4. 方案评估框架与决策流程

虚拟样机跑完一轮仿真，往往得到的是几十组甚至上百组候选方案，以及每个方案在强度、刚度、质量、成本、NVH、散热等多个维度上的响应值。此时真正困难的问题不是"算得准不准"，而是"选哪一个"。方案评估框架要解决的，就是把分散的仿真结果转化为可比较、可追溯、可解释的决策依据。本节围绕评估准则、权重设定、多准则决策方法、评估流程和评估报告五个环节展开，并给出可直接套用的操作方式。

一、评估准则：从设计目标到可度量指标

评估准则不是罗列所有仿真输出，而是从设计任务书中提取"必须满足"和"希望优化"两类要求。前者构成约束条件，后者构成评价指标。以某电动SUV前副车架方案评估为例，约束条件可设为：一阶模态频率 ≥ 45 Hz、最大应力 ≤ 材料屈服强度的 0.8 倍、疲劳寿命 ≥ 2×10⁵ 次循环；评价指标则包括质量、一阶模态频率、最大应力、制造成本和装配工时。

准则定义必须包含三个要素：指标名称、度量方式（仿真工况与提取位置）、方向性（越大越好、越小越好或越接近目标值越好）。例如"最大应力"应明确为"在 3g 垂向 + 1g 纵向制动复合工况下，副车架与车身连接点附近单元的最大 von Mises 应力"，而不是笼统写"强度"。方向性缺失会导致后续归一化方向错误，这是评估中最常见的低级失误。

二、权重设定：让重要性可量化

权重反映各指标在决策中的相对重要程度。常用方法有层次分析法（AHP）、熵权法和直接打分法。工程实践中推荐 AHP 与专家打分结合：先由设计、工艺、成本三方各自给出判断矩阵，再几何平均合成。

以质量、模态、应力、成本四项指标为例，若判断矩阵给出质量相对模态为 2、相对应力为 3、相对成本为 1/2，则可计算权重向量。简化处理时也可用 1~9 标度直接打分后归一化。下表给出一组示例权重（示例数据，非实测）：

权重设定后应做一致性检验，AHP 中要求一致性比率 CR < 0.1。若 CR 超标，说明判断矩阵存在逻辑矛盾，需重新调整。权重不是一次定死的，在方案迭代中可根据阶段目标调整，例如概念设计阶段偏重质量与成本，详细设计阶段偏重应力与模态。

三、多准则决策方法：TOPSIS 与加权评分

多准则决策方法把"多指标 + 权重"合成为单一排序值。工程上最常用的是加权评分法和 TOPSIS（逼近理想解排序法）。加权评分法直观但受量纲影响大，需先归一化；TOPSIS 通过计算各方案到正理想解和负理想解的距离，得到相对贴近度，排序更稳健。

TOPSIS 的关键步骤为：构建决策矩阵 → 向量归一化 → 加权归一化矩阵 → 确定正负理想解 → 计算欧氏距离 → 计算贴近度 Cᵢ = Dᵢ⁻ / (Dᵢ⁺ + Dᵢ⁻)。Cᵢ 越接近 1，方案越优。下面给出一个可复现的 Python 计算片段（示例数据）：

import numpy as np

# 行：方案 A/B/C；列：质量、模态、应力、成本
X = np.array([[42.5, 48.2, 210, 860],
              [45.1, 46.5, 195, 780],
              [40.8, 50.1, 225, 920]], dtype=float)

# 方向：质量-、模态+、应力-、成本-
benefit = np.array([False, True, False, False])
w = np.array([0.33, 0.27, 0.20, 0.20])

# 向量归一化
norm = X / np.sqrt((X**2).sum(axis=0))
# 成本型指标取负向处理
signed = np.where(benefit, norm, -norm)
V = signed * w

pos = V.max(axis=0)
neg = V.min(axis=0)
D_pos = np.sqrt(((V - pos)**2).sum(axis=1))
D_neg = np.sqrt(((V - neg)**2).sum(axis=1))
C = D_neg / (D_pos + D_neg)
print(np.round(C, 3))   # 示例输出：[0.412 0.688 0.301]

示例输出显示方案 B 贴近度最高（0.688），方案 C 最低（0.301）。需要强调，该结果依赖权重与归一化方式，若把成本权重提高到 0.35，排序可能变化，因此必须做权重敏感性分析。

四、评估流程设计：从数据到结论的闭环

完整的评估流程应包含六个动作：明确准则与权重、整理决策矩阵、归一化与加权、计算排序、敏感性分析、形成结论。其中敏感性分析最容易被忽略，却直接决定结论是否可信。建议至少做两类敏感性测试：一是权重扰动（如各权重 ±20%），二是方法对比（加权评分与 TOPSIS 排序是否一致）。若两种方法排序差异大，说明方案间差距不显著，应补充仿真或增加指标。

流程中还需设置"否决项"机制。某些指标一旦不满足约束，无论综合得分多高都应直接淘汰。例如疲劳寿命低于 2×10⁵ 次循环的方案，即使质量最轻也不能进入推荐名单。否决项应在决策矩阵整理阶段就标记，避免被综合得分掩盖。

五、评估报告要素：让决策可追溯

评估报告不是结果截图堆砌，而应包含以下要素：评估目的与范围、评估准则及方向性说明、权重来源与一致性检验结果、决策矩阵原始数据、归一化与计算方法、排序结果与贴近度、敏感性分析结论、推荐方案及理由、风险与备选方案、数据来源与仿真工况说明。报告应明确标注哪些是仿真结果、哪些是假设或经验数据，避免把示例参数当作实测结论。

把上述五个环节串起来，方案评估就从"凭感觉选"变成"有依据、可复核、可解释"的工程决策过程。下一轮仿真迭代时，只需更新决策矩阵中的响应值，权重与准则可复用，评估效率会显著提升。