1. 课程导入与数字线程全景
在复杂装备、汽车、航空、能源等行业，产品早已不是一张图纸或一个三维模型能够描述的对象。机械、电子、控制、热、流体、软件、工艺、运维等多个学科各自建立模型，各自使用工具，各自维护数据。问题随之而来：同一个零件在结构模型里是A版本，在仿真模型里是B版本；控制参数改了，热模型没有同步；试验数据回来了，设计模型却没有回写。数字线程（Digital Thread）要解决的，正是这种跨学科、跨阶段、跨工具的信息断裂问题。
数字线程是什么
数字线程是一条贯穿产品全生命周期的、可追溯的数字化信息链路。它把需求、设计、仿真、工艺、制造、试验、运维各阶段产生的模型、数据、参数、变更和决策连接起来，使任何一个结论都能回溯到它的输入来源，任何一次变更都能评估它对下游的影响。可以把它理解为产品的“数字血缘”：不仅记录结果，还记录结果是怎么来的、依据是什么、被谁改过、影响到了谁。
数字线程有三个关键特征。第一是贯通性：它跨越阶段和学科，而不是停留在某个工具内部。第二是可追溯性：每个数据对象都有来源、版本和变更记录，形成有向的关联关系。第三是可执行性：线程不只是文档链接，而是能够驱动模型更新、触发仿真、传递参数的活链路。缺少任何一条，数字线程就退化为文件管理系统。
数字线程、数字孪生与数字影子的区别
这三个概念经常被混用，但它们的定位不同。数字影子（Digital Shadow）是物理对象到数字模型的单向数据流：传感器把实物的状态传上来，数字端能看到当前情况，但不会反向影响实物。数字孪生（Digital Twin）是双向的：数字模型不仅接收实物数据，还能通过仿真、预测和优化，把决策反馈回物理对象，形成闭环。数字线程则是把这两者以及设计、工艺、试验等环节串起来的那条“线”——它回答的是“数据从哪来、到哪去、依据什么”的问题。
用一个具体场景说明：某电机在试验台上测得温升超过限值。数字影子只能显示“当前温度偏高”；数字孪生可以基于热模型预测继续运行的风险并给出降载建议；而数字线程能够沿着链路回溯——这个温升对应的工况来自哪份需求、热模型用的是哪个版本的损耗参数、该参数由哪次电磁仿真产生、电磁模型又依据哪一版绕组设计。只有具备这条回溯链，工程师才能判断是设计问题、参数问题还是试验工况问题，而不是停留在“温度高了就降载”的表层处理。
多学科模型协同工程的整体框架
数字线程是“线”，多学科模型协同工程是“面”。协同工程要解决的是：不同学科模型之间如何交换数据、如何保持一致、如何联合仿真、如何共同支撑决策。它的整体框架可以分为四层。
第一层是模型层，即各学科的专业模型：机械的几何与有限元模型、电磁的热损耗模型、控制的算法与代码模型、工艺的工序与公差模型、试验的测点与工况模型。这些模型由不同工具产生，格式、单位、坐标系、时间步长都可能不同。
第二层是接口与映射层，负责把模型之间的参数对应起来。例如电磁模型输出的绕组损耗要作为热模型的体热源输入，热模型输出的温度又要反馈给电磁模型修正电阻。这一层需要明确参数名称、单位、方向、插值方式和更新频率。方向约定必须统一：本文约定“上游模型输出 → 下游模型输入”为正向，反向反馈单独标注。
第三层是协同流程层，定义什么时候、以什么顺序、由谁触发模型更新。典型模式包括串行传递、迭代耦合和联合仿真。以电机温升为例，若采用迭代耦合，流程是：电磁模型算损耗 → 热模型算温度 → 温度回写电磁模型修正铜损 → 再算温度，直到相邻两次温度差小于0.5℃或达到最大迭代次数8次。
第四层是数据与追溯层，也就是数字线程本身，记录每次迭代的输入、输出、版本和收敛状态。
一个可操作的教学示例
假设某永磁同步电机在额定工况下，初始电磁仿真得到绕组铜损为820W，铁损为310W。热模型以这些损耗为输入，环境温度40℃，冷却水流量6L/min，计算得到绕组平均温升为78K，即绕组温度约118℃。而需求规定绕组绝缘等级为H级，最高允许温度180℃，但设计目标要求不超过150℃。此时118℃看似合格，但若考虑温度对铜损的影响：铜电阻温度系数约0.00393/℃，温度从20℃升到118℃，电阻增加约38%，铜损将从820W升至约1130W。把修正后的铜损重新输入热模型，温升会进一步上升，第二次迭代得到约92K，绕组温度约132℃。继续迭代，第三次约137℃，第四次约139℃，第五次约140℃，相邻两次差已小于0.5℃，收敛。
这个示例说明：如果只做单向传递，会低估温升约22K；只有通过迭代耦合和数字线程记录每次迭代的参数与结果，才能得到可信的结论。判断收敛的依据是相邻两次温度差小于设定阈值，同时检查损耗与温度是否自洽。
学习路径
本课程后续将沿着“概念—建模—接口—协同—追溯—案例”的路径展开。先理解数字线程与协同工程的基本概念和术语，再进入各学科模型的表达方式与参数体系，然后重点掌握模型之间的接口映射、单位与坐标系约定、迭代耦合流程，最后通过完整案例把需求、设计、仿真、试验、运维串成一条可追溯的线程。学习过程中应重点关注参数的方向、版本的一致性和收敛判据，而不是只记住工具操作。
数字线程的价值不在于多建几个模型，而在于让每个模型都知道自己的输入来自哪里、输出会影响谁。多学科协同工程的价值也不在于同时运行多个软件，而在于让不同学科的结论能够相互验证、共同收敛。理解这一点，就抓住了本课程的主线。