数字化实验 | 模型工程：让模型从分析工具走向可信工程资产

内容源自：安世亚太

         

       

安世亚太数字化试验共性底座专题（二）

       

上一篇我们讨论了试验数据体系：试验数据只有带着对象、工况、测点、质量和血缘关系，才能从结果文件变成证据资产。但数据本身并不能自动支撑工程判断。复杂装备试验中，数据往往要与模型共同使用：用实测数据校准模型，用模型解释未测工况，用虚拟试验提前筛查风险。当这些数据被用于校准模型、解释未知工况或支撑虚拟试验时，新的问题随即出现：这是什么模型，针对哪一版对象，在什么条件下可信，又能否在下一项任务中继续使用？

复杂装备试验中，模型结果往往比模型本身流转得更快。一张云图、一条响应曲线或一组预测值进入方案评审，讨论很快就会追到结果背后：采用的是哪一版模型，计算边界与当前试验是否一致，哪些参数经过实测校准，这份结果只能用于趋势判断，还是足以支持正式结论。只要其中一项说不清，计算再精细，也很难成为可复核的工程证据。

这类问题靠模型归档解决不了。同一试验对象可能涉及结构、流体、热、控制等多个专业，也可能同时使用高保真模型、降阶模型、数据驱动模型和第三方模型。部分模型来自成熟的专业工具，部分跨专业、跨学科耦合模型则要围绕新的试验任务重新构建。模型工程要管住从创建、验证到调用的整条链路，让每个模型都带着清楚的工程身份、适用边界和证据依据进入试验任务。

模型源自专业工作。结构工程师在有限元工具中建立结构模型，流体、热、控制等专业也有各自的建模环境；遇到跨学科任务，还要重新组织边界、交互接口和耦合关系，有时还需要基于试验数据构建降阶或代理模型。企业级建模能力不取代这些专业工具，它承接专业成果，把跨工具模型集成接入同一条工程链路。

一个模型完成计算，并不意味着建模工作已经结束。几何简化、材料参数、边界条件、求解设置和输入输出接口，都决定了结果可以怎样解释。对于复合模型，还要说明子模型之间怎样传递状态、采用了哪些时间或空间基准。只有这些建模假设与配置能够重现，模型才真正具备复用基础。

模型离开创建者以后，最容易丢失的不是文件，而是工程语境。文件名可以记录对象、专业和日期，却难以完整说明它对应哪个技术状态、服务什么用途、依赖哪些数据和软件环境、经历过怎样的验证。材料参数修正、网格调整或训练样本更新，都会改变模型响应；如果变更原因和验证状态没有同步记录，同名文件在不同任务中代表的可能是完全不同的工程状态。

模型注册的实质是建立工程身份。对象与用途回答“它解决什么问题”，版本与来源确认“它是谁”，输入输出、依赖关系和运行环境说明“它怎样工作”，适用范围与验证记录则界定“它能支持多远的判断”。多源异构模型可以保留各自的格式和专业运行环境，但要通过统一身份、版本基线、依赖关系和服务接口进入模型资源底座。

图1：跨领域、跨学科、多尺度、多保真的模型保留各自工程特征，并以统一身份、版本依赖、V&V证据和服务接口进入资源底座。

模型有了身份，还不等于不同团队真正理解的是同一件事。名称相同的“载荷”“状态”或“有效值”，可能对应不同的单位、坐标系、统计方式和评价口径；同一工况在模型、试验任务和报告中也可能采用不同编码。若这些差异依靠项目人员临时解释，模型一旦跨团队、跨系统复用，工程语义就会在传递中漂移。

试验标准数字化把文档中的对象定义、参数约束、接口要求、工况条件和评价判据，转化为建模、校核和调用过程可以执行的规则。业务本体从试验业务出发，明确对象、状态、工况、参数、测点、模型、任务和结论各自代表什么，以及它们之间怎样关联。标准数字化回答“按什么规则工作”，业务本体回答“这些对象和关系意味着什么”。

统一工程语义只有贯穿模型全生命周期才有用。创建模型时，专业参数与标准对象、单位和工况对应；验证模型时，试验数据与模型输入能够回到同一对象状态和测点定义；调用模型时，任务条件可以与适用边界比对；形成结论后，报告中的指标还能反向追到模型版本、数据证据和判据来源。进入资源底座后，文件依赖也能转化为工程关联：一个材料参数变化会影响哪些模型，哪些工况使用了相同判据，某次换版需要复核哪些结果，都有据可查。

工程上常用一个精度数字评价模型，但可信度从来不是脱离用途的固定属性。平均误差较小的模型仍可能错过峰值、相位变化或临界状态；在常规工况下表现稳定的模型，进入材料非线性、边界突变或极端载荷区间后也可能迅速失效。方案初筛关注趋势和排序，正式评估需要更完整的验证、确认与不确定性依据，二者不能套用同一组可信要求。

