3. 工程模型与输入空间定义

Morris 筛选的结论是否可信，首先不取决于采样算法，而取决于输入空间定义得是否合理。所谓输入空间，就是由全部输入因子及其取值范围、离散化水平共同张成的那块“参数盒子”。如果盒子画错了——漏掉关键因子、范围给得过宽或过窄、离散水平与物理分辨率不匹配——后续的轨迹采样、基本效应计算和排序都会建立在错误前提上。本节围绕“因子怎么选、范围怎么定、离散化怎么设、输出指标怎么取”四个环节展开，并给出可直接套用的定义表。

一、输入因子：从物理机理与设计边界中提取

输入因子不是把所有可调参数一股脑列进去，而是筛选出“对输出有实质影响、且工程上允许变动”的量。建议按三条线索提取：其一，物理机理链上的主导参数，例如传热模型中的导热系数、对流换热系数、发射率；其二，设计或工艺允许波动的参数，如几何公差、装配间隙、材料批次差异；其三，运行工况参数，如入口温度、流量、环境压力。对每个候选因子追问一句“它变化 10% 时，输出是否可能变化到可观测程度”，若答案是否定的，可先排除，避免因子数膨胀导致轨迹数激增。

同时要区分可控因子与噪声因子。Morris 筛选通常把二者都纳入输入空间，但需在记录中标注类型，因为后续若要做稳健性分析，噪声因子的处理方式不同。因子命名应使用模型或实验中的真实变量名（如 k_ins、h_conv、T_in），并注明单位，避免“参数1、参数2”这类无法追溯的代号。

二、取值范围：用物理约束与工程公差共同裁剪

范围定义的核心是“既不越界，也不浪费”。下限与上限应来自三类依据：物理可行性（如发射率只能在 0～1 之间）、设备能力（如加热功率上限）、工程公差带（如间隙设计值 ±0.2 mm）。对于缺乏先验的因子，可先用较宽范围做一次粗筛，再根据基本效应分布收窄，但首轮范围必须有书面依据，不能凭感觉给。

一个常见错误是把范围设得过宽，导致模型进入非线性强、甚至物理上不成立的区域，基本效应被极端值主导，排序失真。另一个错误是范围过窄，因子效应淹没在数值噪声中。经验做法是：以名义值为中心，取工程上可能出现的最大偏差作为半宽；若该偏差小于输出测量分辨率的对应影响，则说明该因子在本轮筛选中可暂不纳入。

三、离散化水平：与轨迹设计和分辨率匹配

Morris 方法把每个因子在范围内离散为若干水平，轨迹在水平网格上跳转，基本效应由相邻水平间的输出差除以步长得到。离散水平数 p 通常取 4～8，水平数越多，单步变化越小，越能捕捉局部灵敏度，但轨迹长度和计算量也随之上升。水平应等间距分布，端点包含范围上下限，即水平值为 x_min + i·(x_max−x_min)/(p−1)，i=0…p−1。

离散化还要与物理分辨率对齐：若某因子在设备上只能以 0.5 mm 步进调整，而离散网格给出 0.13 mm 的间隔，则网格水平在实验中无法复现，仿真与实验的结论就不可比。因此离散水平应取“工程可设置值”的近似，必要时把网格水平吸附到最近的可设置档位，并在记录中说明吸附规则。

四、输出响应指标：单一标量、可复现、与决策挂钩

Morris 的基本效应是标量对因子的导数近似，因此每个样本必须映射为一个确定的标量输出。输出指标应满足三点：可稳定复现（同一输入多次运行差异小于筛选所需分辨率）、与工程决策直接相关、量纲明确。常见选择包括峰值温度、最大应力、总换热系数、效率、压降、失效概率等。若关心的是整条曲线而非单点，可先提取曲线特征量（如升温速率、超调量、稳态误差）作为标量，而不是把整条曲线直接塞进筛选。

对仿真模型，还要固定与因子无关的其余设置（网格、求解器容差、边界条件类型），否则输出波动会被误判为因子效应。建议在正式筛选前做一次“零因子变动”重复运行，记录输出标准差 σ_run；若某因子的基本效应量级与 σ_run 相当，则该因子在本轮筛选中应判为不显著。

五、可直接套用的输入空间定义表

下表以某电子散热仿真模型为例（示例参数，非实测），给出定义表的推荐字段。实际项目中每个因子占一行，范围与离散水平须有依据栏，输出指标单列说明。

输出指标定义为 T_max（芯片结温峰值，K），采样时刻取稳态后 60 s 平均值；求解器容差固定为 1e-6，网格无关性已验证。按此定义，6 个因子、p=5、轨迹数 r=10 时，总运行次数为 r(p+1)=60 次，可在数小时内完成首轮筛选。

至此，输入空间已从工程对象转化为一张可执行的定义表：因子有名字、有单位、有类型，范围有依据，离散水平与设备分辨率对齐，输出指标是单一可复现标量。下一步的轨迹采样与基本效应计算，都将以这张表为唯一边界。