Convergence (hội tụ) cho biết kết quả tính toán đang trở nên ổn định theo một phép kiểm tra số học cụ thể, chẳng hạn khi tiếp tục giải hoặc tinh chỉnh lưới. Validation (xác nhận mô hình) đánh giá mô hình dự đoán hiện tượng thực tế phù hợp đến mức nào cho mục đích sử dụng và điều kiện đã xác định.
Hai việc này trả lời hai câu hỏi khác nhau. Một mô hình có thể hội tụ rất tốt nhưng vẫn cho kết quả không phù hợp với sản phẩm thực tế nếu tải trọng, điều kiện biên, vật liệu hoặc cơ chế vật lý được mô tả sai.
Hãy hình dung một kỹ sư mô phỏng biến dạng của giá đỡ. Khi tăng số phần tử lưới, kết quả chuyển vị thay đổi ngày càng ít. Phần mềm báo bài toán đã hội tụ. Nhưng ở sản phẩm thật, giá đỡ được liên kết bằng bu lông và có độ dịch chuyển nhỏ tại bề mặt tiếp xúc; trong mô hình, toàn bộ bề mặt đó lại được cố định hoàn toàn.
Kết quả số có thể ổn định. Giả định về cách giá đỡ được lắp trong thực tế vẫn cần được kiểm tra.
Convergence là gì trong mô phỏng kỹ thuật?
Trong CAE, FEA và CFD, convergence là sự hội tụ của lời giải theo một tiêu chí đã xác định. Tùy bài toán, kỹ sư có thể đang nói đến những loại hội tụ khác nhau.
Hội tụ của quá trình giải
Với một bài toán cần giải qua nhiều vòng lặp, phần mềm theo dõi mức sai lệch còn lại và sự thay đổi của các đại lượng trong quá trình tính. Khi các tiêu chí dừng được đáp ứng, phần mềm có thể thông báo lời giải đã hội tụ.
Điều này giúp đánh giá liệu quá trình giải đã đạt trạng thái phù hợp với thiết lập số học hay chưa. Nhưng thông báo “converged” không tự xác nhận tải trọng hoặc mô hình vật lý là đúng.
Hội tụ theo lưới
Mesh convergence xem xét kết quả thay đổi thế nào khi lưới được tinh chỉnh. Nếu đại lượng cần đánh giá trở nên ít nhạy hơn với kích thước lưới, kỹ sư có thêm cơ sở để nhận định sai số do rời rạc hóa đang được kiểm soát.
Cần xác định rõ đại lượng nào đang hội tụ. Chuyển vị tổng thể có thể ổn định trong khi ứng suất cục bộ ở một vị trí vẫn thay đổi đáng kể. Kết luận “mô hình đã hội tụ” vì thế cần đi kèm tên đại lượng, vị trí đánh giá và phạm vi lưới đã kiểm tra.
Hội tụ theo bước thời gian
Với mô phỏng không ổn định theo thời gian, chẳng hạn một quá trình chuyển động hoặc dòng chảy biến thiên, kỹ sư có thể cần kiểm tra kết quả khi giảm bước thời gian.
Một kết quả ít thay đổi theo lưới không có nghĩa là bước thời gian đã đủ phù hợp. Ngược lại, kết quả ổn định theo bước thời gian cũng chưa chứng minh lưới đã được kiểm tra đầy đủ.
Validation là gì?
Validation là quá trình đánh giá mức độ mô hình mô phỏng phù hợp với thực tế đối với đại lượng và phạm vi ứng dụng cụ thể.
Thông thường, kỹ sư đối chiếu dự đoán từ mô hình với dữ liệu thực nghiệm hoặc dữ liệu đo được trong điều kiện có thể so sánh. Ví dụ:
- So sánh chuyển vị mô phỏng với chuyển vị đo trên mẫu thử
- So sánh nhiệt độ dự đoán với nhiệt độ tại các điểm đo
- So sánh chênh áp mô phỏng CFD với kết quả thử nghiệm
- So sánh tần số dao động dự đoán với dữ liệu đo
Phép so sánh cần dùng cùng cấu hình, điều kiện tải và vị trí đánh giá. Nếu mô hình sử dụng một giá trị tải còn phép thử thực tế chịu tải khác, mức chênh lệch giữa hai kết quả không thể được diễn giải một cách đơn giản.
