跳转至

05 仿真、优化与相关性验证

本章解决的问题

仿真 simulation、优化 optimization 和相关性验证 correlation 的目的不是把模型做得越复杂越好，而是用合适的模型回答清楚的设计问题，并把结论转化为可检查的设计动作。快速预览层见 06 仿真与优化。本章进一步说明：如何从手算、表格、K&C、二自由度 2-DOF 操稳模型、四分之一车 quarter-car、多体动力学 multibody dynamics、刚柔耦合 rigid-flex 到整车 full-vehicle 模型逐层升级；如何管理输入版本、目标函数、约束和灵敏度；以及如何用实车数据反过来修正模型。

本章回答以下问题：

本章保留通用模型框架、评审逻辑和安全边界。历史仿真结果表、具体车辆编号、源图、源表、原始测试数据、精确硬点、私有轮胎系数和可重建历史车辆的参数组合应放在项目记录中。

公开来源审计结论

本章按 参考资料：章节引用索引 和本轮公开来源调查中的仿真条目写作。公开来源能支撑模型层级、参数管理和 correlation workflow，但不能给出本车参数、硬点、目标权重或通过阈值。

来源角色 本章吸收的工程逻辑 使用边界
MathWorks / Simscape 官方资料 Formula Student 全车模型可把 suspension、tire、maneuver、GGV、open / closed-loop 输入和参数变化放入统一 workflow 软件资料说明工具能力和输入输出，不代表模型已经被测试验证；MATLAB / Simulink / Simscape 也不是唯一工具栈
MDPI MBD set-up optimization set-up study 应区分 fixed parameters 和 adjustable parameters，并用定义清楚的 event、metric 和测试数据调试模型 论文中的车辆、setup 和结果只作案例；不能把单车优化结果泛化
Purdue MBD suspension thesis MBD 可用于 camber、toe、motion ratio、roll-center 和 maneuver response 的模型搭建与敏感性检查 不复用团队参数，不假设模型适用于其它车辆
Cincinnati Amesim 项目 仿真与实车数据要在相同赛道 / 场景下比较，才能讨论动态响应相关性 只采用 correlation 组织方式，不采用任何通用参数结论
MIT kinematics optimization 几何优化要显式写 objective function、constraint、weight、退出条件和不可复制的项目边界 目标函数和硬点结果不是 universal target
DesignJudges conceptual / objective design 仿真必须服务车辆概念、目标和可解释证据，而不是孤立的局部曲线 作为评审视角，不是官方规则或强制流程

这些来源共同指向同一条纪律：仿真先回答设计问题，再给出可执行动作；测试相关性用于判断模型在哪些工况可信，不能把“仿真曲线接近实车曲线”简化成实车证明。

模型分层

模型分层的核心原则是：先用透明模型建立数量级和物理直觉，再用更高保真模型处理耦合问题，最后用实车数据做相关性验证。复杂模型不能替代简单检查，也不能替代测试；它只是让更多输入和耦合关系在同一个框架里被计算。

模型 回答的问题 输入 输出 不适合回答的问题
手算与表格 hand calculation / spreadsheet 载荷转移、偏频、侧倾刚度分配、初始目标是否在合理数量级 质量、质心、轴距、轮距、角重、轮端刚度、轮胎简化参数 一阶载荷、频率、刚度比例、敏感性趋势 非线性轮胎、瞬态驾驶输入、复杂包络和柔性结构
K&C 几何模型 硬点变化如何影响 camber、toe、roll center、bump steer、Ackermann 和轮心路径 硬点、轮胎外形、转向系统、行程、约束和坐标系 轮端运动曲线、几何指标、包络风险 轮胎饱和、车手输入、气动耦合和真实柔度
二自由度 2-DOF 操稳模型 小侧偏线性区内的横摆 yaw 与侧向响应趋势 质量、质心到前后轴距离、横摆惯量、速度、前后侧偏刚度 稳态转向趋势、yaw-rate response、侧偏角趋势 极限工况、联合滑移、强非线性轮胎和大侧倾
四分之一车 / 半车模型 quarter-car / half-car 垂向、俯仰、阻尼和轮胎动态载荷的基础趋势 簧上 / 簧下质量、轮端刚度、轮胎刚度、阻尼曲线、路面输入 车身加速度、悬架行程、轮胎动载、阻尼器速度 左右耦合、转向输入、整车操稳和轮胎横纵耦合
侧倾与简化整车模型 侧倾角、前后侧倾刚度分配、轴内载荷转移和稳态平衡 轮距、质心高度、roll center、弹簧 / 防倾杆、轮胎载荷敏感性 侧倾梯度、前后轮荷趋势、稳态平衡判断 瞬态横摆、复杂悬架几何和车手输入细节
多体动力学 multibody 硬点、轮胎、弹簧阻尼、转向和质量属性耦合后的运动与力 硬点、质量惯量、轮胎模型、阻尼曲线、控制输入、工况 姿态、轮荷、轮胎力、关节力、K&C 与操稳输出 输入不可信时的定量结论、结构局部应力和制造公差
刚柔耦合 rigid-flex 构件柔性对轮端姿态、载荷路径和关键节点力的影响 多体模型、柔性体、连接约束、材料和边界假设 载荷路径、柔性变形、接口力、结构校核输入 未验证材料 / 边界下的强度证明和疲劳寿命承诺
整车 / 圈速模型 full-vehicle / lap simulation 轮胎、气动、动力、制动、控制和赛道策略的整体趋势 轮胎、质量、气动、动力、制动、控制、赛道和车手模型 圈速趋势、G-G 边界、能量 / 制动需求、参数排序 没有测试相关性时的绝对性能宣称
实车相关性验证 test correlation 模型是否能解释真实车辆，哪些输入需要更新 传感器数据、胎温胎压、角重、车手反馈、测试工况记录 correlation 报告、模型更新、下一轮测试计划 替代完整设计计算或掩盖测试条件变化

