形状最適化
理论与物理
形状优化
老师，形状优化和拓扑优化有什么区别？
拓扑优化是“决定开孔还是保留”。形状优化是对现有边界（外形）进行微调。不改变孔的数量，而是优化圆角半径或曲面形状。
$$ \min_{\mathbf{x}_{boundary}} f(\mathbf{x}_{boundary}) \quad \text{s.t.} \quad g_i \leq 0 $$
老师，形状优化和拓扑优化有什么区别？
拓扑优化是“决定开孔还是保留”。形状优化是对现有边界（外形）进行微调。不改变孔的数量，而是优化圆角半径或曲面形状。
设计变量是边界面的节点坐标。计算灵敏度，移动边界。
总结
形状优化的偏微分方程通过变分法进行公式化
形状优化的数学基础在于变分法（Calculus of Variations）。Céa（1986年）将目标函数关于形状变化的一阶变分“形状灵敏度（Shape Gradient）”公式化为偏微分方程的弱形式，这成为了基于有限元法的形状优化的基石。在边界上进行数值积分的形状梯度方法（Boundary Integral Method）计算效率高，具有从流体阻力最小化（Stokes方程）到结构应力最小化（弹性方程）均可统一应用的通用性。
各项的物理意义
- 惯性项（质量项）：$\rho \ddot{u}$，即“质量×加速度”。您有没有过急刹车时身体被向前甩出去的经历？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。地震时建筑物摇晃，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，但那是基于“缓慢施加载荷，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”的特性就是杨氏模量 $E$，它决定了刚度。常见的误解是：“刚度高=强度高”。刚度是“不易变形的程度”，强度是“不易破坏的程度”，是不同的概念。
- 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、螺栓预紧力…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或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提高乘坐舒适性。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，因此设置适当的阻尼非常重要。
假设条件与适用极限
量纲分析与单位制
| 变量 | SI单位 | 注意点·换算备忘 |
|---|---|---|
| 位移 $u$ | m（米） | 输入为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（钢为= 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
形状优化的FEM
总结
自由形状优化（FFD）源于皮克斯的影像技术
自由形状变形（Free-Form Deformation, FFD）是Barr（1984）变形模型的发展，由Sederberg和Parry于1986年在SIGGRAPH上发表的计算机图形学技术。这项技术曾用于皮克斯动画电影《玩具总动员（1995年）》的角色面部变形，在2000年代被转用为Ansys Fluent·OpenFOAM的网格变形技术，成为翼型形状优化的标准工具。公开文献显示，空客A350的小翼形状优化中使用了基于FFD的SU2。
线性单元（1次单元）
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次单元（带中间节点）
可表现曲线状变形。应力精度大幅提高，但自由度约增加2~3倍。推荐：应力评估重要时使用。
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（增加阶次）。
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数次迭代更新。每次迭代成本低，但收敛速度为线性。
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）可以越过载荷-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——最初答案粗糙，但每次迭代精度提高。就像查字典时，从第一页开始顺序查找（直接法）不如先估计位置翻开，再前后调整（迭代法）来得高效。
网格阶次与精度的关系
1次单元是“用直尺近似曲线”——用直线折线表现，精度有限。2次单元是“柔性曲线”——能表现曲线变化，即使相同网格密度，精度也显著提高。不过，每个单元的计算成本增加，需根据总体的成本效益来判断。
实践指南
形状优化的实务
圆角优化（降低应力集中）、铸件壁厚分布优化。
实务检查清单
自行车车架形状优化将TT纪录更新7秒
2012年伦敦奥运会上，布拉德利·威金斯所骑的Looke Sport Science TT自行车的前叉·后下叉形状是基于NSGA-II的形状优化（使用Solidworks Flow Simulation）进行优化的，将车架的空气阻力从CD=0.28降低到0.21。开发团队宣布，在10km TT赛道的测算中，这相当于缩短了7秒的时间。如今，公路赛车顶级器材品牌将CFD形状优化应用于全车种已成为行业标准。
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”。网格质量差的话，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？是不是认为“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”。但如果网格太粗糙，这个答案就会与现实相差甚远。至少用三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，就像考试的“出题”。如果题目出错了呢？无论计算多么精确，答案都是错的。“这个面真的完全固定吗？”“这个载荷真的是均匀分布吗？”——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
CADDESS的SCARS专用于F1赛车空气动力学形状优化
英国CADDESS的SCARS是一款专注于轮廓形状SPLINE参数化优化的形状优化工具，在F1车队的翼型设计中拥有采用实绩。Racecar Engineering杂志（2018年）报道称，梅赛德斯AMG马石油F1车队将SCARS与Star-CCM的伴随灵敏度结合的形状优化循环用于前翼开发。在跑车·飞机外形设计中，Ansys Discovery Shape也是竞争对手，其特点是设计师可以直观操作并实时显示形状灵敏度。
选定时最重要的三个问题
- “要解决什么问题”：所需的物理模型·单元类型是否支持形状优化。例如，流体方面是否有LES支持，结构方面接触·大变形的支持能力会成为差异点。
- “谁来使用”：新手团队适合GUI完善的工具，有经验者适合脚本驱动的灵活工具。类似于汽车的自动挡（GUI）和手动挡（脚本）的区别。
- “未来扩展到什么程度”：基于未来分析规模扩大（HPC支持）、向其他部门拓展、与其他工具联动等前景进行选择，有助于长期的成本削减。
尖端技术
形状优化的尖端
形状优化的先驱：CEA CAD联动的历史
形状优化的工程应用在1988年Bendsøe和Kikuchi提出拓扑优化后加速发展，当时法国CEA将参数化CAD与灵敏度分析联动的形状优化系统应用于核反应堆安全壳设计。现代ANSYS Mechanical + SpaceClaim联动中，具备将灵敏度信息直接反映到NURBS控制点的功能
なった
詳しく
報告