人工智能时代，工业AI如何助力飞机设计 原创

你坐飞机，每次起飞离地时空姐都会提醒你，收起小桌板，调直靠背，摘下耳机，打开窗户遮阳板……

经过漫长巡航，飞机要降落了。你电影还没看完，空姐又来提醒你，摘下耳机，收起小桌板，调直靠背，打开遮阳板......

你好奇了，为啥起飞和下降阶段管这么严？

因为起飞和下降最危险。起飞的3分钟和降落的8分钟，一直被称为“黑色11分钟”。尽管这11分钟相比总飞行时长很短，但这两个阶段的空难却占大半。

这可能不符合你的直觉：起降阶段飞机不高，都能看见地上的高楼汽车，这给我的感觉很踏实啊！

但实际上，从10000米往下掉，跟200米往下掉，能有多大差别呢？

起降阶段最危险，也正是因为高度低。

这两个过程飞行员要调发动机油门，要收放襟翼、收放机轮，还得小心撞鸟。一忙就容易出错，最关键的是出错之后调整时间很短，往下落200米就摔了。

从飞机角度看，构型频繁变化也会增加故障率。比如放襟翼放机轮，都可能卡滞。即使机轮放了下来，你仔细看飞机落地那一瞬间，滋啦一下冒白烟，跑道上留下黑乎乎的刹车印。

这哪是接触跑道，明明是冲击。

如此冲击下，飞机的腿——起落架压力就很大。除了几十上百吨的飞机自重，还有巨大的轴向冲击载荷、给飞机减速的水平载荷，以及因为侧风和飞机侧滑出现的侧向载荷。

研发飞机起落架的重要一步，就是要先搞清楚它受到的载荷。

载荷的影响因素可多了，飞机最大着陆重量、下降速度、航向速度、仰角、偏转角、轮胎刚度、轮胎和地面摩擦系数都要考虑。算下来，自变量有十几个。

简单说，就是用这十几个自变量，算出来起落架载荷。

现在的常用方法是计算机仿真，包括多体动力学和有限元仿真。仿真过程遵循严格的力学定律以及材料特性，不但能给出结果，甚至还能展示计算过程。

代价是什么呢？慢。

分析过程要定义各种连接、定义力和接触，都是体力活，没法做快速评估。

与之相对，用天洑数据建模软件DTEmpower来计算起落架载荷就突出一个优点：快。

先做仿真得到一批工况数据，然后用DTEmpower的机器学习算法总结这些数据之间的规律，得到一个数据模型。

之后数据模型就能取代仿真，计算新工况了。虽然相比仿真，数据模型有点像“黑箱”，可解释性差一些，但它算的非常快！

机器学习原理不复杂，但以往实现起来却不简单。因为需要写代码，还需要懂机器学习算法，这往往是航空等机械类工程师的短板。

但天洑的DTEmpower就实现了超低门槛建模，堪称代码过敏者的福音。只需要拖拉拽节点，就像搭积木，做到零代码机器学习。

除了设计飞机起落架，很多工业场景都能和机器学习结合，提高设计效率。只要有数据，就能用DTEmpower。

很多人都在想：人工智能浪潮下，工业AI具体长什么样？

作为国内领先的工业软件企业，天洑正通过一个个鲜活的案例，给出自己的答卷。