1. 轻量化与多目标优化的工程意义

结构轻量化并不是简单地“把材料减掉”，而是在满足强度、刚度、稳定性、振动、疲劳、安全法规与制造成本等约束的前提下，让结构以更少的质量承担既定的功能。它之所以在近二十年成为结构设计的核心议题，背后是三条同时收紧的约束线：能耗与排放法规、性能竞争与成本压力。以乘用车为例，整车质量每降低10%，在典型工况下燃油消耗可下降约6%～8%；对纯电动车而言，减重带来的收益更直接——同样电池容量下续航提升，或同样续航下电池用量减少，而电池本身又占整车成本的很大比例。航空航天领域更极端，结构质量每减少1 kg，在运载火箭上可能意味着数倍乃至数十倍的发射成本节省。因此轻量化不是审美偏好，而是被法规、市场和物理规律共同推动的工程必然。

轻量化的驱动力来自哪里

可以把驱动力拆成四类。第一类是法规驱动：排放标准、油耗限值、碳排放核算，直接对整机质量提出间接上限。第二类是性能驱动：质量影响加速性、操控性、制动距离、振动噪声，也影响固有频率与动态响应，减重往往同时改善多项性能。第三类是经济驱动：材料用量、制造成本、使用阶段能耗、维护成本构成全生命周期成本，轻量化在多数场景下能降低其中若干项。第四类是技术驱动：高强钢、铝合金、镁合金、碳纤维复合材料、增材制造与拓扑优化算法成熟，使过去“想减但减不动”的结构有了实现路径。这四类驱动力并不总是同向，例如用碳纤维替代钢可以大幅减重，但材料与工艺成本上升，回收难度也增加，这正是多目标冲突的典型来源。

多目标冲突的本质

工程优化中，目标通常不止一个。常见的组合是：质量最小、刚度最大（或柔度最小）、一阶固有频率最高、最大应力最小、制造成本最低、疲劳寿命最长。这些目标之间存在真实的、不可回避的冲突。例如，提高刚度通常需要增加截面尺寸或材料，质量随之上升；提高一阶频率往往要求结构更刚，同样倾向于增重；降低最大应力可能需要加厚危险区域，也会增重。反过来，一味减重会降低刚度、频率和安全裕度。因此多目标优化的本质不是“找到一个让所有目标都最好的解”，而是刻画目标之间的权衡关系，给设计者提供一组互不支配的候选方案，即 Pareto 最优解集。

理解“互不支配”很关键。若方案 A 在所有目标上都不差于方案 B，且至少在一个目标上严格更优，则称 A 支配 B。Pareto 前沿上的解，任意两个之间都不存在支配关系：想改善质量，就必须牺牲某项性能；想提升频率，就必须接受一定增重。设计者的任务是在前沿上根据工程偏好、法规底线和成本预算选一个折中点，而不是追求一个不存在的“全能最优解”。

典型应用场景

轻量化与多目标优化并非只服务于某一类产品。在汽车领域，白车身、副车架、电池包箱体、悬架控制臂是典型对象，目标常为质量、刚度、碰撞吸能与模态频率的组合。在航空航天领域，机翼肋、舱段加筋壁板、卫星支架强调质量与屈曲载荷、热变形、频率的权衡。在轨道交通领域，车体铝合金型材关注质量、垂向刚度与疲劳寿命。在能源装备领域，风电叶片、塔筒、压力容器需要在质量、气动弹性、强度与制造成本之间取舍。在消费电子与机器人领域，手机中框、机械臂连杆则更关注质量、刚度与散热、装配空间的耦合。这些场景的共同点是：结构几何复杂、约束多、目标相互牵制，凭经验试错代价高，因此需要系统化的优化方法。

本课程路线图

本课程围绕“建模—分析—优化—决策”的主线展开，共30章。前段建立基础：轻量化的工程意义与多目标冲突本质、结构优化三层次（尺寸、形状、拓扑）、有限元与灵敏度分析基础、设计变量与约束的数学表达。中段进入方法核心：参数化建模与代理模型、多目标进化算法（如 NSGA-II）、Pareto 前沿的构造与评价指标、约束处理与稳健性设计。后段聚焦工程落地：拓扑优化与增材制造的衔接、复合材料铺层优化、多学科耦合优化、结果的后处理与可制造性修正，以及典型行业案例的完整复现。每一章都会给出可操作的参数、示例数据与判断依据，帮助读者把方法真正用到自己的结构上。