1. 课程导入与相关性验证全景
在工程仿真中，我们经常遇到一个尴尬的场景：CAE 工程师提交了一份应力云图，试验工程师递来一组应变片数据，两者趋势相似但峰值差了 18%。此时，谁对谁错？模型能不能用于后续设计决策？这正是仿真与试验相关性验证（Correlation & Validation）要回答的问题。
相关性验证不是简单地"仿真和试验对上了"，而是一套以工程决策为目标、以量化指标为依据、以模型修正为闭环的系统方法。它的核心定义可以概括为：在明确的工况与边界条件下，通过对比仿真响应与试验响应，量化二者的一致程度，判断模型是否具备预测能力，并在必要时定位偏差来源、修正模型、再次验证。
为什么相关性验证是工程决策的"通行证"
仿真模型的价值不在于"能算"，而在于"算得可信"。在产品开发中，相关性验证至少承担三类决策支撑：
- 设计放行：模态频率误差控制在 5% 以内、关键测点峰值误差小于 10%，模型才可用于评估改型方案；
- 试验减量：当模型通过验证后，可用仿真替代部分物理试验，降低样机轮次与试验成本；
- 故障归因：当产品出现异常振动或失效时，经过验证的模型可用于反推载荷路径与薄弱环节。
反之，未经相关性验证的模型，其云图再漂亮也只能作为"参考"，不能作为签字依据。
从试验设计到模型修正的完整工作流
相关性验证不是"算完再比"的末端动作，而是贯穿试验与仿真的并行流程。一个可复现的工作流通常包含六个环节：
- 明确验证目标与工况：确定要验证的是模态、频响、静强度还是瞬态冲击，并锁定载荷、边界与温度条件；
- 试验设计（DoE）与测点布置：根据模态振型或应力梯度选择激励方式（锤击、激振器、振动台）与传感器位置，避免测点落在节点或低灵敏度区；
- 仿真建模与工况复现：在 Abaqus 中建立几何、材料、连接与边界，确保仿真工况与试验工况一一对应；
- 数据预处理与对齐：统一采样率、滤波带宽、坐标系与单位，完成时域对齐或频域变换；
- 相关性指标计算与判读：计算 MAC、频率误差、峰值误差、RMS 误差等，判断是否满足预设阈值；
- 模型修正与再验证：定位偏差来源（材料参数、连接刚度、阻尼、边界条件），修正后重新计算并复验。
工作流的关键在于"闭环"：没有修正与再验证，相关性分析就退化为一次性的对比报告，无法提升模型预测能力。
常用评价指标：从"像不像"到"差多少"
相关性验证需要量化语言。工程中最常用的四类指标各有分工：
| 指标 | 物理含义 | 典型判据（示例） |
|---|---|---|
| MAC（模态置信准则） | 仿真与试验振型向量的相关性，取值 0~1 | MAC > 0.9 认为振型一致 |
| 频率误差 | (f_sim − f_test)/f_test × 100% | 前若干阶 |误差| < 5% |
| 峰值误差 | 响应峰值相对偏差 | 关键测点 < 10%~15% |
| RMS 误差 | 整体能量或幅值均方根偏差 | 用于随机振动、噪声等宽带响应 |
需要强调的是，没有单一指标可以包打天下。MAC 高但频率误差大，说明振型对但刚度不对；频率对但峰值差，说明阻尼或载荷幅值需要修正。指标之间要交叉判读。
课程路线图
本课程共 30 章，整体按"基础—指标—实操—修正—综合"递进展开：
- 基础篇：相关性验证的定义、价值、工作流与指标体系；
- 指标篇：MAC、频率误差、峰值误差、RMS 误差的计算方法与 Abaqus 实现；
- 实操篇：模态试验与仿真对标、频响函数对比、静力与冲击工况验证；
- 修正篇：材料参数、连接刚度、阻尼与边界的灵敏度分析与模型修正；
- 综合篇：完整案例从试验设计到报告输出，形成可复用的验证规范。
下面这张图概括了从试验设计到模型修正的完整闭环，以及四类核心指标在流程中的位置。后续章节将围绕图中每一个环节展开。