每一层模型都应写清模型边界 model boundary。边界至少包括：适用工况、坐标系、单位、输入来源、忽略的物理现象、输出可信度和需要测试验证的问题。若模型只用于趋势判断，应明确写成趋势判断；若输入来自估算，应把结果标为待验证。

RCVD 风格的模型层级边界

RCVD 风格的方法常把车辆问题拆成稳态、前后轴、force-moment、g-g、瞬态和整车相关性等层级。它们的价值在于帮助团队知道“当前结论来自哪种模型边界”，而不是把某一张图或某一个求解器当成魔法证明。公开文档中应把模型用途、误用边界和验证需求写在一起。

模型层级 适合用途 必须避免的误用
稳态简化模型 快速理解 understeer / oversteer 趋势、前后轴分配和参数敏感性 直接宣称瞬态操稳、赛道圈速或结构安全
前后轴 pair analysis 比较前后轮胎工作点和载荷分配趋势 忽略轮胎数据范围、气动和实车柔度
force-moment / g-g 分析 观察整车极限包络和横纵向耦合趋势 把图形边界当作没有测试支持的真实极限
多体动力学模型 检查 K&C、参数变化、整车响应和导力输入 忽略输入版本、约束假设和实车相关性
实车相关性模型 用测试数据修正模型可信度 用少量测试点证明全部工况正确

稳态 steady-state 和瞬态 transient 结论应在公开文档中分开标注。稳态分析可以支持趋势、平衡和参数敏感性的讨论；瞬态分析才讨论输入建立、延迟、过冲、阻尼和车手可感知响应。若一个结论来自稳态模型，就不要直接写成瞬态手感或赛道表现；若瞬态模型缺少轮胎松弛、阻尼器曲线、转向柔度或车手输入验证，也只能作为待相关性验证的趋势。

公开资料交叉验证后的仿真原则

多篇公开 FSAE / Formula Student 悬架论文和项目案例呈现出一致的流程：先做规则和目标分析，再讨论 tire behavior、CAD 包络、几何与部件方案，随后用 multibody dynamics 或同类模型检查 kinematics / dynamics，最后用测试或赛道数据做 correlation。这个公开脉络支持本手册的分层写法：仿真不是起点，也不是终点，而是把目标、轮胎、几何、簧上参数和结构载荷连接起来的证据工具。

交叉验证后，本仓库采用以下写作原则：

原则 文档写法 需要避免
规则和目标先行 每个模型都写明服务哪个 design question，以及哪些规则、包络和接口是不可违反的 constraint 先建整车模型，再倒推它能回答什么
tire data 驱动几何和 set-up 轮胎模型、外倾、胎压、侧倾刚度和制动/驱动边界必须在同一输入版本下评审 把 tire model 当黑箱，或者用静态轮荷替代动态轮荷
CAD / MBD 互相校验 CAD 负责装配、干涉和制造；MBD 负责轮端运动、关节力和组合工况趋势 只看 MBD 曲线，不检查车上能否装、能否测、能否维护
fixed 与 adjustable 参数分开 质量、质心、硬点和车架接口等冻结参数，与胎压、camber、toe、防倾杆、阻尼等 set-up 参数分开管理 优化时把不可调参数当成赛场调校变量
简化假设显式记录 若模型把 chassis、suspension links 或 joints 视为刚体，应写清 compliance 被忽略或只做定性风险判断 把刚体模型输出当作柔度或结构安全证明
correlation 是闭环证据 用相同测试场景对比方向盘角、加速度、轮速、制动压力、悬架位移、胎温胎压和车手反馈 用单次仿真或单次测试强行校准出“看起来正确”的模型