Validation cũng không phải một dấu xác nhận có hiệu lực cho mọi tình huống. Một mô hình phù hợp với dữ liệu ở một dải tải nhất định vẫn cần được xem xét khi dùng để dự đoán tại nhiệt độ, vận tốc hoặc cấu hình khác.
Convergence và validation khác nhau ở đâu?
| Tiêu chí | Convergence | Validation |
| Câu hỏi chính | Kết quả số có ổn định theo phép kiểm tra đang thực hiện không? | Mô hình dự đoán thực tế phù hợp đến đâu? |
| Đối tượng đánh giá | Quá trình giải, lưới, bước thời gian hoặc đại lượng tính toán | Mô hình và kết quả dự đoán trong điều kiện sử dụng xác định |
| Cách kiểm tra thường gặp | Theo dõi vòng lặp, tinh chỉnh lưới, thay đổi bước thời gian | So sánh với dữ liệu thử nghiệm hoặc đo lường phù hợp |
| Điều chưa thể kết luận | Giả định vật lý và đầu vào đã đúng | Mô hình đúng cho mọi điều kiện ngoài phạm vi đã đánh giá |
Nói ngắn gọn: hội tụ giúp kiểm tra độ ổn định của lời giải số; validation giúp đánh giá mức độ phù hợp của mô hình với thực tế. Để tin cậy một kết quả phục vụ quyết định kỹ thuật, đội ngũ còn phải xem xét các nguồn sai số và độ không chắc chắn khác.
Vì sao mô hình đã hội tụ vẫn có thể dự đoán sai?
1. Điều kiện biên không phản ánh cách sản phẩm làm việc
Điều kiện biên (boundary conditions) mô tả cách mô hình được giữ, liên kết hoặc tương tác với môi trường xung quanh.
Trong FEA, cố định toàn bộ một bề mặt có thể khiến kết cấu được mô phỏng cứng hơn thực tế nếu liên kết thật có độ mềm hoặc cho phép chuyển động. Trong CFD, điều kiện dòng vào hoặc dòng ra không phù hợp có thể ảnh hưởng đến trường vận tốc và áp suất dự đoán.
Khi đó, tăng chất lượng lưới chỉ giúp giải ổn định hơn bài toán đã được thiết lập. Nó không sửa được giả định điều kiện biên sai.
2. Tải trọng đầu vào chưa đúng
Một kết cấu có thể chịu tải tĩnh, tải lặp lại, rung động, va đập hoặc các tổ hợp tải khác nhau. Nếu mô hình chỉ xét tải tĩnh trong khi hư hỏng thực tế chịu ảnh hưởng của tải lặp lại, kết quả hội tụ dưới tải tĩnh chưa trả lời đúng câu hỏi thiết kế.
Tương tự, giá trị và vị trí đặt tải cần phản ánh cách lực thực sự truyền qua cụm lắp. Một lực được đặt lên một điểm lý tưởng hóa có thể cho phản ứng khác với tải phân bố qua vùng tiếp xúc.
3. Thông số vật liệu không phù hợp
Vật liệu trong mô phỏng được mô tả bằng những thông số và giả định nhất định. Nếu sản phẩm làm việc trong điều kiện mà các thông số ấy thay đổi, mô hình cần được cập nhật hoặc đánh giá giới hạn áp dụng.
Ví dụ, dùng một mô hình vật liệu đàn hồi tuyến tính có thể phù hợp với bài toán biến dạng nhỏ trong một phạm vi tải, nhưng cần xem xét lại nếu sản phẩm có khả năng biến dạng dẻo hoặc tiếp xúc phi tuyến đáng kể.
