📚 课程目录第1章曲面优化概述

1. 曲面优化概述：什么是复杂曲面优化、为什么需要变量筛选、变量筛选的工程意义

复杂曲面优化，说白了就是让一个形状不规则的曲面，在满足各种约束的前提下，达到最佳性能。

你想想看，我们平时接触的零件，很多都不是简单的方块或圆柱。涡轮叶片、汽车车身、手机外壳、人工关节……这些都属于复杂曲面。它们的形状直接决定了产品的气动性能、结构强度、美观度，甚至是生产成本。

我个人习惯把复杂曲面优化分成三类：

我在项目中遇到过最典型的案例，是一个航空发动机叶片的优化。叶片表面每一点的压力、温度、应力都不一样，稍微改一个弧度，可能效率提升 2%，但也可能让局部应力超标。这就是复杂曲面优化的难点——牵一发而动全身。

核心认知：复杂曲面优化不是“画一条好看的曲线”，而是在性能、工艺、成本之间找平衡点。变量越多，这个平衡点越难找。

直接说结论：一个典型的复杂曲面优化问题，变量数量可能从几十个到上千个不等。如果全部参与优化，计算量会爆炸。

举个例子。一个用 NURBS 曲面描述的叶片，控制点网格如果是 10×10，那就是 100 个控制点。每个控制点有 x、y、z 三个方向可调，这就 300 个变量了。再加上材料属性、厚度分布、边界条件……你想想看，这得算到什么时候？

我刚开始做优化时，就犯过这个错。一个汽车 A 柱的曲面优化，我一股脑把 200 多个变量全扔进优化器。结果呢？跑了三天三夜，结果还不收敛。后来老师傅跟我说了一句话，我记到现在：

“变量越多，优化器越容易迷路。”

变量筛选的核心目的，就是把这堆变量里真正影响性能的“关键少数”挑出来，把那些无关紧要的、高度相关的、或者根本调不动的变量剔除掉。

避坑指南：我曾经见过一个团队，把所有变量都保留下来做全因子实验，结果 500 个变量需要 2^500 次实验——这个数字比宇宙中的原子还多。变量筛选不是可选项，是必选项。

变量筛选不是学术上的花架子，它在工程实践中有三个非常实在的意义。

第一，大幅缩短计算周期。

一个 50 变量的优化问题，如果筛选后只剩 10 个关键变量，计算时间可能从几周缩短到几小时。我在做某型无人机机翼优化时，通过灵敏度分析把变量从 80 个砍到 12 个，整个项目周期压缩了 70%。

第二，提高优化结果的可靠性。

变量越少，优化器越容易找到全局最优解。变量太多时，优化器很容易陷入局部最优，或者因为维度灾难导致结果不可信。筛选后的变量空间更干净，收敛性更好。

第三，降低工程风险。

变量筛选的过程，本身就是一次对设计问题的深度理解。你会知道哪些参数是“命门”，哪些是“摆设”。这种认知，比优化结果本身更有价值。

我的经验：变量筛选不是一次性的工作。我习惯分两轮做：第一轮用粗筛（比如 DOE 或灵敏度分析）快速砍掉明显不重要的变量；第二轮用精筛（比如主成分分析或逐步回归）进一步压缩。两轮下来，变量数量通常能减少 60%-80%。

下面这张图，是我自己梳理的复杂曲面优化变量筛选的整体框架。你可以把它当作后续章节的导航图。

复杂曲面优化，本质上是在高维设计空间里找最优解。变量筛选就是帮你把高维空间压缩到可管理的维度。

记住三个关键点：