2. 尺寸链与公差基础回顾

在进入统计公差与 Monte Carlo 分析之前，有必要把尺寸链的基本概念重新梳理清楚。尺寸链是公差分析的语言，如果对封闭环、组成环、传递系数这些概念理解不到位，后面的统计计算和仿真结果就无从判断对错。本节从尺寸链的组成讲起，逐步过渡到极值法与统计公差的差异，并用一个典型装配案例把概念落到具体数字上。

尺寸链的组成：封闭环与组成环

尺寸链是指在零件加工或装配过程中，由一组相互连接的尺寸首尾相接形成的封闭尺寸组。它的核心特征是“封闭”——从某个表面出发，经过若干尺寸，最终回到起始表面，形成一个完整的回路。这个回路中，每一个尺寸都称为环。

环分为两类。封闭环是装配或加工完成后间接形成的尺寸，它不直接由加工保证，而是由其他尺寸共同决定。组成环是直接获得的尺寸，分为增环和减环。增环增大时封闭环随之增大，减环增大时封闭环随之减小。判断增减环的方法是：在尺寸链图中，沿封闭环方向绕行一周，与绕行方向相同的组成环为减环，相反的为增环。

传递系数 ξ 描述组成环对封闭环的影响程度。对于线性尺寸链，增环的传递系数为 +1，减环为 −1。封闭环的基本尺寸等于所有增环基本尺寸之和减去所有减环基本尺寸之和。这个关系是后续所有公差计算的起点。

极值法公差分析

极值法假设所有组成环同时达到各自的极限尺寸，且方向对封闭环最不利。封闭环的上偏差等于所有增环上偏差之和减去所有减环下偏差之和；封闭环的下偏差等于所有增环下偏差之和减去所有减环上偏差之和。封闭环公差等于所有组成环公差之和。

用公式表达：若封闭环为 L₀，组成环为 L₁ 到 Lₙ，传递系数为 ξᵢ，则

L₀ = Σ ξᵢ · Lᵢ
T₀ = Σ |ξᵢ| · Tᵢ
ES₀ = Σ ξᵢ · ESᵢ  (ξᵢ 为正时取上偏差，为负时取下偏差)
EI₀ = Σ ξᵢ · EIᵢ  (ξᵢ 为正时取下偏差，为负时取上偏差)

极值法的优点是简单、保守，保证 100% 互换性。缺点是当组成环数量较多时，封闭环公差被压得很紧，导致零件加工成本急剧上升。例如 5 个组成环，每个公差 0.1 mm，封闭环公差就是 0.5 mm；如果要求封闭环公差 0.2 mm，每个组成环平均只能分到 0.04 mm，加工难度大幅增加。

统计公差与极值法的差异

统计公差的核心思想是：所有组成环同时达到极限尺寸的概率极低。如果假设各组成环尺寸服从正态分布且相互独立，封闭环的标准差为

σ₀ = sqrt( Σ (ξᵢ · σᵢ)² )

当组成环公差 Tᵢ 与标准差的关系为 Tᵢ = 6σᵢ 时，封闭环公差为

T₀_stat = sqrt( Σ (ξᵢ · Tᵢ)² )

对比极值法的 T₀_worst = Σ |ξᵢ| · Tᵢ，统计法得到的封闭环公差明显更小。仍以 5 个组成环、每个公差 0.1 mm 为例，极值法封闭环公差 0.5 mm，统计法为 sqrt(5 × 0.1²) ≈ 0.224 mm。这意味着在同样的封闭环要求下，统计法允许组成环公差放宽约一倍，加工成本显著降低。

但统计法有前提：组成环必须服从近似正态分布、过程受控、且相互独立。如果某个组成环是偏态分布或存在明显漂移，统计法的结果会失真。因此统计公差不是“更准”，而是“在满足假设的前提下更经济”。

典型装配案例：轴向间隙分析

考虑一个常见的轴系装配：基座内孔深度 L₁ = 50 ±0.10 mm，隔套长度 L₂ = 30 ±0.08 mm，端盖凸台高度 L₃ = 18 ±0.06 mm。装配后要求端盖与隔套之间留有轴向间隙 L₀，这是一个典型的封闭环。

根据尺寸链关系，L₀ = L₁ − L₂ − L₃ = 50 − 30 − 18 = 2 mm。其中 L₁ 为增环，L₂ 和 L₃ 为减环。

用极值法计算：封闭环上偏差 ES₀ = +0.10 − (−0.08) − (−0.06) = +0.24 mm；下偏差 EI₀ = −0.10 − (+0.08) − (+0.06) = −0.24 mm。即 L₀ = 2 ±0.24 mm，间隙范围 1.76～2.24 mm。如果设计要求间隙不小于 1.5 mm 且不大于 2.5 mm，极值法结论是满足要求，但公差带偏紧，零件加工成本较高。

用统计法（RSS）计算：假设各组成环服从正态分布且相互独立，T₀ = √(0.10² + 0.08² + 0.06²) ≈ 0.141 mm。若按 ±3σ 控制，封闭环公差约为 ±0.141 mm，间隙范围约 1.859～2.141 mm。相比极值法，统计法给出的公差带更窄，但这是在 99.73% 置信水平下的结果，意味着约有 0.27% 的装配可能超出范围。

从极值法到统计法的判断依据

选择极值法还是统计法，取决于生产批量、组成环数量、失效后果和过程控制水平。单件小批量、安全关键件、组成环少于 3 个时，极值法更稳妥。大批量生产、组成环数量多、过程受控且失效后果不严重时，统计法能显著降低成本。

实际工程中还有一种折中做法：对关键组成环用极值法控制，对一般组成环用统计法放宽，再通过 Monte Carlo 仿真验证整体合格率。这正是后续章节要展开的内容。本节建立的尺寸链模型、传递系数和公差叠加关系，是 Monte Carlo 仿真的输入基础——没有正确的尺寸链，仿真只会给出看似精确的错误答案。