从设计问题到设计动作

仿真任务应先写成可审计的链路，而不是“跑一个模型”。推荐记录格式如下：

链路环节 必须写清 不合格信号
design question 本次要支持的决策，例如硬点冻结、弹簧选择、载荷工况、测试计划或 setup 方向 只写“做整车仿真”或“看操稳”
model layer 为什么选择 spreadsheet、K&C、2-DOF、quarter-car、MBD、rigid-flex 或 full vehicle 模型层级高，但不能说明比简单模型多回答了什么
input version 轮胎、硬点、质量、CG、惯量、弹簧阻尼、气动、制动、控制和工况版本 输入来自不同阶段，却没有说明冻结状态
sanity check 数量级、单位、符号、左右镜像、动画、自由体图或简化模型对照 只看 solver 成功和曲线平滑
DOE / optimization 变量、范围、objective、constraint、weight、停止条件和 rejected alternatives 优化变量越过包络 / 数据 / 制造边界
design action 采用、拒绝、补测试、补结构校核或降级为待验证趋势 仿真结束后没有改变任何设计或验证计划
downstream handoff 传给结构的载荷、传给测试的预测通道、传给答辩的证据边界 下游只收到图片，没有版本、工况和坐标定义
correlation 在同一测试场景下比较趋势、相位、符号、数量级和差异原因 用“曲线差不多”代替传感器、场景和输入审查

公开案例中的性能提升、相关性百分比或具体车辆参数不应被照搬成本仓库的通用结论。更有价值的是它们反复出现的工程结构：输入版本清楚、模型边界清楚、测试场景清楚、差异解释清楚。

公开 MBD 案例还提醒团队把“不可调输入”和“赛场 set-up”分开。质量、质心、悬架 attachment points、车架接口和部分几何约束通常应视为 fixed parameters；胎压、camber、toe、roll stiffness、brake balance、阻尼或防倾杆状态才可能进入 adjustable set-up。若优化器把固定参数当成赛场可调变量，输出可能很漂亮，但不会变成可执行调校。

fixed / adjustable / derived / measured 参数管理

仿真参数至少分成四类。四类参数可以互相影响，但不能在记录中混用：fixed 是当前设计冻结或接口约束，adjustable 是赛场或测试中可重复改变的设定，derived 是模型输出或后处理量，measured 是来自实车或台架的输入证据。

参数类别 示例 可以做什么 不能做什么
fixed parameters 已冻结 hardpoints、车架 pickup、upright / hub / wheel package、wheelbase / track、主要质量 / CG / inertia 版本、制动和动力系统接口 作为模型输入、约束和版本边界；设计变更需回到几何、结构和整车接口评审 不要把冻结硬点、质量、CG 或车架接口当作赛场 setup 变量
adjustable set-up 胎压、静态 camber / toe、ride height 或 preload 调整范围、防倾杆状态、阻尼档位、brake balance、控制策略参数 做 one-change-at-a-time 测试、DOE 和调校日志；记录 baseline 与调节范围 不要同时改变多个变量后强行归因；不要让变量越过硬件可调范围
derived outputs 动态轮荷、G-G boundary、yaw-rate gain、understeer gradient、wheel travel use、joint force、link axial force、tire utilization 作为结果、风险线索、结构载荷输入或测试预测通道 不要把输出量手工改成输入，也不要用操稳输出直接证明结构安全
measured inputs 角重、车高、toe / camber、胎温胎压、方向盘角、制动压力、轮速、IMU、悬架位移、应变或 load-cell 数据 用于更新输入版本、做 correlation 和解释模型差异 未标定、未同步、未说明滤波和单位时，不作为定量相关性证据

参数变更要有触发规则：fixed parameter 改变时，K&C、MBD、结构载荷和测试矩阵都要回归；adjustable set-up 改变时，必须记录车辆状态和测试条件；derived output 异常时，先回查输入、坐标、符号和工况；measured input 异常时，先检查传感器标定、通道方向、采样率、时间同步和滤波，而不是立刻修正模型。

另一个边界是模型保真度。学生方程和商业多体模型常会先把 chassis、suspension links 或 joints 当作 rigid bodies，以便建立可运行的整车模型；这适合早期 handling / set-up 趋势，却不能说明 compliance、局部应力、制造公差和连接柔度已经正确。公开论文中常见的后续工作都是把仿真结果带回实车测试做 validation，因此本手册把 correlation 放在仿真章节末尾，而不是作为可选附录。

