1. MDO工程导论

多学科设计优化（Multidisciplinary Design Optimization，MDO）是一门研究如何在多个相互耦合的学科之间协同求解设计问题的工程方法学。它的核心命题不是“把每个学科各自算到最好”，而是回答一个更困难的问题：当气动、结构、控制、热、电磁等学科的目标彼此冲突、约束彼此牵连时，怎样在可接受的计算代价下找到整体最优或整体可接受的设计方案。理解 MDO，关键要抓住三个词：多学科（存在多个分析模型）、耦合（学科之间通过共享变量互相影响）、优化（在约束下系统性地搜索设计空间）。

从工程实践看，MDO 的价值并不只体现在“算出一个更优解”。它更现实的价值在于三点：第一，把设计决策提前。传统串行设计中，结构方案往往在气动外形冻结后才介入，此时改动代价极高；MDO 通过耦合分析让结构、气动、控制在同一轮迭代中相互反馈，使早期决策就带有跨学科视角。第二，量化权衡。例如机翼设计中，增大展弦比可降低诱导阻力，却会增大翼根弯矩和结构重量，MDO 能把这种“此消彼长”转化为可比较的帕累托前沿。第三，降低反复试错成本。通过代理模型、灵敏度分析和分解协调策略，把原本需要数百次高保真仿真的搜索压缩到可承受的规模。

MDO 的典型应用场景覆盖航空航天、汽车、能源装备、船舶与消费电子。以无人机机翼设计为例：设计变量可设为翼展 b、根弦长 c_r、梢弦长 c_t、后掠角 Λ 与蒙皮厚度 t；气动学科输出升阻比 L/D 与升力系数，结构学科输出翼根弯矩、最大应力和结构质量，控制学科则关注舵面效率与配平能力。目标可设为“在巡航升力系数不低于 0.5、翼根应力不超过材料许用应力的前提下，最小化结构质量并最大化航时”。这类问题无法由单一学科独立求解，正是 MDO 的用武之地。

要真正进入 MDO 工程，需要建立一条清晰的技术主线：参数化建模 → 学科分析 → 耦合关系识别 → 优化问题构造 → 分解与协调求解 → 结果验证与决策。其中“耦合关系识别”常被忽视，却决定后续架构选择。例如气动载荷影响结构变形，结构变形又反过来改变气动外形，这就是一个双向耦合；若忽略反向影响，优化结果可能在真实工况下失效。下图给出 MDO 工程的核心要素与数据流关系，帮助建立整体认知框架。

上图揭示了 MDO 与普通优化的本质区别：普通优化通常只有一个分析模型，而 MDO 中学科之间通过耦合变量形成回路。气动载荷传给结构，结构变形又改变气动外形，这个回路若被切断，优化器看到的“最优解”可能在实际中不成立。因此，MDO 工程中必须明确哪些变量是共享变量、哪些是学科私有变量、哪些耦合需要保留双向迭代。

本课程的整体路线图按“认知—方法—工具—实战”四层展开。第一层建立概念与工程语境，包括 MDO 定义、价值、应用场景与课程地图；第二层进入方法内核，依次讲解参数化建模、学科分析模型、耦合关系与一致性约束、优化问题构造、灵敏度分析与代理模型；第三层聚焦求解架构，包括多学科可行法（MDF）、协同优化（CO）、BLISS 等分解协调策略，以及梯度类、无梯度类和智能优化算法的适用边界；第四层通过完整工程案例，把前几层知识串成可复现的设计流程，并讨论结果验证、不确定性量化与决策交付。

学习 MDO 最容易陷入的误区，是把它当成“更复杂的优化算法课”。实际上，算法只是其中一环。真正决定成败的往往是问题构造：设计变量选得是否合理、约束是否覆盖真实失效模式、耦合是否被正确保留、目标是否反映了工程意图。一个典型的反例是：若只把结构质量作为目标，优化器会不断减薄蒙皮，直到应力约束边界；但若同时考虑颤振、疲劳和制造公差，最优解会明显不同。因此，MDO 工程要求设计者同时具备学科判断力和系统思维。