1. 课程导入与误差全景
在仿真驱动的工程设计中，我们常听到一句话：“模型算出来的结果和试验对不上。”但“对不上”本身并不是一个可操作的结论。真正需要回答的是：偏差来自哪里？是物理模型本身选错了形式，是网格离散不够细，是参数取值不准，还是边界条件给错了？《模型结构误差识别与量化》这门课要解决的，正是把“对不上”拆解成可识别、可量化、可追溯的误差成分。
本节作为全课程导入，先建立一张“误差全景图”：明确什么是模型结构误差，它与数值误差如何区分，各类误差在仿真链路中出现在哪个环节，以及后续 30 章将按什么路径逐一攻克。
一、什么是模型结构误差
模型结构误差（model structure error）指由于所选数学模型的形式与实际物理系统不一致而产生的系统性偏差。它不随网格加密或迭代收敛而消失，反而会在数值误差被压到足够小之后清晰地暴露出来。举例来说：用线性弹簧描述一个实际存在间隙与摩擦的支撑结构，无论网格多细、求解器多精确，在大变形工况下结果都会系统性偏离试验值——这部分偏差就是结构误差。
与之相对，数值误差是求解同一数学模型时由离散化、截断、舍入和迭代不充分引入的误差。它的典型特征是：随网格加密、时间步减小、收敛容差收紧而单调减小。二者的关键区别可以概括为：数值误差是“算得不够好”，结构误差是“模型本身就不对”。
需要强调的是，实际工程中两类误差往往耦合在一起。若数值误差尚未收敛，结构误差就会被掩盖或误判。因此识别结构误差的前提，是先让数值误差进入可接受区间——这也是本课程方法论的第一条原则：先分离，再归因。
二、误差来源分类
按仿真建模的实际链路，模型结构误差主要来自四类源头，它们分别对应建模过程中的不同决策点：
- 模型形式误差：本构关系、控制方程或简化假设与实际物理不符。如把湍流当作层流处理、忽略接触非线性、用集中质量代替分布质量。
- 离散化误差：这里特指“离散方案选择”带来的结构性偏差，例如用一阶单元描述弯曲主导问题、用集总参数代替分布参数系统。它与纯数值离散误差的区别在于：即使网格无限细，方案本身的近似阶次仍会留下偏差。
- 参数误差：材料参数、几何尺寸、载荷系数等取值不准。注意参数误差与结构误差的界限——若模型形式正确而仅参数标定不准，属于参数误差；若参数无论怎么标定都无法拟合全工况，则往往指向模型形式问题。
- 边界条件误差：约束方式、接触设置、远场条件、热/流边界与实际工况不符。工程中大量“模型对不上”的案例最终归因于边界条件，而非本构。
下图给出这四类误差在“实际系统 → 数学模型 → 离散模型 → 数值解”链路中的位置，以及与数值误差的分界关系。
三、一个可操作的区分示例
假设某悬臂梁端部受集中力，试验测得端部挠度为 2.40 mm。我们建立有限元模型，得到 2.05 mm，偏差约 14.6%。如何判断这 14.6% 属于哪类误差？可以按以下顺序做分离：
- 网格收敛检查：将单元尺寸从 10 mm 依次减到 5 mm、2.5 mm，若挠度从 2.05 → 2.09 → 2.10 mm 趋于稳定，说明数值离散误差已压到约 0.5% 以内，剩余约 12.5% 的偏差不能再用加密解释。
- 参数敏感性检查：把弹性模量在合理范围内（如 ±10%）扫描，观察挠度能否覆盖 2.40 mm。若需要把模量调高 30% 才能对上，而材料证书不支持该取值，则参数误差不足以解释全部偏差。
- 边界与形式排查：检查约束是否把实际存在的根部柔性当作理想固支，检查是否忽略了剪切变形。若梁的长细比处于中短梁范围，Euler-Bernoulli 梁假设本身就会带来系统性偏软或偏刚——这就是模型形式误差。
这个例子说明：结构误差的识别不是靠单次对比，而是靠“改变某个因素、观察残差是否随之消失”的排除法。后续章节将把这种排除法系统化为可量化的流程。
四、课程目标与学习路径
本课程的目标可归纳为三层能力：能识别——面对一个偏差，能判断它更可能来自哪类误差；能量化——能用收敛性分析、敏感性分析、模型对比等手段给出误差量级估计；能决策——能判断该误差是否影响工程结论，是否需要修正模型或调整使用边界。
学习路径按“概念 → 方法 → 实操 → 综合”推进：先建立误差分类与分离原则（本章及后续基础章），再逐一深入模型形式、离散化、参数、边界条件四类误差的识别与量化技术，随后进入误差传播与不确定度评估，最后通过综合案例完成从“发现偏差”到“给出可信结论”的闭环。建议学习时始终带着一个自己的仿真案例，把每章方法即时套用到该案例上，形成个人化的误差排查记录。
需要提前建立的一个认知是：结构误差不可能被完全消除。任何模型都是对现实的简化，课程追求的不是“零误差”，而是“误差可知、可控、可接受”。当我们能说清一个结果“偏了多少、为什么偏、在什么工况下会偏得更多”，仿真才真正具备了支撑工程决策的资格。