感度解析
理论与物理
什么是灵敏度分析
老师，什么是灵敏度分析？
量化设计变量的微小变化对目标函数的影响程度。用于决定优化“方向”的信息。
灵敏度的计算方法
| 方法 | 计算成本 | 精度 |
|---|---|---|
| 有限差分法 | 设计变量数量 × FEM次数 | 近似（取决于步长） |
| 解析灵敏度（直接法） | 1次FEM + 额外计算 | 精确 |
| 伴随法（Adjoint） | 1次FEM + 1次伴随分析 | 精确。设计变量多时效率最高 |
伴随法是最有效率的吗？
对于像拓扑优化这样设计变量有数万个的情况，伴随法可以通过一次额外计算获得所有变量的灵敏度。而有限差分法则需要数万次FEM计算。
总结
灵敏度分析的伴随法（Adjoint法）源于Fox & Kapoor（1968）
结构优化灵敏度计算中使用的“伴随法（Adjoint method）”最初由Fox & Kapoor（1968年，AIAA）作为振动问题特征值灵敏度提出并公式化。伴随法的革命性在于，无论设计变量数量N_d如何，灵敏度计算成本都是恒定的（O(1)），即使对于数千个设计变量的问题也能高效地求得灵敏度。这一特性支撑了现代拓扑优化（SIMP法）的实用化，在OptiStruct和ABAQUS Topology内部都使用了Adjoint灵敏度。
各项的物理意义
- 惯性项（质量项）：$\rho \ddot{u}$，即“质量×加速度”。您是否有过急刹车时身体被向前甩出的经历？那种“被带走的感觉”正是惯性力。物体越重越难启动，一旦启动也越难停止。建筑物在地震中摇晃，也是因为地面突然移动，而建筑物的质量“被落下”。静力分析中此项设为零，这是基于“缓慢施力，加速度可忽略”的假设。对于冲击载荷或振动问题，此项绝对不能省略。
- 刚度项（弹性恢复力）：$Ku$ 或 $\nabla \cdot \sigma$。拉弹簧时能感觉到“想要恢复原状的力”吧？那就是胡克定律 $F=kx$，也是刚度项的本质。那么提问——用相同的力拉铁棒和橡皮筋，哪个伸得更长？当然是橡皮筋。这种“不易伸长”的性质就是杨氏模量 $E$，它决定了刚度。常见的误解是：“刚度高=强度高”。不对。刚度是“不易变形的程度”，强度是“不易破坏的程度”，这是两个不同的概念。
- 外力项（载荷项）：体积力 $f_b$（如重力）和表面力 $f_s$（如压力、接触力）。可以这样理解——桥上卡车的重量是“作用在整个内部上的力”（体积力），轮胎压路面的力是“只作用在表面上的力”（表面力）。风压、水压、螺栓紧固力…这些都是外力。这里容易犯的错误：弄错载荷方向。本想施加“拉伸”却变成了“压缩”——听起来像笑话，但在3D空间中坐标系发生旋转时，确实会发生。
- 阻尼项：瑞利阻尼 $C\dot{u} = (\alpha M + \beta K)\dot{u}$。试着弹一下吉他的弦。声音会一直持续吗？不，会逐渐变小。这是因为振动能量通过空气阻力和弦的内部摩擦转化成了热能。汽车的减震器也是同样原理——故意吸收振动能量来改善乘坐舒适性。如果阻尼为零会怎样？建筑物在地震后会一直摇晃不停。现实中不会这样，所以设定适当的阻尼很重要。
假设条件与适用范围
量纲分析与单位制
| 变量 | SI单位 | 注意事项·换算备忘 |
|---|---|---|
| 位移 $u$ | m（米） | 输入mm时，载荷·弹性模量也需统一为MPa/N系 |
| 应力 $\sigma$ | Pa（帕斯卡）= N/m² | MPa = 10⁶ Pa。与屈服应力比较时注意单位制不一致 |
| 应变 $\varepsilon$ | 无量纲（m/m） | 注意工程应变与对数应变的区别（大变形时） |
| 弹性模量 $E$ | Pa | 钢：约210 GPa，铝：约70 GPa。注意温度依赖性 |
| 密度 $\rho$ | kg/m³ | mm系中为tonne/mm³（钢 = 10⁻⁹ tonne/mm³） |
| 力 $F$ | N（牛顿） | mm系用N，m系也用N统一 |
数值解法与实现
灵敏度分析的FEM
总结
自动微分（AD）大幅降低了灵敏度分析的实现成本
由于手动推导复杂CAE代码的灵敏度（梯度）需要巨大成本，“自动微分（Automatic Differentiation, AD）”从1990年代开始实用化。AD通过分析源代码的运算图，自动进行数值上的链式法则应用，前向模式适用于每个设计变量的灵敏度计算，后向模式（反向传播）适用于每个目标函数的所有变量灵敏度计算。TensorFlow或PyTorch的自动微分引擎与神经网络学习技术相同，在OPENMDAO（NASA）等CAE优化框架中也得到应用。
