1. 课程导入与相关性验证全景

在汽车碰撞安全、电池包挤压、跌落冲击、爆炸防护等工程领域,CAE 工程师几乎都会遇到同一个问题:仿真算出来的结果,和试验测出来的结果,到底能不能对上?如果对不上,是模型错了,还是试验本身有问题?LS-DYNA 试验仿真相关性验证(Correlation & Validation)就是回答这个问题的系统性工作。它不是简单地把两条曲线叠在一起看像不像,而是通过一套可追溯、可量化、可复现的方法,判断仿真模型是否具备预测能力,并给出模型可信度的边界。

一、什么是相关性验证

相关性验证的核心,是建立“试验—仿真”之间的定量映射关系。它包含三个层次:

  • 相关性分析(Correlation):把试验与仿真的物理量放在同一时间轴、同一坐标系下比较,例如加速度、位移、力、应变、能量等。
  • 模型确认(Validation):判断仿真模型在特定工况、特定响应量上是否达到可接受的误差水平。
  • 模型校准(Calibration):当误差超限时,识别并调整关键参数,使模型响应向试验靠拢,但不得为了“凑曲线”而牺牲物理合理性。

需要特别强调的是:相关性验证不是“让曲线好看”,而是“让模型可信”。一个经过校准后曲线高度重合、但参数明显违背物理常识的模型,在工程上比一个误差稍大但机理正确的模型更危险。

二、工程价值与典型场景

相关性验证的工程价值体现在四个层面:降低试验成本(用已验证模型替代部分物理试验)、缩短开发周期(早期发现设计缺陷)、支撑法规认证(如 C-NCAP、Euro NCAP 对仿真可信度的要求)、积累企业知识资产(形成可复用的材料卡、连接模型、边界条件库)。

典型场景包括:整车正面 100% 刚性墙碰撞中 B 柱加速度波形对比;电池包底部球击工况中箱体侵入量与电压降响应对比;手机跌落中 PCB 板应变峰值与失效位置对比;爆炸冲击波作用下防护门位移时程对比。这些场景的共同点是:试验可测、仿真可算、响应量对设计决策敏感。

三、整体流程全景

一个完整的相关性验证项目通常包含六个阶段:试验策划与数据采集、仿真建模与求解、数据预处理与对齐、相关性量化评价、参数校准与迭代、验证报告与模型冻结。下图给出了这六个阶段之间的数据流与判断关系。

LS-DYNA 试验仿真相关性验证全景流程 ① 试验策划与采集 传感器布置 / 采样率 滤波等级 / 触发时刻 ② 仿真建模与求解 材料卡 / 接触 / 边界 *MAT / *CONTACT ③ 数据预处理对齐 时间零点 / 滤波 / 坐标 单位统一 / 通道匹配 ④ 相关性量化评价 COR / 峰值误差 / 相位 能量 / 侵入量 / 失效 ⑤ 参数校准与迭代 屈服 / 硬化 / 失效应变 摩擦 / 阻尼 / 接触刚度 ⑥ 验证报告与冻结 误差表 / 适用范围 模型版本 / 置信边界 误差达标? COR≥0.85 否 是 返回校准,重新求解 关键输入与输出对照 试验:加速度 / 力 / 位移 仿真:d3plot / binout 对齐:同滤波等级 评价:COR / 峰值 / 相位 常见误区:① 用不同滤波等级直接对比;② 只比峰值不看波形;③ 为凑曲线调参数;④ 忽略试验不确定度;⑤ 单工况验证即宣称模型通用。 判断依据:COR ≥ 0.85 且峰值误差 ≤ 15% 通常可作为工程可接受门槛,但需结合响应量类型与安全裕度综合判定。

四、关键量化指标

相关性评价不能只看“像不像”,而要落到具体指标。工程上最常用的包括:

指标含义典型可接受范围(示例)
COR(相关系数)两条曲线形状的线性相关程度≥ 0.85(加速度类)
峰值误差试验峰值与仿真峰值之差相对试验峰值的百分比≤ 15%
峰值时刻误差峰值出现时间的偏差≤ 5 ms 或 ≤ 5% 总时长
能量误差总吸能或关键部件吸能偏差≤ 10%
侵入量误差关键测点最大侵入量偏差≤ 10 mm 或 ≤ 10%

需要说明的是,上表数值属于工程经验参考,并非强制标准。不同企业、不同工况、不同响应量对误差容忍度不同。例如电池包挤压工况中,侵入量误差 5 mm 可能已不可接受;而整车碰撞中 B 柱加速度峰值误差 10% 有时仍可接受。因此,验证前必须与项目相关方约定验收准则。

五、常见误区与避坑要点

初学者最容易踩的坑有五个:

  1. 滤波等级不一致:试验数据按 SAE J211 CFC 60 滤波,仿真却用原始曲线对比,高频振荡会被误判为模型错误。
  2. 时间零点未对齐:试验触发时刻与仿真初始时刻存在偏移,导致相位差被误读为模型响应滞后。
  3. 只比峰值不看波形:峰值接近但波形形状差异大,说明能量吸收路径不同,模型机理可能错误。
  4. 为凑曲线而调参数:把屈服强度、失效应变调到非物理范围,短期曲线好看,长期预测失效。
  5. 忽略试验不确定度:传感器精度、安装位置、夹具刚度都会引入误差,验证时必须纳入考虑。
相关性验证的目标不是“证明模型对”,而是“量化模型在什么条件下、对什么响应量、有多可信”。一个诚实的误差报告,比一条完美重合的曲线更有工程价值。

六、从本章开始的路线