1. 课程导入与动力系统数值验证概览

动力系统数值模拟已经成为工程设计与科学研究的常规手段：从飞行器姿态控制、电机调速、车辆悬架，到化工反应器、电力电子变换器，工程师往往先在计算机里"跑一遍"，再决定是否制造样机。但一个仿真结果能画出来，并不等于它可信。本课程要解决的核心问题就是：如何判断一次动力系统数值模拟的结果是否足够精确、是否值得相信，以及如何用可复现的方法把这种信任建立起来。

一、动力系统数值模拟的基本流程

典型的动力系统仿真并不是"写个微分方程、点一下求解"这么简单。以一个有代表性的对象为例：某二阶机电伺服系统，其动力学可写为

J·θ̈ + b·θ̇ + k·θ = K·u(t)
参数示例：J = 0.02 kg·m²，b = 0.15 N·m·s/rad
          k = 2.5 N·m/rad，K = 1.2 N·m/V
输入：u(t) = 1 V 阶跃，仿真时长 2 s

完整流程通常包含五个环节：物理建模（把真实系统抽象为状态方程或传递函数）、参数获取（辨识、查表或标定）、离散化与求解（选择数值积分方法和步长）、结果后处理（提取超调量、调节时间、稳态误差等指标）、结果评估（与解析解、实测或高精度参考解比对）。其中任何一个环节出问题，都可能让曲线"看起来正常"却偏离真实。例如上例若用显式欧拉法、步长取 0.05 s，系统最快时间常数约 0.01 s 量级，步长已接近甚至超过稳定边界，结果会出现虚假振荡——这正是数值精度问题，而不是物理系统本身的行为。

二、精度与可信度：两个不同层次的概念

精度（accuracy）描述数值解与"真解"之间的偏差大小，是可量化的：绝对误差、相对误差、收敛阶、能量漂移量等。它回答"算得准不准"。精度问题主要来自截断误差（离散化引入）、舍入误差（浮点运算）以及模型参数误差。

可信度（credibility）描述的是"我们有多大把握认为这个模型及其结果能代表真实系统在关注场景下的行为"，它比精度更宽：一个高精度的求解器，如果模型本身漏掉了关键非线性（如饱和、死区、摩擦），结果依然不可信。可信度回答"信不信得过"，需要证据链支撑——模型假设是否合理、参数是否有来源、数值误差是否受控、是否经过独立数据检验。

三、验证与确认：V&V 的分工

在建模与仿真领域，验证（Verification）与确认（Validation）是两个常被混用的词，但职责清晰：

• 验证：我们是否正确地求解了方程？关注数学与数值实现，包括代码是否正确、离散是否收敛、步长是否足够小。常用手段有网格/步长收敛性研究、与解析解对比、代码交叉比对、守恒量检查。
• 确认：我们求解的是否是正确的方程？关注模型与真实世界的一致性，需要实验数据或现场数据作为参照，评估模型在应用场景内的预测能力。

二者顺序上通常先验证后确认：如果连方程都解错了，拿它去和实验比毫无意义。下面的图示把本节的核心概念关系、流程环节与两类证据链放在一张图中，便于建立整体框架。

四、本课程的学习路径与实战项目背景

围绕上述框架，本课程按"概念—方法—工具—案例—复盘"的递进组织，但不会把每一节都做成同一种流程。整体路径大致分为四段：

1. 基础概念段：精度、误差来源、收敛阶、稳定性、V&V 术语体系，建立共同语言。
2. 数值方法段：显式/隐式积分、刚性系统处理、步长控制、事件检测、守恒性保持，重点讲清"什么系统该用什么方法、步长如何定"。这部分会结合参数关系与稳定性边界展开，而不是罗列公式。
3. 可信度构建段：参数辨识与不确定性传播、敏感性分析、模型确认实验设计、结果判读与置信区间。
4. 综合实战段：以一个贯穿课程的动力系统案例为主线，完成从建模、求解、验证、确认到形成可信结论的完整闭环。

实战项目背景设定为一个机电伺服位置跟踪系统：包含转动惯量、阻尼、刚度、驱动增益，并引入饱和与库仑摩擦两类非线性。项目要求学员在给定阶跃与正弦跟踪工况下，回答三个问题：数值解是否收敛、模型是否能复现实验响应、在参数存在 ±10% 不确定度时结论是否依然成立。这三个问题恰好对应精度、确认与可信度三个层次，也是后续各章反复使用的分析主线。

学习本课程后，你应当能够针对一个具体动力系统，独立设计数值实验、量化数值误差、组织确认证据，并对"这个仿真结果能不能用于设计决策"给出有依据的回答，而不是停留在"跑通了"的层面。