仿真軟件10年回顧和展望

01綜合解決方案
       西門子于2012年11月12日宣布以6.8億歐元收購了比利時軟件公司LMS International。LMS公司是汽車、航空航天和其它先進制造業界公司的工程創新合作伙伴。LMS公司可以幫助用戶將更好的產品更快地投入市場，并將卓越的技術和效率轉化為其戰略競爭優勢。
02流體

       1.2011年，Altair宣布成功收購ACUSIM Software, Inc. (ACUSIM). ACUSIM軟件公司成立于1992年，總部位于美國加利福尼亞州的山景城（Mountain View）。ACUSIM是領先的強大的可拓展性及高精度的計算流體力學（CFD）求解器解決方案領域的開發者。

       2. 2016年，西門子與CD-adapco公司達成股份購買協議,以9.7億美元的價格收購CD-adapco。CD-adapco是一家全球的工程仿真軟件公司，提供的軟件解決方案涵蓋廣泛的工程學科，包括流體力學(CFD)、固體力學(CSM)、熱傳遞、粒子動力學、反應物質流、電化學、聲學和流變學等。

       3. 2016年，達索系統收購Next Limit Dynamics公司，Next LimitDynamics是全球高度動態流體場仿真領域的領導者，其2015年營收約為160萬歐元。其解決方案適用于航空航天與國防、交通運輸與汽車、高科技、能源等行業。Next Limit Dynamics旗艦產品為使用格子玻爾茲曼的xflow。

       4. 2017年9月28日，達索系統宣布，與產品工程仿真軟件全球創新企業Exa公司(Exa Corporation)（納斯達克：EXA）簽署明確的合并協議，達索系統將正式收購位于馬薩諸塞州柏林頓的Exa公司。這家達索系統的子公司將在此后10個工作日內邀約收購全部已發行的和流通的Exa普通股，每股價格24.25美元，收購完成后以現金支付，Exa的完全稀釋股權價值大約為4億美元。此次收購達索將EXA采用格子玻爾茲曼方法的旗艦產品powerflow納入麾下，進一步鞏固了其在流體無網格領域的技術和市場優勢。

03生物，材料，復合材料

       1. 2013年，ANSYS收購復合材料的瑞士小公司EVEN。

       2. 2014年，達索系統通過收購 Accelrys 創建新的品牌 BIOVIA，Material Studio專用于微觀材料仿真設計。

       3. 2016年，Synopsys收購了英國三維重建軟件simpleware

04電磁仿真，EDA領域

       1.2008年3月31日，全球仿真技術及產品優化設計軟件供應商ANSYS公司宣布，與Ansoft公司雙方簽署一項最終協議，據此ANSYS將以收購總價約8．32億美元（含現金和股票）收購Ansoft公司，Ansoft旗下的旗艦產品HFSS，SIWave，Maxwell等悉數納入到ANSYS旗下，在多物理電磁仿真以及EDA領域邁出了扎實的一步。

       2.2011年ANSYS收購了Apache Design Solutions，填補其在集成電路解決方案領域的空白。

       3.2014年6月,Altair公司與EMSS達成并購協議,收購FEKO軟件產品以及EMSS在美國、德國和中國的三家分公司。

       4.2016年 達索系統以約2.2億歐元收購電磁(EM)和電子仿真領域技術領先德國企業CST。

       5.2016年11月16日，西門子以45億美元收購EDA軟件公司Mentor。

       西門子以45億美元收購Mentor， 讓EDA軟件公司再次進入人們的視野，隨著電子領域的持續升級，EDA公司的作用更加突顯，2018年中興和2019年的華為斷供事件更是把三大EDA軟件公司Synopsys新思，Cadence楷登和Mentor推到了風口浪尖。前面早就講過硬件斷供只是明槍，很容易躲開，軟件斷供才是狠招。簡單講比如斷供操作系統，雖然電腦還能用，但后續支持升級就沒有了，無法應對出現新的軟硬件，新的電腦病毒和漏洞。產品質量無法保證暫且不說，產品上市時間會被拉長，時間線上會被競爭對手甩在后面。

