1. 课程导入与轻量化设计全景

在机械、汽车、航空、能源装备等行业，结构减重几乎总是与性能、成本、能耗直接挂钩。一辆纯电动车若白车身减重 10%，在同等电池容量下续航通常可提升约 5%～8%；一架飞机每减重 1 kg，全寿命周期可节省的燃油成本往往以万元计。但减重不能以牺牲刚度、强度、模态或疲劳寿命为代价，这正是 CAE 拓扑优化要解决的核心矛盾：在给定载荷与约束下，寻找材料的最优分布。

拓扑优化与尺寸优化、形状优化最大的区别在于设计变量的层级。尺寸优化改变的是梁的截面厚度、板的厚度这类已有结构的参数；形状优化改变的是边界轮廓的位置；而拓扑优化允许材料在设计中“从无到有”或“从有到无”，直接决定孔洞的数量、位置与连通方式。因此它常被放在概念设计阶段，用来回答“结构应该长成什么样”，而不是“现有结构再改多少”。

轻量化设计的三条主线

工程中的轻量化通常沿三条主线推进，它们并不互斥，而是按阶段配合使用。

• 材料轻量化：用铝合金、镁合金、碳纤维复合材料或高强钢替代普通钢。优点是直接降低密度或提高比强度，缺点是成本、连接工艺、耐腐蚀与各向异性问题需要额外处理。
• 结构轻量化：通过拓扑优化、尺寸优化、形状优化、多学科优化重新分配材料。它不换材料，只改布局，因此常被称为“设计驱动减重”。
• 工艺轻量化：借助一体压铸、激光拼焊、热成形、增材制造减少零件数量与连接件。工艺轻量化往往与拓扑优化结果强耦合，因为优化出的复杂构型需要可制造的工艺来落地。

本课程聚焦第二条主线，同时兼顾与材料、工艺的接口。拓扑优化不是“点一下按钮就出结果”的黑箱，它需要清晰的载荷工况、合理的约束边界、可制造性约束以及结果解读能力。

拓扑优化在 CAE 流程中的位置

一个典型的拓扑优化任务可以拆成五个相互衔接的环节：设计空间定义、工况与约束设置、优化求解、结果提取与重构、验证与迭代。下图给出这五个环节之间的数据流与判断关系，其中“结果提取与重构”之后必须回到 CAD/CAE 做一次独立验证，否则优化结果只是数学上的最优，不一定是工程上可用的方案。

课程学习地图

本课程共 30 章，按“认知—方法—工具—实战—复盘”的节奏推进，但不会把每一章都写成同一种流程。前 6 章建立轻量化与拓扑优化的基本概念、数学表达和评价指标；第 7～14 章进入软件操作与建模细节，包括设计空间划分、载荷工况、约束设置、网格与求解器选择；第 15～22 章覆盖结果解读、几何重构、可制造性约束与多工况优化；第 23～30 章以一个完整的工程实战项目为主线，完成从需求到验证的闭环。

学习过程中需要始终抓住三个问题：优化目标是什么、约束条件是什么、结果能不能制造。任何一次拓扑优化，如果目标函数与约束条件没有写清楚，结果就不可信；如果结果无法制造，减重就只是纸面数字。

实战项目说明

课程实战项目设定为一个“某型电动乘用车前副车架概念设计”的轻量化任务。副车架是连接悬架、转向机与车身的重要承载结构，典型工况包括制动、转向、过坎与疲劳载荷。项目给定设计空间包络约为 1100 mm × 620 mm × 260 mm，材料初选铝合金，弹性模量 70 GPa，泊松比 0.33，密度 2.7×10⁻⁹ t/mm³，屈服强度约 240 MPa。

优化目标设定为：在满足一阶模态不低于 45 Hz、最大应力不超过 180 MPa、体积分数不超过 0.30 的条件下，使加权柔度最小。这里的“体积分数 0.30”表示优化后保留的材料体积不超过设计空间体积的 30%，是拓扑优化中最常用的约束形式之一。示例参数仅用于教学演示，实际项目需根据整车载荷谱与材料实测数据重新标定。

本课程对读者的能力要求

读者应具备基本的材料力学与有限元概念，了解单元、节点、约束、载荷、应力与位移的含义；能使用至少一种主流 CAE 软件完成静力分析；对 CAD 建模与几何清理有基本操作经验。数学方面不要求推导 SIMP 插值模型的完整公式，但需要理解“密度变量在 0～1 之间连续变化、通过惩罚因子推向 0 或 1”这一核心思想。

拓扑优化不是替代工程师判断的工具，而是把工程师的判断前移到设计空间与约束定义阶段。真正决定优化质量的，往往不是求解器，而是设计空间是否合理、工况是否覆盖真实使用场景、约束是否反映制造与装配要求。接下来的章节将围绕这些关键点逐一展开。