CAE问题总结

CAE的本质其实还是自己之前想的 y=f(x)，厂家提供的功能是可用的f，以及y的表示，x的录入框架，宣传的重点在于f的准确性，作为一个工具可以为研发、生产创造价值。直接上看，这是一个极其有价值的东西，可是实际使用的效果不够好。40年来，CAE的应用主要还是在航空业、车辆行业。

为什么？

出错的地方太多了。f本身是最容易不出问题的，容易出问题的是X的框架and Y 的interpretation。

行业需求口径的宽窄程度不同。什么意思呢？就是X实现Y的效果的概率，一组设计方案实现工程师期望的设计效果的概率在不同的行业，不同的产品上是有显著差异的。

凡是那些在现代科学出现以前就存在的行业，都是几乎可以凭直觉分析、判断X是否能够实现Y的效果的。它们的数学模型几乎都是线性的，一维的。

比如说建房子，墙越厚越结实。比如各种武器，铠甲，各种车辆，船舶，农具，水中，都是一看就可以理解，然后就存在抄袭可能性的。

可是在现代科学昌明以后才出来的行业。X跟Y之间有一个复杂的非线性关系的行业，经验、直觉就失效，而且X到Y之间有一个低概率。

爱迪生试错上万次，最后找到碳化竹子来做灯丝。quote：I have not failed. I've just found 10,000 ways that won't work*. 预期正确的概率是万分之一。

是复杂的非线性物理关系，同时设计参数的排列组合最终符合设计目标的概率是低概率模型，才呼唤CAE登场。

比如说噪音、震动问题，流体问题，交流变频下的电磁问题。

从前的项目经验里：一个外转子电机，PWM控制方式，应用场景很广，在1000rpm到5000rpm下面都需要工作。开始的问题是2100rpm下存在共振，如何避开共振？！没有理论方向，客户搞了很久就是搞不定。

CAE做一个固有频率的分析，就简单搞定了。

一个新款PSC电机，公司并没有这个电机类别，然后要给一个电磁方案。工程师做了很多尝试，性能跟客户样机总是存在差距，快要崩溃，最后用CAE解决问题。

所以obstacle里面有两点。第一是麻瓜看不懂！不学点理论，干不下去的行业。第二是低概率，随便给个方案就是会一直碰壁。存在这个障碍的厂家才需要CAE登场。

CAE的价值和局限性是什么？

它的本质是预测性能！predict performance！凡是需要制样试错的行业，才有可能有它的生成空间。制样是verify performance。

它的局限就是准确、可靠的程度！或者说它会在哪些地方存在瑕疵。

所以关键的问题就是如何恰当低使用CAE工具！

以大类来分就是X的不准确，Y的不理解。f反而是出错空间最小的！

什么是X的不准确！

厂家给的X的框架不一定是完美的？X是一个数组。

X里面有若干个参数是不可知的，也有若干个参数是存在随机性的。X本质上是无法实现一致的！

Y的理解是需要理论功底的！

这样子就把绝大多数人劝退了！或者说这样子进一步压缩了它的市场空间。！

把自己的脑子搞清楚。把CAE的问题搞清楚！