1. 参数化结构优化工程导论

在 Ansys Mechanical 中，参数化结构优化并不是一个单独的“按钮”，而是一条把几何、材料、网格、边界条件、求解设置与结果评价串起来的可重复工作流。它的核心思想是：把设计变量从“固定数值”变成“可被程序驱动的参数”，再由优化算法自动改变这些参数、反复求解，最终在满足约束的前提下寻找目标函数的最优解。理解这条工作流，是后续所有章节的基础。

一、参数化优化的工作流

一个完整的参数化优化循环通常包含五个环节。第一是参数化建模：在 SpaceClaim 或 DesignModeler 中，把关键尺寸（如板厚、孔径、圆角半径、加强筋位置）定义为参数，并保证几何在参数变化范围内能够成功重建。第二是参数化前处理：在 Mechanical 中把材料属性、网格尺寸、载荷大小、约束位置等也参数化，使它们能随设计变量联动。第三是求解与结果提取：每次迭代后自动提取目标量（如质量、最大等效应力、最大变形、一阶固有频率）和约束量。第四是优化算法驱动：由 DesignXplorer 或 optiSLang 等模块根据响应面或直接采样，生成下一组设计点。第五是收敛判断与结果验证：检查是否满足收敛准则，并对最优候选点做一次完整的高精度复核。

需要特别强调的是，参数化优化不是“一次设置、永远正确”。几何重建失败、网格畸变、约束冲突都会让某次迭代无效。因此工作流中必须包含失败设计点的处理策略，例如设置参数上下限、采用容错重建、或对失败点赋予惩罚值，避免优化在中途停滞。

二、核心价值：为什么值得做参数化优化

传统“试算—改模型—再试算”的方式，依赖工程师的经验和直觉，一次只能评估一个方案，且难以判断是否已经接近最优。参数化优化的价值体现在三个层面。其一是效率：一次设置后可自动运行几十到几百个设计点，把数天的手工迭代压缩到数小时。其二是洞察：通过灵敏度分析和响应面，可以量化每个设计变量对目标的影响程度，例如“板厚对质量贡献 62%，对最大应力贡献 18%”，从而指导设计决策。其三是稳健性：可以进一步做六西格玛或鲁棒性优化，让设计在制造公差和载荷波动下仍保持性能达标。

但也要清醒认识到它的边界：参数化优化只能在你给定的参数空间和约束内寻找最优，如果参数定义本身不合理，或者约束遗漏了关键工况，优化结果可能“数学上最优、工程上不可用”。因此，优化前的物理判断和优化后的工程复核同样重要。

三、典型工程应用场景

参数化结构优化在工程中常见于以下几类问题。第一类是轻量化设计：在满足刚度和强度约束下最小化质量，典型对象是支架、悬臂、箱体、吊耳。第二类是应力与疲劳寿命优化：通过调整圆角半径、过渡区厚度，降低应力集中系数。第三类是动力学性能优化：调整加强筋布局或板厚分布，使一阶固有频率避开激励频率区间。第四类是多目标权衡：例如同时追求质量最小和变形最小，用 Pareto 前沿给出多个可选方案。第五类是工艺参数与结构联合优化：把焊接顺序、装配预紧力等也纳入参数体系。

下面给出一个典型教学示例的参数设置，用于说明“设计变量—约束—目标”的对应关系。该示例为合理假设，不代表任何实际产品的实测结果。

四、课程实战项目总览

本课程围绕一个贯穿始终的实战项目展开：某设备安装支架的参数化轻量化优化。项目从几何参数化开始，逐步完成材料与网格参数化、静力学求解、灵敏度分析、响应面构建、多目标优化，最后对最优方案做高精度复核并输出优化报告。每一章都会在这个项目上增加一层能力，而不是孤立地讲工具按钮。