4. Hình học đã được đơn giản hóa quá mức
Đơn giản hóa CAD giúp giảm thời gian tính toán. Tuy nhiên, một số đặc tính bị loại bỏ có thể ảnh hưởng trực tiếp đến kết quả cần đánh giá: lỗ lắp, góc bo, mối hàn, khe hở hoặc bề mặt tiếp xúc.
Vấn đề không phải mọi chi tiết hình học đều phải được giữ lại. Kỹ sư cần xác định đặc tính nào tác động đến đại lượng đang dùng để ra quyết định.
5. Mô hình vật lý chưa mô tả đúng hiện tượng
Trong CFD, lựa chọn cách mô tả dòng chảy, truyền nhiệt hoặc các hiện tượng liên quan ảnh hưởng đến dự đoán. Trong phân tích kết cấu, giả định về tiếp xúc, biến dạng lớn hoặc cách liên kết cũng có thể thay đổi kết quả.
Một lời giải hội tụ chứng tỏ công cụ đã giải bài toán theo mô hình được chọn. Nó chưa chứng tỏ mô hình đó đã bao gồm đầy đủ hiện tượng chi phối sản phẩm thực tế.
Ví dụ minh họa: Một mô hình FEA hội tụ nhưng khác kết quả thử nghiệm
Giả sử đội kỹ thuật phân tích chuyển vị của một giá đỡ dưới tải. Qua ba mức lưới, kết quả tại đầu giá đỡ lần lượt là 0,82 mm, 0,79 mm và 0,78 mm. Sự thay đổi nhỏ dần cho thấy chuyển vị tại điểm này ít nhạy hơn với việc tiếp tục tinh chỉnh lưới trong phạm vi đã kiểm tra.
Tuy nhiên, phép thử trên cụm lắp thực tế đo được chuyển vị 1,15 mm trong điều kiện tải tương ứng. Chênh lệch này không nên được xử lý bằng cách tiếp tục tăng số phần tử lưới mà chưa xem xét:
- Liên kết bu lông trong thực tế có độ mềm hay trượt không?
- Vị trí đo và vị trí lấy kết quả mô phỏng có trùng nhau không?
- Tải thực tế có đúng bằng tải đã nhập không?
- Kích thước và vật liệu của mẫu thử có đúng theo mô hình không?
- Độ không chắc chắn của phép đo là bao nhiêu?
Các con số trên chỉ dùng để minh họa sự khác biệt giữa hội tụ và validation. Không thể kết luận nguyên nhân chênh lệch nếu chưa kiểm tra dữ liệu đầu vào, phép thử và mô hình.
Verification nằm ở đâu giữa convergence và validation?
Trong đánh giá mô phỏng, verification thường được dùng để xem xét liệu bài toán toán học và phương pháp số có được triển khai, giải với mức độ chính xác phù hợp hay không. Kiểm tra hội tụ theo lưới hoặc bước thời gian là một phần quan trọng của việc đánh giá sai số số học.
Một cách hình dung thực tế là:
- Verification: Chúng ta có đang giải bài toán đã thiết lập một cách phù hợp không?
- Validation: Bài toán đã thiết lập có mô tả thực tế đủ tốt cho mục đích sử dụng không?
Hai bước cần được liên kết. Nếu sai số số học còn lớn, khó đánh giá chênh lệch giữa mô phỏng và phép thử đến từ mô hình vật lý hay từ cách giải. Ngược lại, dù sai số số học đã được kiểm soát, mô hình vẫn có thể khác thực tế vì đầu vào hoặc giả định chưa phù hợp.
Quy trình đánh giá một mô hình mô phỏng đáng tin cậy
Bước 1: Xác định quyết định cần đưa ra
Mô phỏng dùng để chọn chiều dày chi tiết, kiểm tra giới hạn chuyển vị, so sánh hai phương án hay dự đoán nhiệt độ tại vị trí nhạy cảm? Câu trả lời quyết định đại lượng cần theo dõi và mức độ chính xác cần thiết.
Nếu quyết định dựa trên chuyển vị tại điểm lắp thiết bị, việc chứng minh một đại lượng khác đã hội tụ sẽ không đủ.