       2017年2月2日，海克斯康宣布以8.34億美元收購老牌CAE公司MSC軟件公司(“MSC”)，MSC是全球領先的計算機輔助工程(CAE)方案供應商，包括進行虛擬產品和制造過程開發的模擬軟件。2016年MSC銷售收入在2.3億美元左右，可謂賣了個好價錢。但也表明，傳統的CAE軟件公司已經越來越不適應現代技術的發展，軟件公司必須在數字化設計方面轉型，在實際生產環境中的測量數據將與仿真分析緊密結合，提供高附加值的產品和服務，僅靠著賣軟件的時代已經一去不復返了。

       在計算仿真領域，不得不提到另外兩家獨特的公司：COMSOL和MathWork。

       成立于瑞典的斯德哥爾摩COMSOL在2010年之前還無聲無息，最初的COMSOL只是在MATLAB的一個toolkit上改進的結構分析工具，但在2010年之后，隨著COMSOL4.0版本的發布，COSMOL憑借著多物理場仿真的旗號，直接求解PDE，以及相對完善的前后處理功能，迅速崛起，在CAE領域可謂獨樹一幟。和大多數外國公司一樣，早年COMSOL在國內主要使用代理商，后來自己成立辦事處。

       創立于1984年的Mathwork，作為一家從大學出來的公司，一直靠著兩大產品Matlab和Simulink，2018年收入營業額已經比肩CAE巨頭ANSYS。MATLAB提供了大量的數學函數以及各個行業的工具箱，對于高級工程師是相當不錯的選擇。筆者從2001年接觸MATLAB6.0版本至今，仍然是解決技術問題的幫手。

       作為3D軟件的巨頭，Autodesk在仿真領域也有不少動作，除了收購algor，moldflow，PlassoTech等，在仿真業務整合，云端也做了不少努力，但種種客觀原因，未來想發展業務大概率通過收購其它公司完成。

展望未來十年，可能發生的收購或并購：

       1. LSTC公司 其LS-DYNA作為顯示動力學仿真的鼻祖和標桿，極有可能被ANSYS納入麾下；

       2. Synopsys新思，Cadence楷登會成為新的收購熱點；

       3. ANSYS不排除被更大的巨頭收購；

       4. 更多掌握核心技術的底層細分領域的小公司會被巨頭收購（圖形引擎，網格引擎，幾何內核等）

       5. VASP被ANSYS或者Simens收購；

       6. 國內企業比如華為會嘗試收購歐洲小的仿真企業。

下面試著從技術角度回顧和展望

仿真軟件的發展和趨勢

① 多物理場仿真耦合

       多物理場耦合仿真的終極目標是提供對真實世界的精確模擬。雖然目前很多軟件號稱能解決多物理場仿真問題，但實際上獲取準確的數值解仍然相當困難：理論上復雜的多物理場耦合現象難以用統一的PDE描述，因此數值計算上理論上就存在不確定性；而工程上會對模型進行簡化，導致求解誤差偏大；不同的物理場之間還涉及到模型交互，幾何網格兼容性，強弱耦合，多尺度，相變，交叉學科等各種問題。

       所以進行準確的多物理場耦合分析仍然是仿真軟件未來最具挑戰性的工作之一。過去十年中，從事流體，電磁，材料仿真軟件的公司是收購的重點，未來的收購也還會發生在這些領域，在這些領域還有很多沒有解決的工程問題，軟件發展潛力巨大。

② 仿真和硬件關系更加密切

       FEM方法早在70多年前提出，因為需要大量的計算工作一直發展比較緩慢，在計算機出現之后才出現質的發展。現在，自由度超過千萬的剛度矩陣組裝，其次和非齊次線性方程組求解時間在普通臺式機上仍然耗時，因此仿真軟件對硬件有天然的依賴，半導體領域的摩爾定律同樣適用于仿真軟件，所以每次硬件出現新的革新，都會很快應用到仿真軟件上。

