1. 课程导入与鲁棒优化概览
在真实的工程设计中，几乎没有哪个产品能完全按照设计图纸的标称尺寸被制造出来。板材厚度会有轧制公差，冲压件会回弹，焊接会带来热变形，材料批次之间的弹性模量和屈服强度也会波动。如果一款结构只在“所有参数都恰好等于设计值”的理想状态下满足强度、刚度或模态要求，那么它很可能在批量生产后出现局部开裂、共振或装配困难。鲁棒优化（Robust Optimization）与容差分析（Tolerance Analysis）正是为了解决这一类问题而发展起来的设计方法。
什么是鲁棒优化与容差分析
鲁棒优化关注的是：当设计变量、材料参数、载荷或几何尺寸在合理范围内发生波动时，结构的性能是否仍然稳定地满足约束。它不追求在标称点上取得最优的“尖峰解”，而是寻找一个对扰动不敏感、性能退化可控的“平坦解”。与之配套的容差分析则回答另一个问题：给定一组制造公差，最终产品的关键响应（如最大应力、一阶频率、关键点位移）会落在什么区间内，超差风险有多大。
两者关系可以这样理解：容差分析是“评估现状”，告诉你当前设计在公差作用下有多脆弱；鲁棒优化是“改进设计”，通过调整尺寸、形状、材料分布或工艺参数，把设计点从敏感区域迁移到稳定区域。在工程实践中，它们通常交替使用——先做容差分析定位敏感参数，再做鲁棒优化降低敏感度，然后重新评估，形成闭环。
为什么工程上必须做这件事
传统确定性优化在数学上很漂亮，但它隐含一个危险假设：设计变量可以精确取到任意实数值。现实中，一个标称厚度 2.0 mm 的钣金件，实际可能在 1.88～2.12 mm 之间波动；一个标称弹性模量 210 GPa 的钢件，批次差异可能带来 ±3% 的变化。当这些波动同时作用在多个参数上时，响应可能偏离标称值 10% 以上。鲁棒优化与容差分析的价值体现在三个方面：
- 降低批量失效风险：识别哪些公差对关键响应影响最大，把有限的制造精度预算花在真正敏感的参数上。
- 支撑设计决策：在“性能”与“鲁棒性”之间做量化权衡，而不是凭经验留安全系数。
- 缩短试制周期：在数字样机阶段就预判公差带来的性能散布，减少反复修模和试验。
在 OptiStruct 中的定位
Altair OptiStruct 本身以结构优化和有限元求解为核心，其鲁棒优化与容差分析能力通常通过 OptiStruct 的优化流程与 HyperStudy 的随机分析、灵敏度分析、六西格玛设计模块协同完成。典型工作流是：在 OptiStruct 中建立参数化有限元模型并定义设计变量与响应，导出到 HyperStudy 中定义随机变量及其分布（正态、均匀、对数正态等），运行蒙特卡洛抽样或拉丁超立方抽样，得到响应的统计分布和参数灵敏度，再据此调整设计变量或公差分配，回到 OptiStruct 中更新模型并验证。
需要特别说明的是，OptiStruct 的尺寸优化、形状优化和拓扑优化提供的是“确定性最优”的起点，而鲁棒优化是在此基础上叠加“抗扰动”目标。因此本课程不会把两者对立起来，而是把它们看作同一设计流程中的不同阶段。
整体学习路径
本课程按“概念—方法—工具—案例—复盘”的脉络展开，但不会把每一节都写成同样的流程。前几节先建立鲁棒优化与容差分析的数学直觉，包括随机变量、概率分布、均值与标准差、可靠度指标、灵敏度与贡献度等基本概念；随后进入 OptiStruct 与 HyperStudy 的具体操作，包括参数化建模、设计变量与响应定义、随机变量设置、抽样方法选择、结果统计与灵敏度解读；再往后围绕电池包支架案例，完整走一遍“确定性优化—容差分析—鲁棒优化—验证”的闭环；最后讨论常见问题，例如抽样次数不足导致统计量不稳定、灵敏度结果与物理直觉矛盾、约束边界附近的失效概率估计偏差等。
学习过程中建议始终带着三个问题：哪些参数在波动？波动范围多大？波动如何影响我关心的响应？ 只要能持续回答这三个问题，鲁棒优化就不会变成一堆统计公式的堆砌，而会成为可落地的设计判断依据。
案例对象与预期成果
课程贯穿案例选用某新能源车电池包下箱体的钣金支架。该支架通过螺栓与箱体连接，承受电池模组重量和车辆行驶中的惯性载荷。设计关注两个响应：最大 von Mises 应力（要求低于材料屈服强度并留有余量）和一阶固有频率（要求避开路面激励与电机激励频段）。随机变量包括板厚、弹性模量和载荷幅值，分别服从正态分布或均匀分布。
完成本课程后，你应该能够独立完成以下任务：在 OptiStruct 中建立参数化模型并定义设计变量与响应；在 HyperStudy 中设置随机变量与抽样方案；运行容差分析并读取均值、标准差、累积分布和灵敏度图；根据灵敏度结果判断哪些公差需要收紧、哪些可以放宽；以“均值 + k×标准差”或可靠度为目标执行鲁棒优化；最后用新的公差方案重新评估，确认响应散布收窄且约束满足。这套能力可以直接迁移到支架、托架、箱体、底盘件等类似钣金或铸件结构的设计中。