2. 工程问题到数学映射

代理模型与响应面方法的第一步，不是打开软件，而是把一台真实设备、一个真实工艺或一个真实结构，翻译成优化算法能够读懂的数学语言。这一步做得好坏，直接决定后续采样点是否落在有意义的位置、代理模型是否拟合了真正重要的响应、优化结果是否可制造、可装配、可交付。本节以“某型工业换热器翅片结构优化”为教学示例，完整走一遍从工程对象到形式化描述的映射过程。示例中的尺寸、温度、压降等数值均为便于讲解而设定的合理假设，不代表任何实测结果。

一、先锁定工程对象与设计意图

工程对象是换热器的翅片单元：一块基板上排列若干翅片，冷空气从翅片间流过，热流体在基板下方加热。工程意图很明确——在满足换热能力的前提下，尽量降低空气侧压降，从而降低风机功耗。这里出现了两个相互冲突的诉求：翅片越高、越密，换热面积越大，换热越强，但空气通道变窄，压降迅速上升。这种“此消彼长”正是需要响应面与代理模型来量化的核心矛盾。

在动手定义变量之前，必须先明确“优化对象是谁、边界在哪里”。本例中，优化对象是单个周期性翅片单元，取一个翅片间距作为计算域，两侧设为周期性边界，这样可以大幅降低计算成本，同时保证结果可代表整排翅片的平均行为。若把整台换热器都纳入优化，变量维度与计算量都会失控。因此，合理的问题约简本身就是工程建模能力的一部分。

二、定义设计变量：可调、独立、有物理意义

设计变量是工程师真正能够调整、且对目标与约束有影响的量。本例选取三个设计变量：

• 翅片高度 h：范围 8～20 mm，决定换热面积与流道高度；
• 翅片间距 p：范围 2～6 mm，决定翅片密度与流通截面积；
• 翅片厚度 t：范围 0.4～1.2 mm，影响导热能力与流道阻塞程度。

这三个变量相互独立、可连续调节，且都有明确的制造下限与上限。需要特别注意的是，某些看似可调的参数其实并不独立，例如“翅片数量”由基板宽度除以间距决定，若把它也列为变量，就会与间距产生耦合，导致设计空间出现无效区域。因此，设计变量之间应尽量保持独立，避免冗余与隐性约束。

三、目标函数与约束条件：把工程诉求写成数学表达式

目标函数是我们要最小化或最大化的量。本例采用加权形式，将两个目标合并为单一目标，便于响应面拟合：

minimize  F(x) = w1 * (ΔP / ΔP_ref) + w2 * (1 - Q / Q_ref)
其中 x = [h, p, t]
w1 = 0.6, w2 = 0.4
ΔP_ref = 120 Pa, Q_ref = 850 W

这里 ΔP 为空气侧压降，Q 为换热量，ΔP_ref 与 Q_ref 为参考值，用于无量纲化，避免两个量纲不同的目标直接相加。权重 w1、w2 反映工程偏好：本例更看重降低压降，因此 w1 略大。若工程上更关注换热，可调整权重，甚至改用帕累托前沿方法。

约束条件则划定了“可行”与“不可行”的边界。本例包含：

• 几何约束：p ≥ 2t + 0.5 mm，保证翅片间有最小流通间隙，避免制造与积灰问题；
• 性能约束：Q ≥ 700 W，换热量不得低于最低要求；
• 压降约束：ΔP ≤ 150 Pa，风机能力有限；
• 变量边界：8 ≤ h ≤ 20，2 ≤ p ≤ 6，0.4 ≤ t ≤ 1.2。

约束条件不是越多越好。每增加一个约束，可行域就缩小一次，采样与拟合难度随之上升。因此应优先保留真正影响工程可行性的硬约束，把次要要求转化为目标函数中的惩罚项或权重调整。

四、设计空间边界与可观测响应

三个设计变量构成一个三维设计空间。由于变量上下限明确，设计空间是一个长方体；几何约束 p ≥ 2t + 0.5 会在长方体内部切掉一个角，形成非矩形可行域。响应面方法通常先在矩形空间内采样，再对不可行点进行标记或惩罚，因此理解可行域的真实形状非常重要。

可观测响应是仿真或实验能够稳定输出的量。本例中，可观测响应包括：空气侧压降 ΔP、换热量 Q、翅片表面平均温度、出口空气平均温度。其中 ΔP 与 Q 直接进入目标函数，是核心响应；温度场则用于判断换热是否充分、是否存在局部过热。需要强调的是，可观测响应必须是仿真或实验能够重复测量、且对设计变量变化有可辨识响应的量。若某个响应在变量变化范围内几乎不变，就不应纳入代理模型，否则只会增加噪声。

五、识别噪声来源：区分“真响应”与“假波动”

噪声是响应面拟合中最容易被忽视、却最影响精度的问题。本例中，噪声主要来自四个方面：

• 网格离散误差：网格密度变化会导致 ΔP 与 Q 出现 1%～3% 的波动；
• 湍流模型不确定性：不同湍流模型对压降预测差异可达 5%～8%；
• 边界条件波动：入口流速、入口温度的小幅波动会传递到响应；
• 制造公差：实际翅片高度、间距、厚度存在 ±0.05 mm 级偏差。

应对策略是：固定网格策略与湍流模型，使噪声主要来自数值离散而非模型切换；对每个采样点进行网格无关性验证，确保网格误差低于 1%；在仿真中采用相同入口条件，减少边界波动；若条件允许，对同一设计点重复计算 2～3 次，取平均值并记录标准差，作为后续代理模型不确定性的输入。

六、形式化描述：把上述内容写成标准问题

完成以上分析后，工程问题就可以写成标准的形式化描述：

设计变量：x = [h, p, t]
目标函数：min F(x) = 0.6*(ΔP/120) + 0.4*(1 - Q/850)
约束条件：
  Q(x) ≥ 700 W
  ΔP(x) ≤ 150 Pa
  p ≥ 2t + 0.5
  8 ≤ h ≤ 20
  2 ≤ p ≤ 6
  0.4 ≤ t ≤ 1.2
可观测响应：ΔP, Q, T_surface_avg, T_outlet_avg
噪声来源：网格离散、湍流模型、边界波动、制造公差

这份描述就是后续采样、代理模型训练与优化的输入。它不追求数学上的完美，而追求工程上的可执行、可复现、可判断。

七、常见误区与检查要点

在实际工程中，这一步最容易出现三类问题。第一类是变量选错：把不可调的量当作设计变量，或遗漏了真正影响性能的关键尺寸。检查方法是问自己“这个量在制造或运行中真的能改吗”。第二类是约束遗漏：只写了性能约束，忘了几何约束与制造约束，导致优化结果无法加工。检查方法是把优化结果交给工艺人员看一眼，问“这个尺寸做得出来吗”。第三类是噪声未识别：直接拿仿真结果拟合，结果响应面在采样点附近剧烈波动，误以为是真实响应。检查方法是对同一设计点重复计算，观察响应标准差是否超过预期。

完成形式化描述后，建议做一次“反向验证”：随机取三组设计变量，代入约束条件，判断是否可行；再代入目标函数，判断目标值是否合理。若出现明显异常，说明变量范围、约束边界或目标权重需要调整。这一步只需几分钟，却能避免后续大量无效采样。

从工程对象到数学映射，本质上是把“工程师脑子里的经验”翻译成“算法能读懂的输入”。这份翻译越准确，后续代理模型与响应面优化就越可靠。下一阶段将进入采样策略与试验设计，而本节产出的形式化描述，正是所有后续工作的起点。