       從早期的臺式機多核多進程多線程，到后來的刀片服務器，網絡分布式計算，再到GPU計算，以及現在的上百萬核，千萬核的超級計算機，AI芯片，將來可能應用的量子計算機，都是在用硬件方法加速仿真中的大規模計算。

       硬件發展的另外一個趨勢是越來越小，仿真可以和硬件結合，類似于現在的FPGA編程。自動駕駛是一個典型的例子，自動駕駛實際上就是一個實時的仿真系統，攝像頭，傳感器實時收集數據，處理器根據收集的數據進行駕駛路線計算和預測，并采取相應的策略，在這個過程中依賴于數據的傳輸和對數據仿真處理。如果將碰撞仿真軟件固化在汽車硬件里，汽車在行駛過程中能實時仿真與其它車碰撞的結果，從而讓自動駕駛在遇到危險時采取更有利的預防和避險措施，其意義不言而喻。

       隨著硬件的加速，一些傳統的數值計算方法使用可能會出現改觀。比如求解滿秩矩陣的困難的MOM，BEM等方法。目前的算法主要利用快速多級等進行加速，但精度上還是會有損失。

       在下一個十年結束的時候，希望在量子計算領域有所突破。如果幾十億自由度的線性方程組求解能在普通機器上秒級以內完成，將極大促進生產力發展，說人類文明將跨進一大步一點都不夸張！

③ CAD/CAE/CAM/CAPP無縫結合，驗證測試與仿真融合

       傳統的CAD/CAE/CAM/CAPP相互獨立，會造成很多問題，比如信息孤島，數據不兼容，仿真結果無法驗證等，甚至出現試驗指導仿真的情況。近年來，軟件廠商在解決這些問題方面做了很多努力，但距離理想還相差很遠。

       傳統的CAD與CAE分離，簡單講設計一個單位，仿真一個單位，加工一個單位，最直接的問題就是數據兼容性問題。相信很多仿真工程師都有過被文件格式轉換，幾何清理折磨的經歷，究其原因就是CAD/CAE流程沒有打通。這種分離不僅是數據上，而且也反映在業務上。比如因為加工需要，CAD設計會有各種倒角，而仿真則不需要。很多CAD軟件在其平臺上引入了仿真功能，反映的就是這個趨勢。在一個平臺上完成CAD/CAE/CAM驗證、設計、自動化，也就是CAD/CAE/CAM/CAPP的無縫結合。

       仿真軟件給出的仿真結果總會存在誤差，需要由試驗來確定，如何將實驗數據和仿真數據匹配，指導實際業務，也是很工業界看重的一個問題，這也催生出了相應的軟件產品，比如西門子收購的比利時LMS，是一家提供仿真，測試，咨詢服務公司，西門子看中的就是測試與仿真的綜合能力。

       而另一家比利時的Dynamic Design Solutions，也是一家提供FEM分析軟件測試的公司（又是比利時，多物理場仿真軟件OOFELIE也屬于比利時的OpenEngineering公司），幾乎所有的汽車設計廠商都是其客戶。未來傳感器，測量工具效能的提升會讓仿真與實驗結合的更緊密。

④ 設計與優化緊密結合

       有人說仿真的目的就是優化。優化是很多CAE軟件產品中的一個模塊，比如AltairOptiStruct，Ansys Design Explorer，HFSS Optimetrics，Abaqus ATOM 以及獨立的優化軟件Isight，Tosca等，Matlab等科學計算軟件中也提供了專門的優化工具箱。