K&C 与几何模型

K&C 是仿真链条的几何入口。它把 03 几何与硬点 中的硬点、转向点、轮心、轮胎包络和行程约束转换为可评审的轮端运动曲线。早期项目通常先做刚体 kinematics；当有足够材料、连接和测量数据时，再考虑 compliance。

K&C 模型适合回答：

  • wheel travel 中 camber、toe、track change、roll center migration 是否可解释。
  • 转向扫描中 Ackermann、turning camber、scrub path 和极限转角是否满足目标。
  • 侧倾、制动、加速和组合姿态下，硬点是否让轮胎保持在目标工作窗口。
  • 包络、球铰摆角、杆件角度、转向拉杆和推杆 / 拉杆是否存在明显干涉风险。

K&C 模型不适合单独回答轮胎是否已经达到极限、车辆是否最快、结构风险是否可接受或车手是否会喜欢某个瞬态手感。它给出的是几何导致的轮端姿态和路径，必须与轮胎模型、弹簧阻尼、整车操稳和实车数据一起评审。

K&C 输出进入优化前应先做 sanity check：

  • 左右镜像是否符合坐标系定义，尤其是 camber、toe、steering angle 和侧向力方向。
  • 曲线横轴是否明确，例如 bump / rebound、roll angle、steering input 或 vertical force。
  • 单位是否一致，硬点、轮胎半径、车高、行程和 CAD 包络是否来自同一版本。
  • 曲线突变是否来自真实几何限位，还是约束、关节自由度、装配顺序或符号错误。
  • 几何指标是否有轮胎与整车目标支撑，而不是为了让曲线看起来平滑。

操纵稳定性简化模型

二自由度 2-DOF bicycle model 是操纵稳定性 handling 中最常用的入门模型之一。它通常把整车简化为横向速度 / 质心侧偏和横摆角速度 yaw rate 两个主要状态，用前后轮的线性侧偏刚度描述小侧偏角范围内的轮胎力。它适合建立不足转向 / 过度转向趋势、稳态 yaw-rate gain 和瞬态响应的第一层直觉。

概念上，线性轮胎可写成：

F_y ≈ C_alpha · alpha

其中 F_y 为轮胎侧向力，单位 N；C_alpha 为侧偏刚度 cornering stiffness，单位 N/rad 或 N/deg；alpha 为侧偏角 slip angle，单位必须与 C_alpha 对应。该关系只适合小侧偏角线性区，不能用于峰值、过峰、联合滑移或大外倾工况。

2-DOF 模型通常需要以下输入：

输入 含义 来源
m 整车质量，单位 kg 角重或质量预算
I_z 绕竖直轴横摆惯量 yaw moment of inertia，单位 kg·m^2 CAD 估算、摆振试验或质量模型
a, b 质心到前 / 后轴距离，单位 m 或 mm 整车布置和质心测量
U 车速，单位 m/s 工况定义
C_f, C_r 前 / 后轴等效侧偏刚度，单位 N/rad 或 N/deg 轮胎模型与静态 / 动态轮荷估算
delta 前轮或方向盘等效转角，单位 rad 或 deg 转向系统和输入定义

简化模型的输出包括 yaw-rate response、质心侧偏趋势、稳态转向增益、响应时间常数和前后轴力利用趋势。它可以解释“改变前后侧偏刚度或质心位置，车辆稳态转向趋势如何变化”，但不能替代非线性轮胎模型和实车测试。若车已经接近极限、轮胎有明显载荷敏感性、存在联合制动 / 驱动，或气动载荷强烈变化，2-DOF 结论只能作为低保真趋势。

在概念层面，横摆力矩 yaw moment 由前后轴侧向力及其力臂决定。若前轴侧向力变化、后轴侧向力变化或质心位置变化，横摆力矩导数 yaw moment derivatives 会改变车辆响应。文档中可记录 dN/dalpha、dN/dr 或类似导数的含义，但必须说明它们来自线性化假设，不是极限工况的真实非线性行为。

稳态与瞬态检查

稳态 steady-state 检查关注输入和车辆状态趋于稳定后的关系，例如固定半径转弯、固定方向盘角阶梯后的稳定 yaw rate、稳态侧倾角和稳态轮荷分配。瞬态 transient 检查关注从一个状态进入另一个状态的过程，例如转角阶跃、转角扫频、制动释放入弯、油门阶跃出弯和蛇形输入。

稳态检查适合回答：

  • 随车速或侧向加速度变化，车辆是更趋向不足转向、接近中性还是趋向过度转向。
  • 前后轮胎侧向力、垂向载荷和侧倾刚度分配是否在合理范围内。
  • 方向盘角、转弯半径、yaw-rate gain 和侧倾角之间是否符合物理直觉。

