2. 多学科耦合系统建模

多学科设计优化（MDO）的第一步不是“优化”，而是把真实工程系统表达成可计算、可分解、可协调的模型。一个飞行器、一辆电动车或一套热管理系统，往往同时涉及气动、结构、控制、热、电磁等学科。若直接把这些学科的所有方程塞进一个巨型模型，求解规模、耦合复杂度和调试难度都会迅速失控。因此，MDO 建模的核心工作是：合理划分子学科，明确变量角色，识别耦合关系，并据此选择系统分解策略。

一、学科划分：按物理机理与计算边界切分

学科划分不是按部门或软件模块划分，而是按物理机理、控制方程和计算边界划分。例如，一架电动垂直起降飞行器可划分为：气动学科（升力/阻力与桨盘载荷）、结构学科（机翼/机身应力与变形）、推进学科（电机效率与推力）、热学科（电池与电机温升）、控制学科（姿态与轨迹跟踪）。每个学科应具备相对独立的输入输出接口，且内部计算可独立执行。

划分粒度需要权衡：粒度过粗，耦合项难以解耦；粒度过细，接口变量爆炸，协调成本上升。工程上常用“高内聚、低耦合”原则：把强耦合的物理过程放在同一学科内，把弱耦合或可通过边界条件传递的过程分到不同学科。

二、变量角色：设计变量、状态变量与耦合变量

在 MDO 模型中，变量必须明确角色，否则优化器无法判断哪些可调、哪些由物理决定、哪些需要跨学科传递。

• 设计变量（Design Variables, DV）：设计者可主动调整的量，如机翼展长、电池容量、电机匝数、控制增益。它们构成优化问题的决策空间。
• 状态变量（State Variables, SV）：由学科方程求解得到的量，如升力系数、结构应力、电池温度、姿态角。状态变量通常不能直接设定，只能通过设计变量和耦合变量间接影响。
• 耦合变量（Coupling Variables, CV）：一个学科的输入依赖另一个学科的输出，形成跨学科反馈。例如，气动载荷影响结构变形，结构变形又改变气动外形，从而改变载荷。耦合变量是 MDO 区别于单学科优化的关键。

以电动飞机机翼为例：展长 b 和翼型厚度 t 是设计变量；升力 L、阻力 D、翼尖位移 u 是状态变量；气动学科输出的分布载荷 q(x) 是结构学科的输入，结构学科输出的变形 u(x) 又反馈给气动学科修正外形，因此 q(x) 和 u(x) 构成一对耦合变量。

三、耦合关系与耦合矩阵

识别耦合关系后，可用设计结构矩阵（DSM）或耦合变量表描述。下表给出一个简化示例（数值为教学假设，非实测）：

若耦合矩阵中出现双向箭头，说明存在反馈回路。反馈回路越多，系统越难用单次顺序求解，需要迭代或分解协调。

四、系统分解的基本方法

系统分解的目标是把大问题拆成可并行、可协调的子问题。常用方法有三类：

1. 层次分解（Hierarchical Decomposition）：按物理层级拆分，如整机→机翼→翼盒→蒙皮。上层负责全局约束，下层负责局部细节。适合结构清晰、层级分明的系统。
2. 非层次分解（Non-hierarchical Decomposition）：按学科或功能拆分，学科之间通过耦合变量直接交换数据。适合耦合复杂、难以严格分层的系统，如气动-结构-热耦合。
3. 基于图论的分解：用 DSM 或依赖图识别强连通分量，把强耦合学科聚成同一子问题，弱耦合学科并行处理。常用算法包括分区、聚类和撕裂（tearing）。

分解后还需选择协调策略：一致性约束（如气动与结构在交界面位移一致）、共享变量（如共同的设计变量）或目标级联（上层给下层分配目标）。协调策略决定了迭代是否收敛以及收敛速度。

五、建模流程与判断依据

实际建模可按以下顺序推进：先列出所有学科及其控制方程；再定义每个学科的输入输出；然后标记哪些是设计变量、状态变量和耦合变量；接着用 DSM 检查反馈回路；最后选择分解方法和协调策略。判断分解是否合理，可观察三个指标：耦合变量数量是否可控、子问题能否独立求解、迭代是否在有限步内收敛。

从图中可以看出，气动与结构之间通过载荷 q(x) 和变形 u(x) 形成双向耦合，推进与热之间通过电流 I 和电池温度 T_bat 形成反馈。设计变量 b、t 从外部进入气动和结构学科，状态变量 L、D、u、σ 由学科方程求解得到。分解策略的选择取决于这些耦合回路的强弱：若反馈强烈，宜将气动与结构合并为一个子问题；若反馈较弱，可分别求解并迭代协调。

总结来说，多学科耦合系统建模的实质是：用学科划分控制问题规模，用变量角色明确优化边界，用耦合变量描述跨学科反馈，用系统分解和协调策略把耦合问题转化为可求解的子问题序列。这四步做扎实，后续的 MDO 优化才有可靠的基础。