       雖然優化工具很多，但真正應用起來讓其發揮作用并不簡單，首先每種優化算法有其特點和適用場景，比如遺傳算法適用全局優化，牛頓適用局部優化，神經網絡適用輸入數據豐富情形，梯度迭代更適合有連續表達式的函數；其次業務場景對優化也有諸多限制，比如橋梁，雖然理論上可以設計優化出各種樣式的橋，但實際設計施工中還是老老實實按照規范來；再者優化算法同樣受限于硬件，大部分優化使用迭代算法，利用每次迭代仿真結果選擇相應策略，而很多FEM自適應網格方法，FVM計算本身就是一個迭代收斂的過程，如果加上優化迭代，計算時間會無法接受；最后優化中涉及到許多變量，這些變量可能涉及不同的階段（有的變量屬于幾何，有的屬于仿真，有些屬于NC），場景，從而分配不同的影響因子，靈敏度。所有這些不確定因素加起來導致仿真軟件優化發揮作用很困難，目前仿真優化通常應用于幾何拓撲確定，業務流程固化，參數較少的應用場景。在仿真優化這塊還有很多潛力可挖掘，未來十年，將會有更多的和業務結合的優化應用出現，而軟硬件的發展會對優化的應用發展起到很大的促進作用。

⑤ 云端化

       仿真軟件云端化是互聯網技術發展必然的結果，云端化和仿真技術沒有太大關系，主要是商業模式和使用方式的轉變，目前有不少公司試水把產品移植到云端，比如三維設計軟件OnShape，3D軟件公司Autodesk（歐特克）早早在云端布局，云端平臺Fusion360整合了旗下的多款CAD/CAE/CAM產品。

       互聯網巨頭亞馬遜直接在其云端開發部署了開源CFD軟件包OpenFOAM，用戶可直接登錄使用。另外B/S架構的仿真平臺通過瀏覽器提供前后處理，而大規模求解仿真放在云端也是一個不錯的選項，國外發展較早的有德國的www.simscale.com，國內有www.simright.com目前云端化存在兩個大問題。一個是安全性問題，如何保證數據安全，對公司講，數據就是核心資產，另外如何保證商務，法律上的安全也是需要考慮的一個問題，比如涉密信息，即使保證了數據安全，也不可能放在共有云，公司企業內部私有云倒是一個不錯的選項。另外一個問題是進行云端仿真計算時，存在性能瓶頸，對于大型項目，遠程圖形渲染，數據傳輸，還不能和桌面機器相比，當然隨著硬件的發展，這些以后都不是問題。

       對大多數用戶來說，使用云的好處是降低仿真軟件的使用成本，以前幾十萬幾百萬的才能使用的軟件，通過云可以將價格門檻下降到很低，這也是在國內普及正版軟件的一條可行的路。

⑥ 網格

       傳統的數值計算方法都需要高質量的網格數據作為輸入，網格生成在前處理中占了很多時間。網格質量的好壞直接決定的仿真的好壞，網格生成技術作為仿真領域的一項支柱，開發難度大，且需要實際工程打磨，要想開發一套完善的網格引擎，沒有五年十年的功夫是不可能的。某些情況比如多物理場，流體邊界層，復合材料，EDA行業，裝配體的網格的生成更為復雜，對于未知場的求解，往往需要網格加密多次求解，增加了仿真復雜度。好的網格依賴于幾何輸入質量以及網格算法的健壯穩定性，沒有好的網格生成機制，數值計算難為無米之炊。網格算法較為成熟穩定，在這個領域很難有顛覆式的發展，未來網格底層生成算法可以和實際工業應用更加緊密結合，優化網格生成效率。

       由于高階數值計算復雜性，目前大部分商業軟件網格都是線性單元（0階）或者二次單元（一階）。實際上高階網格（也就是常說的P單元）在處理復雜幾何上更具優勢，適當的設置網格參數，只需更少數量的網格，無需迭代，就能獲得更好的數值計算解，期待未來在高階領域有更多實際應用。

       無網格方法是近年來興起的一種數值計算方法。流體領域的粒子方法(Particle Method）和LBM格子玻爾茲曼已經相當成熟，尤其是后者，達索系統早早將市場上的LBM軟件收到旗下，壟斷目前市場。Altair與今年推出的SimSolid號稱也不需要網格，市場驗證需要假以時日。要想在無網格應用上有所突破，底層理論和硬件都需要提供更多的支持。

       瑞士一家公司提出了一種基于MAR（Medial Axis Representation）方法，號稱利用CAx取代CAD/CAE，取代傳統的網格劃分流程，具體效果還需要市場檢驗。