瞬态检查适合回答：

  • yaw-rate response 是否过慢、过冲或衰减不足。
  • 转向输入后前后轴力建立是否顺序合理，车手是否会感到响应滞后或突然。
  • 阻尼、roll stiffness、转向传动比和轮胎松弛长度 relaxation length 等因素是否影响响应。

边界要写清楚：稳态模型不说明驾驶员如何把车带到该状态；瞬态模型若没有真实阻尼器曲线、轮胎松弛特性、转向系统柔性和车手输入模型，也不能作为绝对手感结论。稳态与瞬态都应回到测试数据，例如方向盘角、横摆角速度、侧向加速度、悬架位移、轮速、制动压力和胎温胎压。

G-G 图与极限估计

G-G 图用于把车辆纵向加速度和侧向加速度放在同一平面上，观察加速、制动、转弯和联合工况的极限边界。它可以来自仿真、实车数据或二者对比。对 FSAE / Formula Student 悬架设计而言，G-G 图的价值不只是“边界越大越好”，而是帮助团队看见轮胎、载荷转移、制动、驱动和气动在联合工况下的可用空间。

G-G 图适合回答：

  • 车辆在纯加速、纯制动、纯侧向和联合工况下的能力边界是否连续。
  • 制动入弯和出弯牵引时，纵向力需求是否挤占侧向力余量。
  • 轮胎模型、制动平衡、驱动限制和气动假设改变后，边界形状如何变化。
  • 实车数据是否接近仿真边界，或是否被车手输入、轮胎温度、路面、控制策略限制。

G-G 图不适合单独证明某个硬点或弹簧参数正确。它是整车行为的结果图，需要追溯到轮胎模型、动态轮荷、控制、赛道和测试条件。若测试数据没有达到仿真边界，可能是模型过于乐观，也可能是测试场地、胎温、车手、制动释放、动力限制或安全边界导致。

极限估计可以从摩擦圆 / 摩擦椭圆 friction circle / friction ellipse 开始，但必须说明这是简化框架。真实轮胎的 F_x、F_y、F_z、camber、slip angle、slip ratio、温度和胎压存在耦合。若联合滑移数据不足，应把 G-G 图标为趋势图或待验证估计，不能把边界当作精确性能承诺。

数值优化与灵敏度分析

优化 optimization 是把设计问题转化为变量、目标函数和约束的过程。优化器不会自动理解工程意义；如果目标函数 objective function 或约束 constraint 写错，它会认真地找到一个错误答案。因此，优化前必须先写清楚“为什么优化、改哪些变量、什么不能破坏、如何判断结果可用”。

建议把优化问题记录为：

项目 说明
design variable 可改变的变量，例如硬点位置、弹簧刚度、防倾杆刚度、阻尼参数、静态 toe / camber、运动比或控制参数
objective function 要最小化或最大化的目标，例如目标曲线误差、轮胎动载、侧倾角、yaw-rate tracking error、圈速趋势或结构载荷指标
constraint 不允许违反的边界，例如包络、关节角、轮胎工作范围、调校范围、制造空间、结构载荷、规则和安全限制
weight 多目标优化中的权重，必须能解释工程优先级
DOE design of experiments，用于按计划采样变量空间，观察主效应与交互效应
sensitivity 灵敏度，描述输入小变化对输出的影响，用于识别关键参数和鲁棒性风险
stop criterion 停止条件，例如收敛、预算用完、改进不再显著或进入不可制造边界

DOE 适合在优化前回答“哪些变量值得优化”。例如先对前后侧倾刚度分配、轮端刚度、阻尼、静态 toe、camber 和关键硬点做参数扫掠，观察输出对各变量的 sensitivity。若某个变量的结果很敏感，而该变量又难以制造或测量，就应提高公差、传感器和实车验证优先级。若某个变量在模型中很敏感但实车难以复现，也要警惕模型把未验证假设放大了。

优化变量应先过参数分类门槛：

变量候选 可进入优化的条件 不应进入优化的情况
hardpoints / geometry 仍处于设计阶段，且有包络、制造、结构和接口边界 已冻结或受车架 / upright / 轮辋接口约束，赛场无法调整
spring / ARB / damper 有可采购 / 可调范围，并能在测试中复现 只是为了让仿真指标变好，实车没有对应硬件
static camber / toe / ride height 有可测量调整件、调节步长和 setup log 调整会破坏包络、行程、轮胎或规则边界
mass / CG / inertia 用于设计阶段 sensitivity 或重量目标分解 当作赛场调校变量，或在没有测量依据时任意改变
tire pressure / temperature assumptions 用于测试计划和敏感性评估，并记录实车胎温胎压 用单一仿真假设替代轮胎实测状态
driver / control input 有明确 maneuver、控制命令或可复现驾驶任务 用不真实 driver model 解释所有圈速差异

