
||
- **单次高保真仿真成本高**：一个复杂 3D 工况动辄数小时到数天；
|
||
- **参数扫描是组合爆炸**：设计空间中每换一组参数（雷诺数、攻角、几何、边界条件）就要重算一遍；
|
||
- **无法交互**：工程设计评审时无法"拖动参数、流场即时响应"。
|
||
|
||
与此同时，AI for Science 在过去五年出现了范式级突破：**神经算子（Neural Operator）** 能直接学习"函数 → 函数"的映射，一次训练即可在参数空间中连续插值/外推，推理成本只与网络前向相当。这为"实时流场"提供了物理上可信、工程上可行的新路径。
|
||
|
||
## 2. 愿景
|
||
|
||
> **让流场仿真像游戏一样实时、像求解器一样可信。**
|
||
|
||
构建一条从 **高保真仿真 → AI 代理模型 → 实时交互系统** 的完整闭环链路，使工程师可以在秒级完成过去需要数天的设计迭代，并在数字孪生场景中实现"传感器数据驱动 + 物理模型约束"的在线流场重建。
|
||
|
||
## 3. 目标
|
||
|
||
### 3.1 技术目标
|
||
|
||
| 编号 | 目标 | 量化指标 |
|
||
| --- | --- | --- |
|
||
| G1 | 训练数据自动化生产 | PyFluent 批量仿真流水线，无人值守生成 ≥ 10⁴ 工况 |
|
||
| G2 | 2D 基准问题精度 | 圆柱绕流速度场相对 L2 误差 < 5% |
|
||
| G3 | 3D 复杂几何精度 | 汽车/翼型外流场相对 L2 误差 < 8%，关键气动力系数误差 < 5% |
|
||
| G4 | 实时推理 | 单步推理延迟 < 10 ms（3D 中等规模网格），较 Fluent 加速 > 1000x |
|
||
| G5 | 长时稳定 | 自回归推演 1000+ 步不发散，质量/动量守恒误差 < 1% |
|
||
| G6 | 泛化能力 | 未见雷诺数/几何族上误差退化 < 2 倍 |
|
||
| G7 | 可信度 | 输出带不确定性量化，OOD 检测召回率 > 90% |
|
||
|
||
### 3.2 工程目标
|
||
|
||
- 提供可交互的实时可视化前端（WebGPU/WebGL），支持参数拖拽与流场即时更新；
|
||
- 推理服务容器化，支持边缘/云端两种部署形态；
|
||
- 全链路可复现：数据版本、模型版本、指标看板。
|
||
|
||
### 3.3 应用目标
|
||
|
||
| 场景 | 价值 |
|
||
| --- | --- |
|
||
| 数字孪生 | 传感器稀疏观测 + AI 流场重建，在线监测与预警 |
|
||
| 工程设计 | 实时参数扫描，设计空间探索效率提升 100x |
|
||
| 教学科研 | 流场"可触摸"，物理直觉可视化 |
|
||
| 实时决策 | 风场/流场的秒级预测，支撑调度与控制 |
|
||
|
||
## 4. 非目标（明确不做）
|
||
|
||
- **不替代 Fluent 的求解精度**：本项目定位是"代理模型 + 加速器"，最终验证与认证仍由传统 CFD 完成；
|
||
- **不做通用流体求解器**：聚焦特定问题族（外流场/内流场），不追求覆盖所有流体现象；
|
||
- **不做实时全分辨率 3D LES**：以潜空间/降阶 + 代理模型实现"感知级实时"，而非"DNS 级实时"；
|
||
- **首期不做多物理场耦合**：传热、燃烧、多相流为远期扩展。
|
||
|
||
## 5. 成功标准（阶段性 KPI）
|
||
|
||
**P1 结束（3 个月）——可行性验证通过**
|
||
|
||
- [ ] 完成 2D 圆柱绕流数据集（≥ 500 工况，Re ∈ [50, 300]）
|
||
- [ ] FNO 基线模型相对 L2 误差 < 10%
|
||
- [ ] 单步推理 < 5 ms（2D，256² 网格）
|
||
- [ ] 评估报告：精度 / 稳定性 / 泛化三维度量化
|
||
|
||
**P2 结束（6 个月）——系统闭环**
|
||
|
||
- [ ] 端到端流水线自动化（采样 → 仿真 → 训练 → 部署）
|
||
- [ ] 3D 翼型/简化车体代理模型相对 L2 误差 < 10%
|
||
- [ ] 实时可视化 Demo：参数拖拽 → 流场更新延迟 < 100 ms
|
||
|
||
**P3 结束（12 个月）——数字孪生原型**
|
||
|
||
- [ ] 稀疏观测数据同化在线更新
|
||
- [ ] 不确定性量化 + OOD 检测上线
|
||
- [ ] 与 Fluent 真值在 ≥ 3 个工业场景对标验证
|
||
|
||
## 6. 判断准则（Decision Gates）
|
||
|
||
每个阶段结束设置 Go / No-Go 决策点：
|
||
|
||
1. **精度门禁**：误差指标未达标则不允许进入下一阶段，先做消融分析；
|
||
2. **物理门禁**：守恒律破坏或长时发散直接视为失败；
|
||
3. **成本门禁**：单工况训练数据成本需低于设定阈值（否则先优化数据策略）；
|
||
4. **可复现门禁**：任何指标必须可由流水线一键复现。
|