4. 参数敏感性分析与可辨识性评估

在热传导参数逆向辨识中，一个常见的误区是：只要温度数据足够多、优化算法足够强，所有热物性参数都能被反演出来。实际工程中却经常出现“拟合很好、参数全错”的现象——两个参数同时偏大或偏小，温度曲线几乎不变，优化器在参数空间里沿一条“脊线”滑动，最终收敛到一组物理上并不正确的组合。要避免这种盲目反演，必须在反演之前先回答两个问题：哪些参数对温度输出影响大？哪些参数组合在给定测点布置下彼此可分？这正是敏感性分析与可辨识性评估要解决的问题。

局部敏感性：在名义点附近看斜率

局部敏感性分析考察的是在某一组名义参数附近，输出对单个参数的偏导。设温度测点输出为向量 T(p)，参数向量为 p = [λ, ρc, h, q]（导热系数、体积热容、对流换热系数、热流密度），则参数 p_i 的局部灵敏度可写为 S_i = ∂T/∂p_i。工程上更常用无量纲形式 S_i* = (∂T/∂p_i)·(p_i/T)，便于跨量纲比较。

实际操作中，偏导通常用中心差分近似：对每个参数施加 ±1% 的扰动，各跑一次正问题，得到 S_i ≈ (T(p_i+Δp_i) − T(p_i−Δp_i)) / (2Δp_i)。把各参数、各测点、各时刻的灵敏度排成矩阵，就是灵敏度矩阵 J。局部方法的优点是计算量小（参数个数 × 2 次正问题），能快速给出“谁重要”的排序；缺点是只反映名义点邻域，强非线性问题下结论可能随工作点漂移。

全局敏感性：Sobol 指数看方差贡献

当参数变化范围较大、模型非线性明显时，应改用全局敏感性分析。Sobol 方法把输出方差分解为各参数及其交互项的贡献：一阶指数 S_i 表示参数 p_i 单独解释的方差比例，总效应指数 S_Ti 还包含该参数与其他参数的所有交互作用。判断规则很直接：S_Ti 接近 0 的参数，无论怎么反演都几乎不影响温度，应固定为已知值或直接剔除；S_i 高但 S_Ti 远大于 S_i 的参数，说明它主要通过交互起作用，单独辨识风险较大。

Sobol 指数一般用 Saltelli 采样估计：为 k 个参数构造两个 N×k 的采样矩阵 A、B，再构造 k 个混合矩阵 A_B^(i)（第 i 列取自 B，其余取自 A），共需 N(k+2) 次正问题计算。示例中取 N=1024、k=4，约 6144 次一维瞬态导热计算，对教学规模的模型完全可接受。参数范围需按物理合理性设定，例如 λ∈[10,60] W/(m·K)、ρc∈[1.5,4.0]×10⁶ J/(m³·K)、h∈[20,200] W/(m²·K)、q∈[5,50] kW/m²。

从敏感性到可辨识性：条件数与相关结构

敏感性高只是可辨识的必要条件，不是充分条件。若两个参数的灵敏度列向量近似平行，即 S_i ≈ c·S_j，则它们对温度的影响可以互相补偿，此时灵敏度矩阵 J 接近秩亏，最小二乘解对噪声极其敏感。量化指标是 J 的条件数 κ = σ_max/σ_min：κ 在 10 以内说明参数间近似正交、辨识稳定；κ 超过 10³ 则属于病态问题，必须通过增加测点、改变测点位置或延长观测时间改善。

一个典型的耦合案例是表面热流 q 与对流换热系数 h。在单侧加热、背面测温的布置下，两者都主要影响温升幅值，灵敏度曲线形状高度相似，相关系数可达 0.9 以上。此时若强行同时反演 q 和 h，优化器会把误差在两者之间随意分配。可行的处理有三种：其一，用独立实验（如风洞或稳态法）先标定 h，反演时将其固定；其二，在靠近加热面的浅层增加一个测点，利用 h 影响表层、q 影响整体的差异拉开灵敏度方向；其三，采用分组反演，先辨识 λ 与 ρc，再固定它们反演边界参数。

伴随法：高维参数下的高效梯度

当参数维度较高（例如功能梯度材料沿厚度离散出几十个导热系数节点）时，逐参数差分需要与参数个数成正比的正问题次数，代价过高。伴随法通过求解一个伴随方程，用一次正问题加一次伴随问题的计算量获得输出对全部参数的梯度。对瞬态导热问题，伴随方程是时间反向的导热方程，源项由测点残差加权给出。其价值不仅在于加速优化，更在于能一次性给出完整梯度向量，配合灵敏度矩阵的奇异值分解，快速识别哪些参数方向是“几乎不可见的”。

实操建议与常见陷阱

开展敏感性分析时，参数扰动幅度要与实际不确定度匹配：局部差分取 1%～5%，过小会被数值误差淹没，过大会引入非线性偏差。Sobol 分析前应先做参数范围的物理审查，范围设得过宽会人为抬高交互效应。此外，敏感性结论依赖测点布置与观测时间窗，换一套测点必须重新评估，不能把一次分析的结论当作永久结论套用。

把上述流程固化为习惯：先列参数与范围，跑局部差分看排序，再用 Sobol 确认全局贡献与交互，计算灵敏度矩阵条件数判断病态程度，最后才决定反演哪些参数、固定哪些参数、是否需要补充测点。这样得到的反演结果才具备物理可信度，而不是一组“数学上拟合、工程上无意义”的数字。