       未來，網格仍然是仿真軟件前處理的重要一環，網格生成性能會進一步提升，新算法會引入讓網格生成趨向智能化。

⑦ 數值計算方法

       在數值計算機方法領域，結構還是以FEM為主，電磁FEM，FDTD，MOM，流體FVM，以及無網格法。其它比如FDM，BEM，DEM，譜方法等在實際應用中大規模使用，還需要更多的努力。未來數值計算方法在理論上突破已經非常困難，但在以下幾個方面仍然還有發展空間：

       1，同一分析空間中不同數值計算方法的混合使用；

       2，PDE產生新的解析解方法所帶來的新的數值解法；

       3，半解析解和數值解法的進一步組合使用；

       4，數值計算方法和業務場景實際工程應用的進一步耦合；

       5，高階網格數值計算方法；

       前面講過很多次，軟件只是表現，軟件和工程經驗的結合才是核心技術，發展數值計算方法，只有和實際工程應用結合才能使軟件產生更大的價值。

⑧ 人工智能以及機器學習引入

       人工智能最近幾年火的一塌糊涂，但是真正靜下心來仔細研發會發現，落地應用的項目其實集中在少數幾個領域，比如語音識別，圖像識別，聚類分析，專家系統等等，在仿真領域應用有限。這也是由仿真領域的特點決定的：

       1，人工智能依賴于大規模的訓練數據輸入，對于仿真而言，很多應用場景中，仿真一次的數據量就非常大，多次仿真不僅時間長，而且冗余數據多，生成的有效訓練數據有限，無法提供AI訓練以及深度學習所需的有效輸入數據；以設置最優網格參數為例，至少兩個位的訓練次數才會出現有效解，而求解器一次求解時間可能就是幾個小時，相比AI，實際應用中自適應網格劃分更迅速和準確；

       2，目前的硬件設施無法滿足AI訓練，或者訓練成本太高，對于1中即使是對局部網格尋找最優參數解，訓練所花實際成本仍然很高，性價比差；

       3，未來通過機器視進行特征識別，從而可以在幾何清理，設置局部網格參數等方面實現自動化是比較可行的。

⑨ 業務驅動仿真

       傳統印象中，仿真應用流程是設計，仿真，再設計，測試，再設計，生產。而業務驅動仿真很可能改變這種印象。以風力發電葉片為例，葉片的生成，運輸，安裝，卸載成本都很高，在運作的時候如果葉片出現故障（撞擊，損壞），主要以現場修復為主。如何精準的評估修復效果，利用傳感器，掃描儀等裝置生成實時模型，收集真實工況數據，對比原始模型，測試模型，進行實時仿真，評估CFD，機械強度等各個指標，仿真滿足要求后即可上線。仿真在整個過程中起主導作用，之后還可以定時進行仿真檢查，收集實時數據反饋給原始仿真計算模型，優化產品流程。

       從使用者角度看，仿真軟件將不再是仿真工程師的專利，完善的業務流程，固化的仿真邏輯，CAD/CAE/CAM的高度結合，可以讓任何一個普通工程師用好仿真。想象一下在建筑工地上，工人發現施工與設計圖紙出現沖突，需要改圖，傳統的做法需要層層上報，甚至反饋到設計院，設計院實地考察，給出修改方案，來回折騰。而以后可能工人只需在pad上修改圖紙，實時仿真一下，將結果反饋給上級，通過則繼續施工。

       過去的十年中，幾乎每年都有一些技術熱點，比如量子計算，物聯網，AR，VR，人工智能，區塊鏈，邊界計算，深度學習。但是仔細探究很多技術只不過是新瓶裝舊酒，有些是背后有資本推手，有些是從實驗室走向市場，有些是得益于硬件的發展。對于國內工業仿真軟件發展而言，要想有所建樹，潛心踏實積累技術，開拓國外市場，走產品服務路線，仍然是唯一的出路。

本文來源：互聯網   版權歸原作者所有，轉載僅供學習交流，如有不適請聯系我們，謝謝。

標簽： 點擊： 評論: