1 引言

       与背景当下AI能够教会CAEer做工程仿真计算吗？甚至AI能够取代CAEer做工程仿真计算吗？AI能够赋能CAE吗？笔者通过工程CAE“命题作文”，对ChatGPT和DeepSeek目前这两款呼声最高的AI工具，进行了测试，主要想了解这两款AI工具对工程CAE究竟能够赋能有多大。

       工程CAE一定是贯穿于产品投标方案计算与确认，中标后产品设计与疲劳寿命合规性计算评估、产品加工制造、吊装与运输，以及产品结构剩余寿命评估等产品全生命周期管理过程。

       AI赋能工程CAE“命题作文”的产品是斗轮取料机。斗轮取料机为离散制造业典型的依单定制的单件产品，主要服务于港口、矿山、火力发电厂、钢厂等大型料场散料（煤炭和矿石）混匀和散料连续搬运作业等。
 
       如图1，斗轮机主体钢结构主要由斗轮体钢结构，臂架钢结构，俯仰钢结构，回转钢结构，门座架钢结构，以及走行机构钢结构等所组成。图2为CAE整机计算大模型，分别由各大部件模型装配而成。斗轮取料机做工程CAE主要包括载荷定义与计算，结构静强度刚度计算，结构屈曲稳定计算，螺栓和销轴连接计算，结构疲劳寿命计算，整体模态计算。
 
       斗轮取料机的历史简述如下：上世纪八十年代主要由老外设计，代表有欧洲的奥钢联（voest-alpine），后来变为山特维克（Sandvik），再变成艾法史密斯（FLSmidth）；德国的克虏伯（Krupp），MAN公司；日本的三菱重工，三井三池等。进入2000年以后，欧洲为主的设计业务开始陆续转移到中国，日本公司退出。目前斗轮取料机的设计与制造大部分都在中国完成。通过早期的引进吸收消化再创新，目前中国已经推出自有品牌。未听说美国有斗轮取料机设计的历史。

2 AI赋能CAE“命题作文”测试与比较

       1.给AI的问题描述

       斗轮取料机属于轨上连续移动散料搬运设备，搬运的物料主要为矿石和煤炭。请给出“斗轮取料机结构有限元计算”业务流程与注意事项：包括计算标准与规范，有限元建模过程，网格划分注意事项，模型装配过程，载荷定义与计算，加载与约束，结构静强度计算，结构线性屈曲计算，螺栓和销轴连接计算，结构疲劳计算，整机模态计算，计算评估结论与注意事项。

