ASME V&V规范 — 计算仿真的验证·有效性确认

V&V的基本概念

Verification与Validation的区别

• Verification（验证） —「是否在正确求解方程？」
• Validation（有效性确认） —「是否在求解正确的方程？」

用著名的表述来说，Verification是\"solving the equations right\"，Validation是\"solving the right equations\"。

1. Code Verification（代码验证） — 检查求解器源代码是否有bug，数学算法是否被正确实现。通过与解析严密解（Method of Manufactured Solutions等）对比来确认
2. Solution Verification（解的验证） — 检查特定问题的数值解是否充分收敛。定量评估网格密度·时间步长·迭代收敛的影响

例如，使用Abaqus进行结构分析时，检查Abaqus代码本身是否正确是Code Verification，确认你创建的模型网格是否足够细是Solution Verification。

• 碰撞仿真的变形量是否与实车试验相符
• CFD预测的压力损失是否与风洞试验计测值一致
• 结构分析的固有振动数是否与锤击试验结果一致

这里的关键是，Validation之前必须完成Verification。数值误差大的解与实验对比毫无意义。

V&V的层级结构

1. Code Verification — 求解器代码的数学准确性
2. Solution Verification — 单个问题的数值误差评估
3. Model Validation — 与实验数据对比的有效性确认
4. Predictive Capability Assessment — 对无实验数据条件的预测信心度评估

层级越往下越难。最后的\"预测能力评估\"是判断对未经测试条件的仿真结果能信任到什么程度，需要不确定性定量化（UQ: Uncertainty Quantification）。

ASME V&V规范体系全景

V&V 10 — 计算固体力学的V&V

• V&V的定义与术语统一
• Code Verification手法（MMS: Method of Manufactured Solutions）
• Solution Verification手法（Richardson外推、GCI）
• Validation实验的计划与要求
• Validation Metrics的定义
• 不确定性分类（aleatory / epistemic）与传播方法

V&V 20 — CFD·热传导的V&V

• 湍流模型的选择 — RANS、LES、DNS结果差异很大。模型形式误差（model form error）占主导
• 非线性性 — Navier-Stokes方程本质上非线性，网格收敛比结构分析更缓慢
• 数值扩散 — 对流项的离散化方案对结果影响很大

V&V 20最大的贡献是提出了分离数值误差与物理模型误差的方法论。将Validation比较误差 $E$ 分解为：

其中 $S$ 是计算值，$D$ 是实验值。这个 $E$ 中的误差可以分类为：

$u_{\text{num}}$ 是数值误差，$u_{\text{input}}$ 是输入参数不确定性，$u_{\text{exp}}$ 是实验不确定性。

Verification — 代码与解的验证

Code Verification

1. \"制造\"一个解析解 $u_{\text{exact}}(x,t)$（即使物理上无意义）
2. 将该解代入控制方程，反推所需的源项 $f(x,t)$
3. 将源项输入求解器进行计算，测量与 $u_{\text{exact}}$ 的误差
4. 系统地细化网格，确认误差收敛次数与理论值（如2阶精度为 $O(h^2)$）是否一致

对于商用求解器，求解器开发商应该已完成Code Verification——但不一定所有功能·要素类型都验证过了。使用新要素或材料模型时要特别小心。

Solution Verification

其中 $r = h_3/h_2 = h_2/h_1$（一定的细分比），$f_i$ 是各网格下的关注量。然后用这个 $\hat{p}$ 来计算GCI。

GCI（网格收敛指数）

GCI是什么

计算公式是：

其中：

• $F_s$ = 安全系数（3网格时为1.25，2网格时为3.0）
• $\varepsilon = (f_2 - f_1) / f_1$ — 粗网格与细网格的相对误差
• $r$ = 网格细分比（通常1.3～2.0）
• $\hat{p}$ = 观察到的收敛次数

