📚 课程目录第3章虚拟样机建模基础

3. 虚拟样机建模基础

虚拟样机不是“把三维模型放进电脑里动一动”，而是用一组彼此分工的数学模型，在计算机中复现真实产品的几何、质量、刚度、阻尼、驱动与控制关系。要建立可用的虚拟样机，首先必须分清三类主流模型各自回答什么问题，再根据问题选择精度与成本的平衡点，最后把可变设计量组织成参数，使模型能够被反复求解和优化。

三类模型：各管一段物理，也各有边界

多体动力学（MBD）模型把机构抽象为若干刚体（或柔性体）与它们之间的运动副。刚体由质量、质心位置和惯性张量描述，运动副则约束相对运动，例如转动副只保留绕某一轴的相对转动，移动副只保留沿某一方向的平移。MBD 的核心输出通常是关节位移、速度、加速度与约束反力，适合分析机构运动学、动力学响应、驱动力需求和干涉风险。它的计算量主要来自自由度数量、接触/摩擦模型和积分步长，而不是网格规模。

有限元（FEA）模型把连续体离散为单元与节点，通过刚度矩阵、质量矩阵和载荷向量求解位移场与应力场。它回答的是“这个零件在给定载荷下会不会变形过大、会不会屈服、模态频率是否避开激励”。FEA 的精度强烈依赖网格密度、单元类型、材料本构和边界条件；计算成本随节点数近似非线性增长，瞬态与接触分析尤其昂贵。

系统仿真模型（如液压、气动、电气、热管理、控制回路）用常微分方程或代数方程描述能量与信号的传递。它不关心零件内部应力分布，而关心压力、流量、温度、电压、转速等系统级状态随时间的演化，以及控制器与执行器之间的耦合。系统仿真通常计算速度快，但需要从 MBD 或 FEA 中提取等效参数（如等效刚度、阻尼、转动惯量、流量系数）作为输入。

三类模型并非互相替代，而是形成一条“系统—机构—结构”的分解链：系统仿真给出边界载荷与工况，MBD 给出关节力与运动，FEA 在关键零件上校核强度与刚度，必要时再把 FEA 得到的柔性体模态压缩后回灌到 MBD 中，形成刚柔耦合模型。

精度与计算成本的权衡：先问“要什么精度”，再问“花多少时间”

精度不是越高越好，而是“刚好够回答当前问题”。工程上常用三个尺度判断：

空间尺度：FEA 网格尺寸应小于应力梯度特征长度的 1/3～1/5；若只关心整体刚度，粗网格即可，若关心圆角应力集中，必须局部加密。
时间尺度：MBD 积分步长应小于系统最高关注频率对应周期的 1/10～1/20；接触碰撞需要更小步长，否则能量会失真。
模型尺度：系统仿真中，若某液压缸的动态响应远快于整机动作，可将其简化为二阶传递函数，而不必建立完整 CFD 或 FEA 模型。

一个实用的降阶策略是“混合建模”：整机用 MBD 刚体模型快速扫描工况，识别出受力最恶劣的 2～3 个零件，再对这些零件做 FEA 校核；FEA 得到的柔性模态若对整机振动影响显著，则压缩为若干阶模态叠加到 MBD 中。这样既避免全机 FEA 的巨大成本，又保留关键柔性效应。

判断是否需要刚柔耦合的简单依据：当零件一阶弹性模态频率与机构运动激励频率之比小于 3～5 时，刚体假设可能明显高估动态响应，应考虑柔性体；若比值大于 10，通常刚体模型已足够。

参数化建模的基本思路：从“画一个模型”到“生成一类模型”

参数化建模的关键不是把尺寸改成变量，而是建立“设计变量 → 几何/物理属性 → 仿真结果”的可追溯映射。推荐按以下顺序组织：

确定设计变量与目标：先明确哪些量允许变化（如杆长 L、铰点坐标、弹簧刚度 k），哪些量是目标或约束（如最大应力 ≤ 235 MPa、行程 ≥ 200 mm）。变量数量不宜一次过多，通常先选 3～6 个主变量。
建立参数骨架：在 CAD 中用草图尺寸、方程式或设计表驱动几何；在 MBD 中用表达式或脚本驱动铰点位置、质量与驱动函数；在 FEA 中用参数化网格或几何关联驱动尺寸。三者应共享同一套变量命名，避免“CAD 叫 L1、MBD 叫 length_a”的混乱。
固化接口与边界：把载荷、约束、材料、单位制写成参数或配置文件，使每次求解只需替换变量值，而不必手工重设边界条件。
自动化求解与提取：用脚本或优化平台批量调用求解器，自动提取目标量（最大应力、关节峰值力、响应时间、超调量），形成“变量组合—结果”的数据表。
检查参数敏感性与耦合：通过单变量扫描或 DOE 判断哪些变量对目标影响大、哪些变量之间存在强耦合。若两个变量对同一目标影响方向相反，优化时需同时调整。

下面给出一个参数化建模的变量定义示例，用于说明变量如何与模型对象绑定。示例中的数值为教学假设，不代表任何实际产品实测结果。

# 参数化模型变量定义（示例）
L_arm   = 320.0    # 摇臂长度, mm
x_pivot = 150.0    # 铰点水平坐标, mm
y_pivot = 80.0     # 铰点垂直坐标, mm
k_spring= 45.0     # 弹簧刚度, N/mm
m_load  = 12.0     # 负载质量, kg
F_ext   = 800.0    # 外加载荷, N
n_motor = 1450.0   # 电机转速, rpm

# 派生量
omega = 2*pi*n_motor/60      # 角速度, rad/s
ratio = L_arm/x_pivot        # 几何杠杆比

# 求解目标（由仿真提取）
# max_stress  <= 235 MPa
# travel      >= 200 mm
# peak_force  <= 6.0 kN

完成参数化后，模型应能在一分钟内完成一次“改参数—重求解—出结果”的循环。若每次仍需手工修补几何或重设边界，说明参数骨架尚未真正建立。参数化的最终目的，是让后续的灵敏度分析、DOE 和优化算法能够自动驱动模型，而不是让人反复点击界面。

常见误区：把参数化等同于“尺寸标注改名”。真正的参数化要求几何拓扑在变量变化范围内保持稳定，例如杆长变化时铰点不应脱离配合面、网格不应出现负体积。变量范围必须经过几何可行性检查，否则优化过程会在无效模型上浪费大量计算。

综上，虚拟样机建模的基础可以概括为：用系统仿真确定工况与边界，用 MBD 描述机构运动与受力，用 FEA 校核关键零件强度与刚度，再通过参数化把设计变量、模型接口和结果提取串成可自动运行的闭环。精度与成本的权衡贯穿始终——先明确要回答的工程问题，再决定模型粒度，最后用参数化让模型具备被反复驱动和优化的能力。