       2. DeepSeek 深度思考(R1) 后回答

       已深度思考（用时44秒）（思考过程略）。

       以下是针对“斗轮取料机结构有限元计算”的业务流程与注意事项，结合其作为轨上连续移动散料搬运设备（物料为矿石、煤炭）的特点，分步骤详细说明：

       1）业务流程

       （1）计算标准与规范
 
       （2）有限元建模过程
 
       （3）网格划分注意事项
 
       （4）模型装配过程
 
       （5）载荷定义与计算
 
       （6）加载与约束
 
       （7） 结构静强度计算
 
       （8）结构线性屈曲计算
 
       （9）螺栓和销轴结构连接计算
 
       （10）结构疲劳计算
 
       （11）整机模态计算
 
       （12）计算评估结论与注意事项
 
       2）关键注意事项
 
       3）典型问题与对策
 
       通过以上流程与注意事项，可系统化完成斗轮取料机的结构有限元计算，确保其在矿石、煤炭等重载工况下的安全性与可靠性。

3 ChatGPT直接回答

       直接给出答案，没有思考过程。

       1.计算标准与规范

       ●设计标准：遵循相关的国家和行业标准，如《起重机械设计规范》、《钢结构设计规范》等，以确保计算过程和结果的可靠性。

       （点评：标准不合适）

       ●质量管理：在分析过程中，实施严格的质量管理体系，确保模型和计算的准确性。

       2.有限元建模过程

       ●几何建模：根据斗轮取料机的设计图纸，建立精确的三维几何模型。对于复杂结构，可采用参数化建模，以便于后续的修改和优化。

       ●材料属性定义：为模型中的各部件指定正确的材料属性，包括密度、弹性模量、泊松比等。这些参数通常可从材料手册或相关标准中获取。

       （点评：通用说法，不具实际指导意义）

       3.网格划分注意事项

       ●网格类型选择：根据结构特点和分析需求，选择适当的单元类型，如梁单元、壳单元或实体单元。对于薄壁结构，壳单元可能更为适合。

       ●网格密度控制：在应力集中区域（如连接部位、载荷作用点）应适当加密网格，以提高计算精度。同时，考虑计算资源，对非关键区域可适当放粗网格。

       （点评：通用说法，不具实际指导意义）

       4.模型装配过程

       ●组件连接：将各部件按照实际连接方式进行装配。对于螺栓、销轴等连接件，可采用简化模型或使用特殊单元模拟其连接特性。

       ●接触定义：设置各部件之间的接触关系，如接触、摩擦等，以真实模拟其工作状态。

       （点评：通用说法，不具实际指导意义）

       5.载荷定义与计算

       ●工作载荷：考虑设备在运行过程中承受的各种载荷，如自重、物料重量、风载、地震载荷等。

       ●载荷计算：根据相关标准和实际工况，计算各载荷的大小，并将其准确地施加到模型的相应位置。

       （点评：通用说法，不具实际指导意义）

       6.加载与约束

       ●边界条件设置：根据设备的安装方式和运行特点，设置合理的边界条件。例如，轨道上的支撑可视为固定支撑或滑动支撑。

       ●约束条件：确保模型在计算过程中不会出现刚体运动。对于对称结构，可利用对称性施加约束，以简化计算。

       （点评：通用说法，不具实际指导意义）

       7.结构静强度计算

       ●应力分析：在施加设计载荷和边界条件后，进行静力学分析，获取结构的应力、应变分布。

       ●强度校核：将计算结果与材料的许用应力进行比较，评估结构的安全性。对于应力超标的部位，需要进行结构优化或加强设计。

       （点评：通用说法，不具实际指导意义）

       8.结构线性屈曲计算

       ●屈曲分析：针对可能发生失稳的部件，如长臂、细长杆件，进行线性屈曲分析。

       ●临界载荷计算：计算结构的临界载荷，确保其在工作载荷下不会发生屈曲失稳。必要时，可增加支撑或选用截面更大的构件以提高稳定性。

       （点评：通用说法，不具实际指导意义）

       9.螺栓和销轴结构连接计算

       ●连接建模：对螺栓、销轴等连接件进行单独分析，计算其受力情况，确保其强度满足要求。

       ●预紧力和剪切力：考虑预紧力、剪切力、拉伸力等因素，必要时参考相关标准进行校核。

       （点评：通用说法，不具实际指导意义）

       10.结构疲劳计算

       ●载荷谱分析：对于承受循环载荷的部件，进行疲劳分析。

       ●寿命预测：根据载荷谱和材料的S-N曲线，评估结构的疲劳寿命。对于疲劳寿命不足的部位，可通过改进设计、选用高疲劳强度材料等方式进行优化。

       （点评：通用说法，不具实际指导意义）

       11.整机模态计算

       ●模态分析：进行模态分析，获取结构的固有频率和振型。

       ●共振避免：确保设备的工作频率避开结构的共振区间，以防止共振引起的结构损坏。必要时，可通过调整结构刚度、增加阻尼等方式进行调谐。

       （点评：通用说法，部分可借鉴）

       12.计算评估结论与注意事项

       ●结果验证：对计算结果进行验证，确保其合理性。可通过对比试验数据、参考类似结构的计算结果等方式进行验证。

       ●报告编制：整理分析过程和结果，编制详细的计算报告。报告应包括计算模型、载荷工况、分析结果、结论和建议等内容。

       ●沟通协作：在整个分析过程中，应保持与设计、制造、使用等相关部门的沟通，确保模型和载荷条件的设定符合实际情况。

       ●软件使用规范：注意计算软件的使用规范，避免因操作不当导致结果失真。

       （点评：通用说法，不具实际指导意义）

       通过以上流程和注意事项的指导，可有效地开展斗轮取料机结构的有限元计算分析，确保设备的设计安全可靠。

4 DeepSeek与Chat GPT比较与不足

       通过“命题作文”的测试可以看出，目前DeepSeek AI水平要高于ChatGPT，同一个命题，DeepSeek给出了“一、业务流程，二、注意事项，三、典型问题与对策”三部分，每一部分描述的比较详细，说明针对“命题作文”的大语言模型稍微精准一些，尽管有些答案存在遗漏或数据不是最新；而ChatGPT只给出了“业务流程”部分，并主要使用通用语言来描述，目的性不强，这也说明针对“命题作文”的大语言模型，ChatGPT相对粗糙一些。

       由测试结果可知，这两款AI工具还存在如下缺陷和需要改进之处：

       1.目前AI无法给出斗轮取料机总体布局的示意图，对主体钢结构的组成不清楚，因此在给出建模和网格划分过程时没有针对性，只能同通用语言来表达。

       2.假如大模型里包含有其中一款斗轮取料机的3D机型，拆分成3D部件模型以后，再跟已有的CAE模型相对应，从建模、网格划分、加载与约束等方面通过N次训练，可以极大提高模型数据质量；由部件CAE模型逐步走向整机装配模型可能更顺畅一些。

       3.标准给的不准，或者根本没有给出标准，意味着训练不足或者缺少最新数据。

       4.结构常用材料自2019年起已经与欧洲接轨，国标GB已经更新用Q355B取代了Q345B，但答案里还是有Q345B。

       5.计算结果合规性判据未标明出处，或者就根本没有给出判据，训练不足或不细导致。

       6.涉及到本文“命题作文”的大数据或者大语言模型目前涵盖范围较窄，训练不足导致。

       7.本文的“命题作文”属于产品级CAE结构仿真大模型，而非部件或零件级。相比较DeepSeek的回答要好于ChatGPT，这也许和“命题作文”的历史有关？

       8.DeepSeek回答问题的思路（本文略）值得一看，可能对解决问题有所启发，对读懂问题答案也有帮助；当然这部分要占用一定时间。而ChatGPT则没有，直接给出答案，显得过于生硬；虽然AI用时很短，但人脑的思考同样也要花费时间。

       9.通过测试比较可知，AI大语言模型若要做到比较准确回答问题，或者AI真的能够赋能CAE还有很长的路要走，还需要大数据，需要“千锤百炼”的训练。因此，当下我们要理性看待AI赋能CAE。CAEer要排除外界干扰，静下心来，深度思考在CAE过程和细节上如何用好AI，以便于提高工作效率和质量。