4. OptiStruct鲁棒优化建模流程

鲁棒优化与常规确定性优化的最大区别，在于它不再把设计参数和工况参数视为"固定值"，而是承认它们存在波动。因此，建模流程的核心任务可以概括为一句话：把"会变的量"和"能调的量"分开，把"波动"翻译成求解器能计算的数学形式，再让优化器在满足约束的前提下，同时压低性能均值与波动幅度。本节按 OptiStruct 的实际建模顺序，依次说明设计变量、随机变量、响应定义、鲁棒目标与约束、求解参数配置，以及结果查看与解读。

一、设计变量与随机变量的区分

在 OptiStruct 中，设计变量（DESVAR）是优化器可以主动调整的量，例如钣金件厚度、加强筋截面尺寸、材料弹性模量的名义值、拓扑单元的伪密度。随机变量则不同，它描述的是"名义值周围不可避免的散布"，例如来料厚度公差 ±0.05 mm、弹性模量批次波动 ±3%、载荷工况的随机偏差 ±8%。

关键点在于：随机变量通常以设计变量的名义值为中心进行定义。也就是说，先由 DESVAR 给出一个名义设计点，再由随机变量在该点附近生成扰动样本。若把两者混为一谈，优化器会试图"调掉"本不可控的波动，导致结果失真。

OptiStruct 中随机变量可通过随机场或随机变量卡片定义，并指定分布类型（正态、均匀、对数正态等）、均值、标准差或变异系数。工程上常用变异系数（COV）而非绝对标准差，便于不同量纲参数统一处理。

二、响应定义：均值响应与标准差响应

鲁棒优化的响应不是单一数值，而是一组统计量。典型做法是：对每个关心的性能量（如最大应力、一阶频率、质量、位移），同时定义其均值响应和标准差响应。OptiStruct 通过抽样（如拉丁超立方或蒙特卡洛）或泰勒展开/矩方法，在每次设计迭代中估计这些统计量。

例如，对最大应力 σ_max，可定义：

RESPONSE, R_SIG_MEAN,  MEAN,   STRESS, PSHELL, 1
RESPONSE, R_SIG_STD,   STDDEV, STRESS, PSHELL, 1
RESPONSE, R_MASS,      MASS
RESPONSE, R_FREQ1_MEAN, MEAN,  FREQ, MODE, 1

这里 MEAN 与 STDDEV 是响应类型关键字，需与随机变量集合绑定。若只定义均值响应，优化退化为确定性优化；若只定义标准差响应，则可能牺牲性能水平换取低波动，通常不可取。

三、鲁棒目标与约束设置

鲁棒目标常见形式是"均值 + 权重 × 标准差"，即 μ + k·σ，其中 k 反映设计者对风险的厌恶程度。k 越大，优化越偏向稳健；k = 0 即退化为均值优化。OptiStruct 中可通过 DRESP 组合或目标函数表达式实现。

约束设置需注意两点：一是约束也应具有鲁棒性，例如要求"应力均值 + 3σ ≤ 许用应力"，而不是仅约束均值；二是要区分硬约束与统计约束，统计约束通常以可靠度或置信水平表达。

四、求解参数配置

求解参数主要涉及抽样方法、样本数、随机种子和收敛判据。样本数过少会导致统计量估计噪声大，优化过程震荡；样本数过多则单次迭代成本高。工程经验是：先用 50～100 个样本做粗筛，最终验证阶段提高到 500～1000 个样本。

此外，需指定优化算法（如 SQP、MMA）、最大迭代次数、设计变量步长以及是否启用并行抽样。若模型含非线性接触或大变形，还应确认抽样过程中每次分析都能正常收敛，否则统计量会被失败样本污染。

五、结果查看与解读

求解完成后，重点查看三类信息：一是设计变量的收敛历史，确认是否稳定在某一平台；二是目标函数与约束的迭代曲线，观察 μ 与 σ 是否同步下降；三是最终设计点的统计分布，如应力直方图、可靠度、最坏工况对应的参数组合。

解读时要避免一个常见误区：鲁棒优化给出的不是"最优值"，而是"在波动下表现最稳的设计"。因此，若发现均值性能略低于确定性优化结果，但标准差显著减小，这通常正是鲁棒优化的预期收益。

上图把建模流程中的对象与数据流串在一起：左侧是"可调"与"不可控"两类输入，中间是抽样与统计量估计，右侧是响应、目标约束与结果解读，底部虚线表示迭代反馈。实际建模时，建议按此顺序逐项检查卡片是否齐全，尤其确认随机变量是否已正确绑定到 MEAN/STDDEV 响应上，这是鲁棒优化能否正常启动的关键。

最后需要强调，鲁棒优化的建模流程不是一次性完成的，而是"定义—试算—检查统计量—调整参数—再试算"的循环。只有确认 μ 与 σ 的估计稳定、约束在波动下仍被满足，最终设计点才具备工程可信度。