实务中的参考值：

• GCI < 1% — 网格充分收敛（学术论文水平）
• GCI 1～5% — 工程上多可接受
• GCI > 5% — 应进一步细化网格

渐近一致性确认

这个值接近1说明解已进入渐近范围，Richardson外推可信。偏离1太远可能说明网格还太粗，或有奇点等问题。

Validation — 有效性确认

Validation实验的要求

• 边界条件完整计测 — 仿真用到的所有边界条件（温度、位移、荷载、流速等）都要实测
• 初始条件记录 — 残余应力、初始温度分布等也需要
• 计测不确定性定量化 — 传感器精度、重复精度、空间分辨率等都要明确
• 与仿真的独立性 — 看到实验结果后调整模型参数（\"调参\"）是禁止的

最后一点最难。\"调到与实验一致\"不是Validation，那叫Calibration（标定）。

Validation Metrics

1. 相对误差: $E_{\text{rel}} = |S - D| / D$ — 最简单但在 $D \approx 0$ 处发散
2. Validation Metric (Oberkampf & Barone): 考虑概率分布的积分型指标
3. Area Validation Metric: 响应曲线（时间历程、分布）的面积差异标准化指标

$V = 1$ 完全吻合，$V = 0$ 完全不一致。实务上通常 $V > 0.9$ 认为吻合良好。

实务应用

监管产业的V&V要求

• 核能 — 美国NRC（核管会）要求提交仿真结果时附上V&V报告。10 CFR 50中有V&V流程的规定
• 航空航天 — FAA（美国联邦航空局）的Advisory Circular AC 25.571中有FEM损伤容限分析的V&V指南
• 医疗器械 — FDA（食品药品监督部）推荐以ASME V&V 40为基础的Computational Modeling信心实证

汽车、工程机械等没有法律义务，但为了避免产品诉讼或内部品质标准，越来越多企业采用。

V&V报告的写法

1. 概念模型 — 物理现象的抽象化、假设（线性/非线性、2D/3D、定常/非定常）
2. 数学模型 — 控制方程、本构关系、边界条件
3. 计算模型 — 网格规格、要素类型、求解器设定、收敛准则
4. Code Verification结果 — 使用过的benchmark、收敛次数
5. Solution Verification结果 — GCI值、网格收敛曲线
6. Validation结果 — 与实验对比、Validation Metrics值
7. 不确定性定量化 — 输入参数的不确定性、传播结果
8. 适用范围明示 — 本模型的妥当性成立条件范围

特别是第8项，必须明确指出\"本模型仅在200℃以下、应变率1000/s以下经过有效性验证\"这样的限制条件。

实务检查清单

先进动向与V&V 40

V&V 40 — 医疗器械的计算建模

• Verification — 代码·解的验证
• Validation — 与实验对比
• Applicability — 使用条件是否在Validation范围内
• Context of Use — 对决策的影响（风险基础）

重点是\"Context of Use\"。用来预测人工关节耐久性（影响上市批准）的模型需要高可信性，但用于产品设计初期筛选的模型可以接受较低可信性。

不确定性定量化（UQ）的最前沿

• 贝叶斯估计的Model Calibration — 用MCMC或代理模型（GPR、PCE）进行参数同定
• Epistemic UQ — 当数据不足时，用Dempster-Shafer理论或P-box（概率盒）表达\"知识不确定性\"
• Digital Twin联动 — 实时传感器数据对模型进行逐次更新的自适应V&V
• 机器学习与V&V — 将V&V概念应用于ML模型预测的动向（AIAA-2023论文等）

V&V常见误区

误区1: 本意是Validation结果变成了Calibration

正确的流程是：

1. 用Calibration实验数据来同定参数
2. 用不同的Validation实验数据（未用于Calibration的）来验证模型妥当性

用于Calibration的数据来验证Validation，就像看了试题后学习再得100分一样。

误区2: 网格收敛确认被省略

如果计算成本困难：

• 局部GCI — 只在关键区域做收敛确认
• p法推估 — 提高要素次数而不增加网格数来做收敛确认
• 自适应网格细分（AMR） — 让求解器自动在需要的地方细分

误区3: 关注量只有一个

• 最大应力（值与位置两者）
• 位移分布
• 固有振动数（多个模式）
• 接触反力（接触问题时）

峰值应力吻合但位移场完全不同，说明模型物理妥当性低。\"碰巧吻合\"与\"本质正确\"的区分需要多个SRQ的交叉验证。