1. 课程导入与数字孪生多物理场集成全景
数字孪生多物理场模型集成，是把分散在不同学科、不同工具、不同时间尺度上的物理模型，组织成一个能随实体状态同步演化的虚拟副本。它要解决的核心问题不是“能不能仿真”，而是“多个物理场能否在同一时间基准、同一几何空间、同一数据语义下协同工作”。本课程的目标，是让学习者建立从物理实体到多物理场模型集成的整体认知框架，理解集成的对象、接口、数据流与验证方式，并能在后续章节中逐步完成可运行的集成方案。
学习目标与核心概念
完成本章后，应能回答四个问题：第一，数字孪生中的“多物理场”具体指哪些场，它们为什么必须集成；第二，物理实体、传感器、数据采集、模型、可视化与决策之间是什么关系；第三，集成的关键接口有哪些，数据如何从实体流向模型再返回实体；第四，如何判断一个多物理场集成方案是否可用。核心概念包括：物理实体、观测数据、机理模型、数据驱动模型、场耦合、时间同步、空间映射、模型编排与闭环反馈。
需要特别区分“多物理场仿真”与“多物理场集成”。前者通常指在同一求解器内求解多个物理方程，例如流固耦合；后者范围更大，强调不同工具、不同模型、不同数据源之间的协同。一个典型的数字孪生系统可能同时包含有限元结构模型、计算流体力学模型、热网络模型、电气模型和基于运行数据的降阶模型。它们未必运行在同一软件中，但必须通过统一的数据契约和调度逻辑连接起来。
典型应用场景
多物理场集成在工程中并不抽象。以风力发电机传动链为例，物理实体包括叶片、主轴、齿轮箱、发电机和塔筒；观测数据来自振动加速度计、温度传感器、转速编码器和功率变送器；模型侧可能包含结构动力学模型、齿轮接触热模型、发电机电磁模型和塔筒气动模型。集成的价值在于：当风速变化引起叶片载荷变化时，结构模型输出的扭矩波动可以驱动齿轮箱热模型，热模型输出的温度又反过来影响材料参数，最终用于评估剩余寿命。类似场景还出现在电池热管理、航空发动机、液压系统、芯片散热和建筑能耗等领域。
从物理实体到模型集成的关键链路
上图给出了本课程的整体认知框架。左侧是物理实体，它提供几何、材料、工况和边界条件；中间是感知与数据层，负责把实体状态转化为带时间戳和单位的数字信号；右侧是多物理场模型层，包含结构、热、电磁、流体和数据驱动模型；下方是集成编排层，负责时间同步、空间映射、单位统一和模型调度；上方是应用与决策层，输出状态监测、寿命预测和控制优化结果；虚线表示闭环反馈，决策结果可以返回实体或修正模型参数。
这条链路中最容易被忽视的是“接口”。以温度场与结构场的集成为例，热模型输出的温度分布需要映射到结构网格上。如果两个模型的网格节点不一致，就必须做插值。插值会引入误差，误差大小取决于网格密度和插值方法。实际工程中，常用最近邻插值、线性插值和径向基函数插值。选择哪种方法，要看温度梯度是否剧烈、结构网格是否规则、计算实时性要求是否高。类似地，时间同步也要处理：热模型的时间常数可能是分钟级，结构振动是毫秒级，两者不能简单用同一时间步长推进，而应采用多速率调度或事件触发机制。
集成方案的基本判断依据
判断一个多物理场集成方案是否可用，可以从四个维度检查。第一，物理一致性：集成后的结果是否满足质量、能量和动量守恒，边界条件是否在耦合面上连续。第二，数值稳定性：耦合迭代是否收敛，是否出现发散或振荡。第三，实时性：从数据采集到模型输出再到决策反馈，总延迟是否满足应用要求。第四，可维护性：模型接口是否标准化，版本是否可追溯，替换某个物理模型时是否影响其他模块。这四个维度不是孤立的，实时性要求高时可能需要降阶模型，而降阶又会牺牲部分物理一致性，需要权衡。