1. 课程导入与工程认知

在结构优化工程中，尺寸优化与形状优化长期被视为两类不同层次的问题。尺寸优化改变的是梁截面厚度、板壳厚度、杆件截面积等“离散或准离散”的尺寸参数；形状优化改变的是结构边界轮廓、孔洞位置、加强筋走向等“几何连续”的形态参数。当设计对象同时存在这两类可调变量时，单独做尺寸优化往往只能得到“给定形状下的最优厚度分布”，而单独做形状优化又容易忽略厚度对刚度、质量与应力的二次影响。尺寸形状联合优化（Size-Shape Optimization）正是把两类变量放入同一优化模型，让求解器在每一次迭代中同时评估“改尺寸”和“改形状”对目标与约束的贡献，从而逼近更优的工程方案。

从工程价值看，联合优化最直接的收益是减重与性能的同步改善。以某支架类零件为例：若仅做尺寸优化，在满足一阶模态频率不低于 120 Hz、最大 von Mises 应力不超过 220 MPa 的前提下，质量可能从 3.2 kg 降到 2.6 kg；若在此基础上允许形状变量参与，例如让加强筋高度、过渡圆角半径和腹板开孔位置同时变化，质量可进一步降至约 2.35 kg，而频率和应力仍满足约束。这个约 10% 的额外收益并非来自“更激进的减薄”，而是来自形状改变后载荷路径更顺畅、局部应力集中被削弱，使材料分布更接近理想传力路径。需要说明的是，上述数值为教学示例中的合理假设，用于说明联合优化的量级与判断逻辑，并非某次实际仿真的实测结果。

OptiStruct 在联合优化中的定位，可以概括为“统一模型、统一求解、统一驱动”。它并不要求工程师把尺寸变量和形状变量拆到两个软件里分别迭代，而是在同一个有限元模型上定义设计变量：尺寸变量通常通过 DESVAR 与 DVPREL1/DVPREL2 关联到壳单元厚度或梁截面属性；形状变量则通过 DESVAR 与 DVGRID 关联到网格节点的扰动方向与幅值，并由 SHAPE 卡片或 HyperMorph 生成的形状基向量提供几何变形模式。求解器在每轮迭代中计算设计变量对响应（质量、频率、应力、位移）的灵敏度，再通过近似模型与优化算法更新变量，直到收敛。这种“灵敏度驱动”的机制，使联合优化不是盲目试错，而是有方向地搜索设计空间。

理解这张关系图，就抓住了联合优化的主线：左侧两类设计变量同时进入求解器，求解器通过灵敏度计算知道“往哪个方向改、改多少”最有效，右侧响应与约束则告诉工程师方案是否可用。图中给出的厚度范围、筋高范围、频率与应力约束值均为教学示例，实际工程中需要根据材料、载荷、安全系数和工艺要求重新标定。

学习本课程，建议按“模型准备 → 变量定义 → 求解设置 → 结果判读 → 工程决策”的路径推进，但不必机械地把它当成五个固定步骤。更实际的做法是：先在一个已有有限元模型上跑通一次仅尺寸优化的算例，确认质量、频率、应力响应能被正确提取；再加入一个形状变量，观察灵敏度输出和迭代曲线是否合理；最后才扩展到多形状变量与多工况。这样做的原因是，联合优化的调试成本主要不在“算法会不会收敛”，而在“变量定义是否合理、网格是否支持形状扰动、约束是否互相冲突”。

实战目标可以设定为三个层次。第一层是能跑通：在 OptiStruct 中完成一个包含 3～5 个尺寸变量和 1～2 个形状变量的联合优化，得到收敛结果。第二层是能判断：能根据迭代曲线、约束裕度和变量边界状态，判断结果是“真正收敛”还是“被约束卡住”或“形状变量失效”。第三层是能决策：能把优化结果转化为可制造的几何方案，例如把形状变量产生的节点扰动拟合成 CAD 可用的圆角或筋高，并评估工艺可行性。以下是一份可直接参考的联合优化任务检查表，用于在建模前明确输入与判据。

最后需要建立的一个工程认知是：联合优化不是“让软件自动找到完美形状”，而是在明确的约束框架下，帮助工程师更快地识别高价值的设计方向。OptiStruct 提供的是灵敏度驱动的搜索能力，而变量范围、约束阈值、网格质量和制造限制仍然由工程师定义。把这三者定义清楚，联合优化才能真正从“算例”走向“工程方案”。