优化边界语言要保守：

  • 优化结果是候选方案，不是最终答案。
  • 目标函数越低不代表车辆一定更快或更好开。
  • 多目标权重改变可能改变排名，应记录被放弃方案和原因。
  • 若优化变量越过数据覆盖范围，结果只作为风险提示。
  • 若一个方案破坏包络、载荷路径、制造、维护或测试可重复性，应拒绝，即使仿真指标更好。

多体动力学与整车模型

多体动力学模型把硬点、质量、惯量、轮胎、弹簧阻尼、转向、制动、动力和控制输入放进同一个运动学 / 动力学系统。它适合处理 K&C、轮荷、轮胎力、关节力、姿态、横摆和组合工况之间的耦合，也是 06 载荷与金属结构 中提取载荷的重要来源之一。

多体模型适合回答：

  • 组合工况下轮胎力、轮荷、悬架行程和关节力如何变化。
  • 修改硬点、弹簧、防倾杆、阻尼或轮胎模型后，整车趋势如何变化。
  • 结构校核需要的接口力是否来自合理的工况和边界。
  • 车手输入、控制策略、制动 / 驱动和气动假设是否与底盘参数耦合。

多体模型不适合在输入未验证时发布绝对性能结论。它对轮胎模型、质量惯量、阻尼曲线、连接约束、坐标系、单位和控制输入非常敏感。模型动画看起来正常不代表力和力矩正确；曲线平滑不代表边界真实。

刚柔耦合 rigid-flex 模型可以把 A 臂、upright、摇臂、车架局部结构或复合材料部件的柔性引入系统，用于观察柔性对轮端姿态和载荷路径的影响。但若材料参数、连接边界、网格、接触或制造假设没有验证，刚柔耦合结果只能作为结构风险筛查和载荷提取线索，不能替代独立 FEA、台架和实车验证。

整车 / 圈速模型应使用更严格的边界声明。圈速趋势可能受轮胎、气动、动力、制动、控制、车手模型、赛道摩擦、线路和安全边界共同影响。它适合做方案排序和 sensitivity，不适合在没有 correlation 时声称真实圈速。

模型版本与输入一致性

仿真结果的可信度首先取决于输入版本是否一致。常见问题不是模型方程太简单，而是轮胎来自一个版本、硬点来自另一个版本、弹簧阻尼来自临时试算、质量和质心没有更新，最后把混合输入得到的曲线当作设计结论。

每个模型包至少应记录：

输入版本项 记录内容
tire model 模型类型、坐标系、单位、数据覆盖、适用边界和文件版本
hardpoints 坐标系、单位、左右镜像、CAD 来源、包络状态和冻结状态
mass properties 质量、质心、惯量、角重、是否含车手 / 电池 / 油液状态
spring-damper 弹簧、防倾杆、运动比、阻尼曲线、限位和调校状态
aero 气动载荷、平衡、车高敏感性和是否经过验证
brake / powertrain / control 制动分配、驱动限制、控制策略和输入命令定义
road / event 路面、赛道、速度、驾驶输入、工况和测试条件
solver / software 软件版本、求解设置、时间步、接触和约束设置
output script 后处理脚本、滤波、坐标转换和图表生成版本

输入一致性检查应在仿真前进行，而不是结果异常后再追查。最低做法是给每次仿真一个 run note，写明设计问题、输入版本、模型边界、工况、输出、结论和下一步动作。学习手册给出字段模板，项目记录保存具体值。

实车相关性验证

相关性验证 correlation 是把模型带回真实车辆的过程。它不是为了让模型“看起来对”，而是为了判断模型在哪些工况可信、哪些输入需要更新、哪些现象模型没有覆盖。相关性验证通常从简单、可重复、安全的测试开始，再逐步进入更复杂工况。

相关性验证的最低纪律是“同一问题、同一场景、同一版本”。若仿真是 steady-state skidpad，实车也应提取相同半径 / 速度窗口下的 steady-state 数据；若仿真是制动入弯，实车也要记录制动压力、方向盘角、轮速、IMU、悬架位移和胎温胎压。不能把不同场地、不同车手任务、不同胎温胎压、不同车辆设定或不同滤波方式下的曲线强行叠在一起。

