J7-01 · 仿真分析 CAE / 数字化仿真方法
待认领listed
→
众筹中recruiting
→
已开课open · Course 售卖
一课题可并存多讲师版本
课程大纲
学完能做什么
- 能制定一份仿真—试验相关性验证计划（测点、工况、指标）
- 能用误差带/RMSE/NRMSE/R² 等指标定量判断模型是否过关
- 能区分标定（Calibration）与验证（Validation），不把调参当验证
- 能把确认不确定度（数值 u_num／输入 u_input／试验 u_D 三分量）纳入判据，避免拿噪声或输入散布当模型偏差整改
- 能对超出验证边界的外推场景给出可信度声明
内容大纲
- 为什么要做 Correlation：验证的定位、有效期与 sign-off
- CAE 模型不是自动可信的，是需要“考证”的
- 相关性验证 vs 模型标定：先分清楚在做哪件事
- 一次通过不等于永久有效——设计/版本变更后要重跑；重跑的机制化落地（谁重跑、拿什么重跑、凭什么证明重跑的是同一个模型）见 J7-07
- 谁来定“过关”标准：项目/企业内部 sign-off 流程；流程本身怎么固化、仿真报告的评审出口判据怎么写，见 J7-07
- 相关性验证计划设计：覆盖矩阵、测点取舍与标定/验证集分离
- 覆盖矩阵：工况 × 部件 × 响应量，别只挑好看的点
- 边界/极限工况必须覆盖，不能只测常温常规工况
- 测点数量与仿真/试验成本的权衡
- 标定集与独立验证集要分开，否则是自证自明
- 试验数据来源要按层级取：先用部件件级台架（如冷板/液冷总成的模拟热源法台架 L1-10）标定部件特性，再做包级/整车级对标——件级标定先于系统级，否则系统级偏差里混着未标定的部件误差，分不清是谁的账
- 定量判据与指标：从误差口径到 E=S−D 与 ±u_val 的过关判定
- 按响应量的标度类型选误差口径：温度绝对判（给 K 的偏差值）、换热量/流量/压降/功率/COP 等比率量相对判、温升温差类用相对误差须声明基准为 ΔT；在此之上误差带再按工况/响应量分别设定，不能一刀切
- RMSE/NRMSE 归一化误差，用于跨工况比较
- 趋势一致性（斜率、拐点位置）比单点误差更重要
- 测量不确定度 budget：模型偏差要显著大于测量误差才有意义。边界声明：本课的 u_c=√(Σu_i²) 是测量侧（u_D）合成，只用来判模型偏差是否真实存在；输入侧（物性、边界条件、公差、TIM 厚度、老化）的散差量化与向输出的传播不在本课，见 J7-06
- 过不过关要用 E=S−D 与 ±u_val 读，别只拿试验测量不确定度当底线：落在输入散布带内、或网格/步长未收敛造成的偏差，都不是“建模有错”，照着改会反复整改并不存在的缺陷
- 以上都是热工口径的指标；结构动力学相关性用的是另一套判据——固有频率偏差百分比 + 模态置信准则（Modal Assurance Criterion，MAC），比的是振型相关而不是幅值，别把 RMSE/误差带口径套到模态相关性上，方法本体见 L6-04
- 标定（Calibration）方法：参数辨识、可调性与过拟合
- 手动调参 vs 参数辨识（最小二乘/优化算法自动调）
- 哪些参数可调有物理依据，哪些不可调只是遮丑
- 标定过度拟合的风险：参数补偿了别处的建模错误
- 标定后必须留出独立验证点复核
- 不达标时的分层诊断：先分清是哪一类偏差、账记在哪一层
- 系统性偏差 vs 随机误差的排查路径
- 常见误差来源分层排查顺序：① 试验数据有效性——能量/质量平衡闭合残差是否落进不确定度带（承接 B4-01 的三路互证与闭合残差）、是否真到稳态（沿用 L2-01/L3-01 的漂移速率收敛判据）、传感器时间常数能否跟上被测动态（前指 L7-01 的 τ=mc/(hA)）；② 边界条件对齐——先用实测边界跑一遍，摘掉边界误差；③ 物性；④ 数值——网格/时间步/迭代收敛（1D 系统模型没有网格，对应的是步长与容差）；⑤ 模型形式与参数。测量项排在第 ① 而不是末位，与本课误区第 3 条、objective4 口径一致
- 进清单前先分清是 validation 还是 verification 的问题：本节清单面向 validation（模型准不准），而发散、振荡、不守恒这类数值伪迹属 verification，其排查清单在 J7-08；二者是 ASME V&V 20 的两半，结果异常先判是哪一半再进清单
- 可信域划定、Correlation 报告与结论的对外交付
- 给模型划“可信域”，外推工况需降级使用或标注风险