线性单元（1阶单元）
节点间线性插值。计算成本低，但应力精度低。注意剪切锁定（可通过减缩积分或B-bar法缓解）。
2阶单元（带中间节点）
可以表现曲线变形。应力精度大幅提高，但自由度约增加2~3倍。建议：应力评估很重要时使用。
完全积分 vs 减缩积分
完全积分：有过约束（锁定）风险。减缩积分：有沙漏模式（零能模式）风险。根据情况选择。
自适应网格
基于误差指标（如ZZ估计量）的自动细化。高效提高应力集中部位的精度。有h法（单元细分）和p法（阶次增加）。
牛顿-拉弗森法
非线性分析的标准方法。每次迭代更新切线刚度矩阵。在收敛半径内具有二阶收敛性，但计算成本高。
修正牛顿-拉弗森法
切线刚度矩阵使用初始值或每隔几次迭代更新。每次迭代成本低，但收敛速度是线性的。
收敛判定标准
力残差范数: $||R|| / ||F_{ext}|| < \epsilon$（通常 $\epsilon = 10^{-3}$〜$10^{-6}$）。位移增量范数: $||\Delta u|| / ||u|| < \epsilon$。能量范数: $\Delta u \cdot R < \epsilon$
载荷增量法
不一次性施加全部载荷，而是分小步增加。弧长法（Riks法）可以超越载荷-位移关系的极值点进行追踪。
直接法 vs 迭代法的比喻
直接法是“用笔算精确解联立方程”的方法——可靠但大规模问题耗时过长。迭代法是“反复猜测逼近正确答案”的方法——最初是粗略答案，但每次迭代精度都会提高。就像查字典时，从第一页开始按顺序找（直接法）不如先估计位置翻开，再前后调整（迭代法）更高效，原理相同。
网格阶次与精度的关系
1阶单元是“用直尺近似曲线”——用直线折线表现，精度有限。2阶单元是“柔性曲线”——可以表现曲线变化，即使网格密度相同，精度也显著提高。但是，每个单元的计算成本增加，需要根据总体的成本效益来判断。
实践指南
灵敏度分析的实务
作为优化的前期步骤确认灵敏度。识别哪些设计变量对目标函数影响最大。
实务检查清单
使用Sobol指标量化哪些设计变量重要
灵敏度分析实务中，识别“哪些设计变量对目标函数影响最大”很重要，基于方差的全局灵敏度指标“Sobol指标（Sobol' indices）”已成为标准工具。该方法是Ilya Sobol'（俄罗斯科学院）于1993年提出的，它将各设计变量的贡献率分解为一次、二次（交互作用）等。丰田在发动机燃油效率优化中，对压缩比、点火正时、喷油量等10个变量进行了Sobol分析，确认总变动的65%源于压缩比这一个变量，从而进行了高效的优化。
分析流程的比喻
分析流程其实和烹饪非常相似。首先采购食材（准备CAD模型），进行预处理（网格生成），开火烹饪（求解器执行），最后装盘（后处理可视化）。这里有个重要的问题——烹饪中最容易失败的工序是哪里？其实是“预处理”。如果网格质量差，无论使用多么优秀的求解器，结果都会一团糟。
初学者容易陷入的陷阱
您确认过网格收敛性吗？是否认为“计算能运行=结果正确”？这其实是CAE初学者最容易掉入的陷阱。求解器一定会根据给定的网格返回“一个像样的答案”。但如果网格太粗，这个答案就会与现实相差甚远。至少用3个级别的网格密度确认结果是否稳定——如果忽略这一点，就会陷入“因为是计算机给出的答案，所以肯定正确”的危险误区。
边界条件的思考方式
边界条件的设置，与考试的“出题”是一样的。如果题目出错了呢？无论计算多么精确，答案都是错的。“这个面真的是完全固定的吗？”“这个载荷真的是均匀分布的吗？”——正确建模现实的约束条件，其实是整个分析中最重要的步骤。
软件比较
工具
OpenMDAO由NASA于2010年代开源发布
OpenMDAO（Open Multidisciplinary Design, Analysis, and Optimization）是NASA艾姆斯研究中心在2010年代开发并开源发布的MDO（多学科设计优化）框架。它通过统一的API提供伴随法、自动微分、复数步长差分等功能，被MIT、Stanford、TUDelft等主要航空航天工程系广泛采用作为设计优化教育工具。波音公司在2017年AIAA SciTech论坛上披露，其在737 MAX的机翼形状优化中使用了OpenMDAO。
选定时最重要的3个问题
- “要解决什么问题”：所需的物理模型·单元类型是否支持灵敏度分析。例如，流体中是否支持LES，结构中接触·大变形的支持能力会成为差异点。
- “谁来使用”：如果是初学者团队，适合GUI完善的工具；如果是经验者，则适合脚本驱动的灵活工具。汽车行业的A
なった
詳しく
報告