常见相关性对象包括：

  • 静态角重、车高、悬架静态压缩量和 toe / camber 测量，用于验证质量、车高、硬点和弹簧预载。
  • 低速转向与 K&C 测量，用于检查转向角、Ackermann、bump steer 和左右镜像。
  • 路面输入、阶跃转向、稳态圆和蛇形输入，用于检查 yaw-rate response、侧向加速度、侧倾角和悬架位移。
  • 制动与加速工况，用于检查纵向载荷转移、俯仰、轮速、制动压力、驱动限制和轮胎纵滑。
  • 胎温、胎压和轮胎磨耗，用于判断轮胎模型、外倾、toe、载荷分配和车手输入是否一致。

相关性报告至少要包含以下检查：

检查项 必须记录 差异解释时先问
测试场景 场地、路面、速度窗口、驾驶任务、转向 / 制动 / 油门输入、是否稳态或瞬态 仿真 maneuver 和实车 maneuver 是否真的是同一个问题
车辆设定 轮胎、胎压、胎温、车高、角重、toe / camber、阻尼、防倾杆、制动平衡、载荷状态 是否混入了 setup change 或车辆状态变化
坐标 / 符号 / 单位 车辆坐标、轮胎坐标、传感器安装方向、左右轮镜像、deg / rad、N / kg 曲线差异是否只是 sign convention 或单位转换错误
传感器标定 零点、量程、采样率、时间同步、滤波、延迟、饱和和噪声 数据通道是否足以支撑定量比较
车手输入 方向盘角、制动压力、油门 / 扭矩命令、换挡或控制状态 driver model 是否和实际车手任务一致
轮胎状态 胎温、胎压、磨耗、热循环、左右差异和测试顺序 tire model 是否在覆盖窗口内
对比指标 趋势、相位、符号、数量级、峰值、稳态值和重复性 先比较可解释特征，再讨论绝对误差
差异归因 输入错误、测量问题、测试条件变化、模型假设不足、车辆真实变化或未建模物理 是否为了贴合曲线而一次改了多个模型参数

相关性验证的边界也要写清楚。一次测试只代表当时的路面、胎温、胎压、车手、车辆状态和传感器质量。不要用单次数据过度校准模型；更好的做法是保留原始假设、记录修正原因、用下一次测试复核。若仿真与测试不一致，应先检查传感器标定、坐标系、符号、单位、滤波、测试条件和输入版本，再讨论模型本身是否需要改变。禁止把“仿真曲线 = 实车证明”写进公开文档或答辩材料；更准确的说法是“在该测试场景和输入版本下，模型能 / 不能解释这些测量趋势”。

仿真闭环流程图

flowchart TD A["设计问题 design question<br>要回答什么"] --> B["选择模型层级 model choice<br>手算 / K&C / 2-DOF / MBD / full vehicle"] B --> C["输入版本检查 input version check<br>轮胎 / 硬点 / 质量 / 弹簧阻尼 / 控制"] C --> D{"数量级与符号检查<br>sanity check"} D -- "不通过" --> E["修正输入或边界<br>units / signs / assumptions"] E --> C D -- "通过" --> F["运行仿真 simulation<br>记录工况与输出脚本"] F --> G{"结果是否可解释<br>physics review"} G -- "不可解释" --> H["回查模型<br>约束 / 坐标 / 轮胎 / 求解设置"] H --> C G -- "可解释" --> I["DOE / sensitivity / optimization<br>变量 / objective / constraint"] I --> J{"设计决策<br>是否采用"} J -- "拒绝" --> K["记录拒绝原因<br>包络 / 制造 / 载荷 / 测试风险"] K --> B J -- "采用" --> L["更新设计档案<br>模型版本 / 结论 / 待验证项"] L --> M["实车测试 correlation<br>传感器 / 胎温胎压 / 车手反馈"] M --> N{"相关性是否足够<br>model valid enough?"} N -- "否" --> O["修正假设或计划新测试<br>calibration / next test"] O --> C N -- "是" --> P["冻结当前结论<br>进入下一设计门"]

该流程强调闭环而不是一次性出图。任何一次仿真都应能追溯到设计问题、输入版本、模型边界、结果解释、设计动作和测试验证。

软件实现路径

仿真和优化阶段的软件选择应由问题层级决定。低阶模型负责数量级和趋势，多体模型负责几何和组合工况，优化工具负责设计变量排序，整车研究工具负责更大系统问题；所有模型都要回到相关性验证。

