1. 仿真误差全景认知
在工程仿真中，我们习惯把求解器输出的云图、曲线和数值当作"结果"。但严格来说，仿真给出的从来不是真值，而是真值在"模型—离散—求解—数据"这条链路上经过多次近似后留下的一个估计。仿真误差（simulation error）就是仿真结果与真实物理量之间的偏差。理解误差，本质上不是去否定仿真，而是搞清楚"这个数字离真实有多远、为什么远、能不能接受"。
需要先区分三个容易混淆的概念：误差（error）指结果与真值的实际偏差；不确定度（uncertainty）指我们对这个偏差可能范围的认识；精度（accuracy）则是对误差大小的定性描述。工程上真正能拿到的往往不是真值，而是更高精度的参考解（如解析解、网格收敛解、实验数据），因此误差通常以"相对参考解的偏差"来度量，例如位移相对误差 3.2%、峰值应力偏差 8 MPa。这一点必须在报告里写清楚参照对象，否则"误差 5%"是没有意义的。
误差的分类体系
按来源划分，仿真误差可以归为四类，它们恰好对应仿真流程的四个阶段：
- 建模误差（modeling error）：物理模型对真实问题的简化带来的偏差。例如把三维接触简化为二维平面应变、忽略温度对材料模量的影响、用理想弹塑性代替真实硬化曲线。这类误差最隐蔽，也最难通过加密网格消除。
- 离散误差（discretization error）：连续方程被离散为代数方程时产生。有限元中表现为网格尺寸、单元阶次、时间步长带来的截断误差，典型特征是随网格加密而单调下降。
- 求解误差（solution error）：代数方程组迭代求解未完全收敛、浮点舍入、线性求解器容差设置过松导致。表现为残差未降到目标量级就停止迭代。
- 数据与操作误差（data & operational error）：材料参数、边界条件、载荷、单位换算、几何清理、结果后处理取值位置等引入的偏差。工程实践中这类误差占比往往被严重低估。
这四类误差并非独立叠加，而是沿着一条误差链（error chain）逐级传递、放大或抵消。误差链的核心思想是：上游的建模误差无法被下游的网格加密所修正，而下游的求解误差却可能掩盖上游误差的真实量级。因此误差控制必须"从链头到链尾"逐环节评估，而不是只盯着最后一步。
误差分析在工程仿真中的价值
误差分析的价值不在于把误差降到零，而在于让误差可控、可解释、可决策。具体体现在三个层面：
第一，判断结果是否可信。一个峰值应力 320 MPa 的结果，如果网格收敛研究显示相对误差已降到 2% 以内，且材料参数波动带来的不确定度约 ±15 MPa，那么它可以支撑"安全系数 1.5 下是否通过"的判断；反之，如果残差只降到 1e-2，这个数字连趋势都不能信。
第二，指导资源分配。误差分析能告诉你钱和算力该花在哪里。若建模误差占主导，加密网格只是浪费；若离散误差占主导，则应优先做网格收敛性研究（如三套网格的 Richardson 外推）。
第三，支撑工程决策与责任界定。当仿真结论与试验不符时，误差链能帮助定位是模型简化过度、参数取值偏差，还是后处理取值位置错误，而不是笼统归咎于"仿真不准"。
典型失败案例导入
考虑一个支架静强度仿真：材料 Q345，屈服强度 345 MPa，设计载荷 12 kN，要求安全系数不低于 1.5。工程师在 8 mm 全局网格下得到最大等效应力 268 MPa，判定通过。但复核发现三个问题：其一，应力集中区圆角处仅 2 层单元，离散误差使峰值被低估约 18%；其二，材料曲线误用了线弹性模型，未考虑塑性重分布；其三，载荷施加在刚性面上，而实际通过螺栓连接存在柔性。三套网格（8/4/2 mm）的峰值应力分别为 268、305、331 MPa，Richardson 外推估计真值约 338 MPa——此时安全系数仅 1.02，结论完全反转。