2. 试验设计基础
本构参数识别不是“做一次拉伸试验，然后拟合曲线”这么简单。它的本质是一个反问题：已知可观测的宏观响应（载荷、位移、应变场），反推材料本构模型中的未知参数。反问题能否得到唯一、稳定、物理合理的解，取决于试验本身是否提供了足够的信息——这就是可辨识性。试验设计的所有决策，最终都要回答一个问题：这组试验能否让目标参数被“看见”且被“区分开”？
一、试样几何：决定应变路径与信息维度
试样几何直接决定了加载时试样内部的应力/应变状态。标准单轴拉伸圆棒或板材试样，标距段处于近似均匀单轴应力状态，主要提供弹性模量 E、屈服强度、硬化曲线等信息。但它对剪切模量、各向异性方向参数、损伤软化参数的可辨识性很弱——因为这些参数在均匀单轴状态下不产生独立的可观测响应。
要提升可辨识性，需要引入非均匀应变场。典型手段包括：
- 缺口试样：缺口根部产生三向应力与应变梯度，对塑性硬化、损伤起始参数敏感；
- 薄壁管试样：可施加拉-扭组合载荷，产生多轴应力状态，用于识别屈服面形状与各向异性参数；
- 巴西圆盘/三点弯试样：产生拉压混合与应力梯度，适合识别拉压不对称材料（如混凝土、铸铁）；
- 剪切试样（如Iosipescu、Arcan）：提供纯剪切或混合模式，用于识别剪切主导参数。
几何设计的关键原则是：让目标参数在可观测响应中产生足够大的灵敏度，同时避免多个参数产生高度相关的响应。例如，若同时识别各向同性硬化和随动硬化参数，仅用单轴拉伸无法区分二者（响应几乎相同），必须引入反向加载或非比例加载路径。
二、加载方式与边界条件：控制信息输入
加载方式决定了输入信号的类型与频率成分。准静态单调加载提供稳态响应，适合识别率无关参数；循环加载提供滞回环，适合识别随动硬化、粘弹性或损伤演化；松弛/蠕变加载提供时间相关响应，适合识别粘塑性或粘弹性参数。
边界条件是试验设计中最容易被忽视、却对反演精度影响最大的环节。理想边界条件（如完美夹持、无摩擦支撑）在现实中难以实现。常见的边界条件偏差包括：
- 夹持端转动约束不足，导致标距段产生附加弯矩；
- 压头与试样间摩擦，改变应力三轴度；
- 试样与夹具间的间隙或滑移，引入位移测量误差。
在反演中，边界条件通常以位移边界或力边界的形式进入有限元模型。若边界条件建模与实际不符，反演出的参数会“吸收”边界误差，导致物理意义失真。因此，试验设计时应尽量使边界条件简单、可测量、可复现，并在反演中显式建模。
三、测量方案：决定可观测信息量
测量方案决定了我们能从试验中提取多少信息。传统引伸计只测量标距段平均应变，信息量有限。数字图像相关（DIC）技术可提供全场位移/应变数据，极大提升信息维度，尤其适合非均匀应变场试验。
测量方案设计需考虑：
- 测量精度与噪声水平：噪声会放大反演的不适定性，需通过滤波或正则化处理；
- 采样频率：需覆盖加载过程中的关键瞬态（如屈服、损伤起始）；
- 测量区域：应覆盖应变梯度最大区域，即参数灵敏度最高区域；
- 多源数据融合：力、位移、应变场、温度等多物理量联合反演，可显著提升可辨识性。
四、试验矩阵设计：可辨识性驱动的组合策略
单一试验往往只能识别部分参数。试验矩阵设计的目标是：用最少的试验组合，使所有目标参数可辨识。这需要先进行可辨识性分析，常用方法包括灵敏度分析、Fisher信息矩阵、参数相关性矩阵等。
以下是一个面向弹塑性-损伤参数识别的试验矩阵示例（参数为示例假设，非实测）：
| 试验编号 | 试样几何 | 加载方式 | 主要识别参数 | 测量方案 |
|---|---|---|---|---|
| T1 | 标准圆棒 | 单轴拉伸至断裂 | E, ν, 初始屈服, 等向硬化 | 引伸计 + 力传感器 |
| T2 | 薄壁管 | 拉-扭比例加载 | 屈服面形状, 各向异性 | DIC + 扭矩传感器 |
| T3 | 缺口板 | 单调拉伸 | 损伤起始阈值, 软化参数 | DIC + 力传感器 |
| T4 | 薄壁管 | 循环拉-扭 | 随动硬化, 棘轮参数 | DIC + 力/扭矩传感器 |
该矩阵的设计逻辑是：T1提供基础弹性与等向硬化信息；T2引入多轴应力状态，解耦屈服面参数；T3引入应力梯度与损伤，识别损伤参数；T4引入循环载荷，识别随动硬化与棘轮效应。四个试验联合，使参数相关性矩阵的非对角元显著降低，提升整体可辨识性。
五、从试验设计到反演流程的闭环
试验设计不是孤立的环节，它必须与反演算法、本构模型选择形成闭环。一个完整的可辨识性驱动试验设计流程如下：
- 确定本构模型与待识别参数集；
- 基于模型进行灵敏度分析与参数相关性评估；
- 设计试验矩阵，使灵敏度矩阵条件数最小化；
- 执行试验，获取多源观测数据；
- 构建反演目标函数，联合所有试验数据；
- 求解反问题，评估参数置信区间与残差分布；
- 若可辨识性不足，返回步骤3调整试验设计。
下图展示了试验设计各要素与可辨识性之间的信息流关系：
图中左侧四个要素共同决定试验矩阵的构成；试验矩阵产生的观测数据进入可辨识性分析，通过灵敏度矩阵与参数相关性评估，判断参数是否可被唯一识别；若可辨识性不足，则反馈调整试验矩阵，形成闭环。右侧示例参数集与灵敏度示意说明：弹性模量E在单轴拉伸中灵敏度最高，而随动硬化参数C、γ需要循环加载才能被有效激发。
总结来说，面向本构参数识别的试验设计，核心是可辨识性驱动。试样几何决定应变路径与信息维度，加载方式与边界条件控制信息输入的质量，测量方案决定可观测信息量，试验矩阵则通过组合策略实现参数解耦。四者协同，才能为后续反演提供可靠的数据基础。