技术问题 推荐工具 输入 输出 传给下一步 验证方式
数量级和趋势初筛 表格、MATLAB / Python 质量、质心、轮胎、弹簧阻尼、几何和工况假设 2-DOF、quarter-car、pitch / roll 模型、敏感性图 参数选择、Adams 工况、测试计划 手算、单位检查、符号和极限情况复核
K&C 和准静态整车 Adams Car 硬点、轮胎模型、簧上参数、模板和工况 K&C 曲线、运动比、侧倾刚度趋势、准静态整车趋势 硬点优化、簧上系统、载荷模型 动画、曲线趋势、左右镜像和实车静态测量
DOE 与优化 Adams Insight、MATLAB / Python 参数化变量、变量范围、目标函数、约束、已核对模型 DOE 记录、灵敏度排序、响应面、拒绝方案理由 设计取舍、几何和参数更新 检查变量是否超出包络、制造、数据和规则边界
通用多体与刚柔耦合 Adams View、Abaqus 柔性体 连接定义、柔性体、轮胎力、工况和测量点 特殊机构响应、连接点载荷、柔性影响趋势 结构校核、复材校核、载荷工况 自由体图、力平衡、刚柔简化边界和 FEA 对照
整车研究与控制 CarSim、Simulink、Adams full vehicle、MATLAB / Python 轮胎模型、整车参数、动力 / 制动 / 控制、赛道或驾驶员假设 整车趋势、控制策略、研究性对比、答辩增强材料 下一代方案、测试问题、公开教学案例 与低阶模型和实车数据比较，不把未相关模型当设计证明
相关性验证 Race Studio / AIM、MATLAB / Python、Git / Markdown 传感器数据、测试日志、车辆版本、仿真版本 correlation report、模型修正、复测计划 轮胎模型、参数表、载荷工况、答辩证据 趋势、相位、符号、数量级和可重复测试共同判断

输出物

合适的仿真建议形成以下输出物：

输出物 最低内容
模型清单 模型用途、模型层级、负责人、软件 / 脚本、版本和适用边界
输入版本表 轮胎、硬点、质量、质心、惯量、弹簧阻尼、气动、制动、动力和控制版本
工况定义 输入命令、速度、路面、边界条件、坐标系、单位和停止条件
sanity check 记录 数量级、符号、左右镜像、单位、动画和简化模型对照
DOE / sensitivity 记录 变量、范围、采样方法、输出指标、主效应和交互风险
优化记录 objective function、constraint、weight、算法、停止条件、候选方案和拒绝理由
设计结论 采用方案、适用范围、限制、影响章节和下一步验证
correlation 报告 测试条件、传感器、滤波、仿真对比、差异解释和模型更新
结构载荷交付 工况、轮胎力、关节力、杆件力、坐标转换、峰值时刻、自由体图复核和不适用边界
测试交付 预测通道、车辆设定、测试场景、传感器清单、胎温胎压记录和 correlation 判断方式

输出物要能被后续结构校核、制造、测试和答辩复用。只保存最终图片而不保存输入、脚本和版本，会让仿真失去工程价值。

常见错误

  • 先建复杂模型，再倒推它能回答什么问题。
  • 没有做手算或表格数量级检查，直接相信多体或整车输出。
  • 轮胎、硬点、弹簧阻尼、质量和气动输入来自不同版本。
  • 只看最终曲线，不看坐标系、单位、正负号、工况和后处理脚本。
  • 把线性 2-DOF 结果用于极限、联合滑移或大侧倾工况。
  • 把 K&C 曲线当成整车性能结论，忽略轮胎和实车测试。
  • 优化目标没有工程意义，得到无法制造、无法装配或无法解释的方案。
  • DOE 变量范围越过模型数据覆盖，却没有标注外推风险。
  • 多个输入同时改变，却把结果归因于其中一个参数。
  • 只校准模型让它贴合一次测试，忽略胎温、胎压、车手和路面变化。
  • 用操稳模型输出直接证明结构安全，忽略冲击、疲劳和边界条件。

验证与评审

仿真评审应按证据链进行，而不是按图表数量进行。最低评审问题如下：

评审项 需要回答的问题
设计问题 这次仿真要支持哪个设计决策，是否有明确输出物
模型选择 当前模型层级是否足够，是否有更简单模型可先检查
输入版本 轮胎、硬点、质量、弹簧阻尼和控制是否来自同一冻结状态
模型边界 哪些物理现象被忽略，结果适用于哪些工况
sanity check 数量级、单位、符号、左右镜像、动画和自由体图是否合理
sensitivity 关键结论是否对某些输入过度敏感，敏感输入能否测量或控制
工程可行性 候选方案是否满足包络、制造、调校、载荷路径和维护要求
相关性验证 是否有测试计划或测试数据支持模型，差异如何处理
文档追溯 结果是否能追溯到输入、脚本、工况、图表和结论版本

评审结论应分成三类：可以采用、需要补充验证、拒绝并记录原因。对安全关键、结构关键或测试风险较高的结论，应使用保守语言，并把验证要求传递给结构、制造和测试章节。

与其它章节的关系

本章公开来源