2. 从需求到验证对象

仿真验证计划的第一道关口，不是选工具、搭模型，而是把"要验证什么"说清楚。系统需求往往以自然语言写成，仿真目的又常被表述为"评估性能""验证方案"，决策场景则关心"选A还是选B"。这三类输入各自模糊，只有把它们收敛成明确的验证对象、关键输出和可接受准则，后续的模型、工况、证据才有落脚点。本节讨论这条收敛路径的具体做法。

三类输入各自提供什么信息

系统需求回答"系统必须满足什么"。它通常包含功能需求（如"在制动指令发出后 200 ms 内建立 80% 目标制动力"）和性能需求（如"最大减速度不低于 6 m/s²"）。需求中的量化指标是准则的天然来源，而需求中的物理量（力、位移、温度、流量、时间）则指向验证对象。

仿真目的回答"这次仿真要支持什么判断"。同一系统，若目的是"验证控制律在极限工况下的稳定性"，验证对象就是控制器与执行机构的耦合动态；若目的是"评估散热方案是否满足连续工况"，验证对象则变成热网络与边界换热条件。目的不同，对象边界随之改变。

决策场景回答"结果将被谁、以什么方式使用"。若决策是"在两个泵选型方案中取舍"，则关键输出必须是可比较的同一指标（如稳态出口压力波动幅值），准则必须能区分两方案；若决策是"确认设计是否可进入下一阶段"，则准则更接近门槛值判定。

从需求到验证对象的映射

验证对象不是需求条目的简单复制，而是"被仿真所表征、且其行为会影响所关心输出"的那部分系统。识别时可按三步走：

1. 抽取物理量链：从需求指标反推涉及的物理过程。例如"200 ms 内建立 80% 制动力"涉及指令信号→控制器→执行器→液压/气压传递→制动器摩擦，这条链上的元件即为候选对象。
2. 划定边界：判断哪些环节可用简化模型或边界条件替代。若关注的是控制响应，液压管路可用一阶延迟近似；若关注的是压力波动，管路就必须作为分布参数对象保留。
3. 确认可观测性：验证对象的行为必须能通过仿真输出被观察到。若某内部状态无法从模型输出中提取，它就不能作为独立验证对象，只能并入可观测的集合。

以某电驱动总成冷却验证为例：需求为"在 40 ℃ 环境、持续 30 min 爬坡工况下，电机绕组温度不超过 155 ℃"。抽取物理量链得到损耗发热→绕组→铁芯→机壳→冷却液→散热器→环境。若仿真目的是评估冷却回路匹配性，验证对象应包含冷却液回路与散热器；若目的是评估绕组绝缘裕度，则绕组热容与导热路径是核心，散热器可简化为边界温度。可见对象边界由目的决定，而非由需求文字直接决定。

关键输出的选择

关键输出是"能直接回答决策问题"的仿真结果量。选择时遵循两条原则：可判定——输出必须能与准则直接比较；可追溯——输出必须能对应到需求条目。常见的关键输出包括峰值、稳态值、响应时间、超调量、波动幅值、累积量（如能耗、磨损）以及统计量（如均值、标准差、分位数）。

需要警惕的是"输出过多"。若一次仿真给出二十条曲线，决策者反而无法判断。建议每个验证对象对应 1～3 个关键输出，其余作为辅助观察量记录但不参与判定。例如上述冷却案例，关键输出可定为"30 min 末绕组最高温度"和"温度达到 155 ℃ 的时刻"，前者判定是否超标，后者判定裕度大小。

可接受准则的量化

可接受准则必须包含指标、阈值、工况、判据方向四要素。以"绕组温度不超过 155 ℃"为例，完整准则应写成：在 40 ℃ 环境、30 min 爬坡工况下，绕组最高温度 ≤ 155 ℃，且仿真结果需在模型验证误差带（如 ±5 ℃）内仍满足。若忽略误差带，模型精度不足时可能给出虚假通过。

当需求本身是定性描述（如"响应应足够快"）时，需要与需求方协商转化为量化阈值，并记录转化依据。这一步是验证计划中最容易被跳过、也最容易在后期引发争议的环节。

一个可复用的识别清单

把上述过程固化为清单，可在每个验证任务开始时逐项填写，避免遗漏：

常见偏差与纠正

实践中三类偏差最常见。其一是对象过大：把整个系统都列为验证对象，导致模型复杂、计算不可行。纠正方法是回到仿真目的，只保留影响关键输出的环节。其二是输出与准则脱节：关键输出是"平均温度"，准则却写"最高温度"，两者无法比较。纠正方法是逐条核对输出与准则的物理量是否一致。其三是忽略误差带：模型本身有误差，却用名义值直接判定通过。纠正方法是在准则中显式写入误差带，并规定误差带内外的判定规则。

完成本节工作后，每个验证任务都应能回答三个问题：验证对象是什么、看哪个输出、达到什么值算通过。这三者确定后，后续的模型边界、工况设计、证据采集才有明确的靶心。