验证与确认（V&V）必须和模型版本、使用目的及适用边界绑定。验证关注模型实现是否符合设定，确认关注模型对目标对象和目标工况是否具有足够代表性。对象技术状态、载荷与环境范围、时间或频率尺度、接口条件，以及尚未覆盖的失效模式，都应进入边界描述。用途改变、版本更新或工况扩展后，过去的“已验证”需要重新审视。

不同模型承担的任务也不同。高保真多物理场模型适合关键机理分析、样本生成和问题解释，但计算代价较高；降阶模型与代理模型可用于参数空间探索、方案比较和实时或准实时预测。高保真模型提供样本和机理约束，历史数据帮助识别系统性偏差，新的物理试验数据再用于校准参数、修正边界并完成独立验证。快速模型一旦进入样本稀疏区或高风险工况，就应回到高保真计算或物理试验。

以动力装置支架的振动试验为例，结构工程师先建立有限元模型，依据试验目的确定测点和关注频段。首轮试验得到的频响数据，主要用于识别材料参数、连接刚度和阻尼设定中最可能的偏差；校准后的模型还要接受另一组工况数据检验，避免把某一次试验的偶然特征写进模型。经过独立验证后，这一模型可以服务后续工况筛选和测点优化，但调用条件仍受对象版本、载荷范围和频段边界约束。若支架结构、连接形式或试验夹具发生变化，系统应识别原有验证结论是否仍然成立，并触发必要的复核。最后形成的模型资产，能够清楚说明依据、限制和变更影响，而不只是提供一份更漂亮的仿真结果。 

图2：模型经历专业建模、试验校准和独立验证后，才在明确的对象、工况与版本条件下受控复用

模型完成统一管理和可信评估后，还要进入具体试验任务。方案设计需要它比较工况与资源配置，虚拟试验需要它预测未测状态，虚实融合分析要把现场数据送入能够及时响应的模型，结果评估则要把模型版本、输入条件、计算结果和判据纳入同一条证据链。模型如果仍只能由原作者在特定软件中手工运行，就还没有成为可复用的业务能力。

一个调用接口只是模型服务化的起点。每次调用都要根据任务目的、对象状态、工况范围和可信要求选择合适版本，完成输入输出、单位、坐标和时空基准的映射，并留下运行环境、输入条件、计算过程与结果去向。一个任务涉及多个模型时，状态传递、执行顺序和版本依赖同样需要受控。

试验流程和任务编排为这种调用提供了业务载体。模型在明确节点接收数据、产生结果并参与判断，适用边界和V&V状态决定它能否进入下一步。运行记录随任务保留，复盘时可以回到当时的模型版本、工况与输入条件；模型换版后，受影响的流程、数字孪生体和评估结论也能被及时定位。真实任务还会暴露验证空白，推动边界扩展，新的数据再回到参数更新与验证环节。这样，模型不再只能由熟悉它的人使用，其他任务也能在明确条件下复用。

图3：模型完成身份建档和V&V评估后发布为受控服务，

经适用边界校核进入试验任务；运行留痕与变更反馈继续驱动再验证。

在安世亚太数字化试验解决方案中，模型管理与专业建模、试验数据和任务执行在同一条业务链上协同。专业工具和建模应用产生模型，模型资源管理维护版本、依赖、封装和V&V证据，试验数据体系提供带有质量与工程语境的校准依据，模型服务再把经过评估的版本送入方案设计、虚拟试验、虚实融合分析和结果评估。

试验标准数字化和业务本体承担共同规则与统一工程语义。它们使模型的对象、参数、接口、工况和判据与数据、任务及报告保持一致，也让适用边界校核、版本影响分析和结果追溯具备可执行基础。知识图谱进一步关联标准条款、模型版本、试验数据和验证证据，使用者看到的不只是一份模型文件，还能知道它为何可用、可用于何处以及何时需要重新验证。

落地可以从一类复用需求明确、边界清楚的试验任务开始。建设成效应落在几项工程事实：能否按对象和用途找到合适版本，能否说明其适用边界和验证依据，换版后能否定位受影响的任务与结论，运行结果能否沿证据链回溯。链路在真实任务中跑通后，再扩展模型类型、可信评价方法和服务场景，风险更可控，形成的资产也更容易持续使用。

当单个模型具备清晰身份、统一语义、可信证据和受控调用能力后，数字化试验还要处理更高一层的问题：如何围绕试验对象、设备、环境和流程构建数字孪生体，如何组织多模型协同、状态演进与运行调度。这已超出模型资源管理的范围，需要把可信模型进一步组织成能够随真实业务运行的系统。

下一篇《数字孪生体：让可信模型进入可运行的试验系统》将继续回答这些问题：不同类型的数字孪生体如何构建和关联，模型与现场状态怎样同步，多类孪生体又如何随试验任务协同运行。

本期观点

可信模型资产 = 模型身份 + 统一工程语义 

+ 适用边界 + V&V证据 + 试验数据校准 + 受控复用

模型的价值不只在于能计算，更在于每一次使用都能说明对象、条件、依据和责任边界。