Bước 2: Rà soát giả định và dữ liệu đầu vào
Ghi rõ revision hình học, vật liệu, tải trọng, điều kiện biên và những đơn giản hóa của mô hình. Với mỗi giả định quan trọng, nên xác định nguồn thông tin và mức độ không chắc chắn.
Bước 3: Kiểm tra lời giải số
Theo dõi sự hội tụ của quá trình giải. Thực hiện kiểm tra độ nhạy theo lưới và, nếu bài toán phụ thuộc thời gian, theo bước thời gian. So sánh đúng đại lượng phục vụ quyết định, thay vì chỉ nhìn vào tổng số phần tử hoặc một chỉ số mặc định của phần mềm.
Bước 4: Đối chiếu với dữ liệu thực tế phù hợp
Nếu có dữ liệu thử nghiệm, cần bảo đảm phép thử và mô phỏng có điều kiện tương ứng. Ghi rõ vị trí đo, cách đo, sai số đo và mức biến thiên giữa các mẫu.
Khi chưa có dữ liệu thử nghiệm của chính sản phẩm, đội ngũ có thể dùng dữ liệu tham chiếu phù hợp để đánh giá một phần mô hình, đồng thời nêu rõ phạm vi chưa được validation trực tiếp.
Bước 5: Diễn giải chênh lệch và giới hạn sử dụng
Nếu mô phỏng khác phép thử, không nên mặc định mô hình sai hoặc phép đo sai. Cần xem xét sai số số học, độ không chắc chắn của dữ liệu đo, biến thiên sản phẩm và những giả định vật lý chưa phù hợp.
Kết luận cuối cùng nên nêu rõ mô hình được sử dụng để dự đoán đại lượng nào, trong điều kiện nào và với giới hạn gì.
Những sai lầm thường gặp khi đọc kết quả hội tụ
Xem thông báo “converged” là bằng chứng mô hình đúng. Thông báo của phần mềm phản ánh các tiêu chí giải đã đặt, không xác nhận toàn bộ điều kiện vật lý.
Chỉ tinh chỉnh lưới một lần. Hai mức lưới có thể chưa đủ để hiểu xu hướng thay đổi của đại lượng quan trọng, đặc biệt ở những vùng có gradient lớn.
Chỉ nhìn ứng suất lớn nhất trên toàn mô hình. Giá trị cực đại có thể rất nhạy với lưới hoặc cách đặt tải tại một vị trí lý tưởng hóa. Cần xem vị trí đó có ý nghĩa vật lý và có liên quan đến tiêu chí thiết kế hay không.
So sánh với phép thử khác điều kiện. Nếu mẫu, tải, vị trí đo hoặc môi trường không tương ứng, mức chênh lệch giữa hai kết quả rất khó diễn giải.
Kết luận mô hình đã được validation cho mọi trường hợp. Một phép so sánh tốt tại một điều kiện không tự chứng minh độ chính xác trên toàn bộ dải vận hành.
Kết quả mô phỏng đáng tin cậy cần nhiều hơn sự hội tụ
Convergence là điều kiện cần để hiểu chất lượng lời giải số, nhưng chưa đủ để khẳng định mô phỏng phản ánh đúng thực tế. Kỹ sư cần kiểm tra thêm dữ liệu đầu vào, giả định vật lý, điều kiện biên và mức độ phù hợp với dữ liệu thực nghiệm cho mục đích sử dụng đã xác định.
Khi các bước này được trình bày rõ, báo cáo mô phỏng không chỉ đưa ra một con số ứng suất, chuyển vị hay áp suất. Nó giúp đội ngũ hiểu có thể tin vào kết quả đến mức nào và nên dùng kết quả đó để đưa ra quyết định gì.
TDB Solution hỗ trợ các bài toán CAE/FEA, CFD và phân tích kỹ thuật. Nếu doanh nghiệp cần rà soát một mô hình đã hội tụ hoặc đánh giá sự khác biệt giữa mô phỏng và kết quả thử nghiệm, hãy liên hệ TDB Solution để trao đổi về điều kiện đầu vào, đại lượng cần kiểm tra và mục tiêu của dự án.