- Correlation 报告的规范写法，供项目决策引用；同时给出读者侧的追问清单，让非仿真岗（系统/结构/试验/项目）能逐条质疑一份仿真报告：网格无关性/GCI 做没做、边界条件是实测来的还是上游模型给的、标定集与独立验证集分开没有、相关性覆盖了哪些工况、结论有没有落在可信域内
- 可信域是按“能否用于工程决策”划的，用途不同门槛不同：模型若要拿去做控制器标定，还要过一道更具体的门槛——灵敏度方向与增益量级是否正确（绝对值偏一点可容忍，增益方向错会把标定值系统性带偏），该判据与置信工况区的划法见 K6-13
- 相关性验证的产出（标定后的部件特性与修正系数）本身就是一条应入库的基准数值，入库须带验证边界与置信标注；引用方外推超出该边界时的禁令见 Q3-04
关键公式
e_rel = (y_sim − y_test) / y_test × 100%
单点/单工况相对误差，最基础但最容易被滥用——只看均值会掩盖局部大偏差
RMSE = √[(1/n)Σ(y_sim,i − y_test,i)²]，NRMSE = RMSE/(y_max − y_min)
多测点整体误差；归一化后可跨工况、跨量纲比较模型偏差
u_c = √(Σu_i²)
测量不确定度合成（方均根合成），是判断模型偏差是否“真实”存在的基准线
θ* = argmin_θ Σ(y_sim(θ,x_i) − y_test,i)²
参数标定的最小二乘表述——标定的本质是求一组参数让误差最小，不是“调到像”就行
|T_sim − T_test| ≤ ΔT_允许(K)
温度类响应量的绝对偏差判据——温度用绝对偏差判、不用相对百分比。ΔT_允许 按响应量与工况分档给定（稳态点严于瞬态峰值点、电芯温度严于风道出风温度），并且必须显著大于对应测点的测量不确定度，否则判据没有分辨力
E = S − D，u_val = √(u_num² + u_input² + u_D²)
ASME V&V 20 的确认判据：比较误差 E（S=仿真值，D=试验值）要与确认不确定度 u_val 比，|E| 落进 ±u_val 说明偏差被不确定度淹没、不构成建模缺陷。u_num 为数值不确定度（离散/时间步/迭代收敛），量化沿用 J2-01 的网格收敛指数 GCI=F_s·|ε_rel|/(r^p−1)；u_input 为输入参数不确定度（物性、UA、泵曲线、边界条件散布），其量化与向输出的传播见 J7-06
关键概念
Correlation标定 Calibration验证 Validation误差带RMSE/NRMSE测量不确定度参数辨识过拟合独立验证集可信域sign-off系统性偏差确认不确定度 u_val比较误差 E=S−D响应量标度类型（比率量／间隔量）试验数据有效性校核（能量闭合、稳态判据）
推荐工具与标准
GT-SUITE / KULI / Amesim（1D 模型标定模块） Fluent / STAR-CCM+（CFD 后处理误差分析） MATLAB / Python（最小二乘参数辨识、统计后处理） INCA / CANape（试验数据采集与工况对齐）
ASME V&V 20（CFD 与传热的验证确认方法） ASME V&V 10（固体力学验证确认，FEA 相关性可参照） JJF 1059.1（测量不确定度评定与表示）
工程案例
某电池液冷 1D 模型常温快充工况标定后误差很小，直接外推到高温快充预测电芯峰值温度，结果比实测低了一大截——标定用的换热关联式在高温高流速下已不适用，验证矩阵没覆盖高温边界工况。整改：把高温点纳入独立验证集，重新标定并划定模型可信域。
动手做
交付物 · 拿一组换热器或电池冷板的仿真结果与台架实测数据，① 分工况计算误差：温度用绝对偏差（K）、换热量/流量/压降用相对误差，并一并给 RMSE/NRMSE；② 结合测量不确定度判断偏差是否“真实”存在；③ 若偏差超标，按五层顺序定位——先查试验数据有效性（能量闭合残差、是否真到稳态），再依次查边界条件对齐、物性、数值（网格或步长/容差）、模型形式与参数并提出一版标定方案，同时留出独立验证点。
常见误区
- 把“标定后误差小”当成“模型已验证”——标定集和验证集必须分开，否则是自证自明
- 只用一个综合误差指标（如平均误差）掩盖局部大偏差，峰值/拐点处误差可能远超均值
- 测量不确定度比模型偏差还大，却硬说模型“精度不够”——先看测量本身能不能分辨
- 用常温标定的参数外推到高温/高原/极端工况，物性和关联式已不适用
- 相关性验证一次通过就锁死，设计改款/网格/版本升级后不重新验证
- 把温度偏差写成相对百分比——以 °C 计在 0 °C 附近发散变号，以 K 计又把工程上不可接受的偏差压成 <1%，温度要用绝对偏差判
- 数据还没做能量/质量闭合与稳态校核就进相关性分析，把试验本身的漏项当成模型的错去整改
相关课题