当仿真模拟技术遭遇“物理的报复”：那些模型没教会我们的事

2026-11-14 09:40:25小研科研成果库10

去年秋天，我在南京一家做航空发动机叶片冷却设计的公司待了三天。工程师给我看了一组仿真结果，温度场漂亮得不像话，云图光滑得能当壁纸。然后主任工程师老周把我拉到试验台边上，指着刚拆下来的试件说：“你看这个位置，烧穿了。仿真的预测偏差，在局部热点上，大概差了200多度。”

我没有夸张。200多度。而他们的网格无关性验证通过了，湍流模型选的是SST，壁面函数也调过。问题出在哪？老周递给我一支烟，自己也点上，说了一句我至今记得的话：“模型没错，是物理在报复我们。”

今天想聊的，不是仿真模拟技术有多神，也不是它有多不准——那些话早就被说烂了。我想说的是一类更隐蔽的东西：当我们把物理世界塞进偏微分方程的笼子之后，那些从笼子缝隙里漏出去的东西。

网格收敛了，物理没收敛

很多人，尤其是刚入行的研究生，会迷信一个东西：网格无关性。只要我把网格加密到结果不再变化，这个解就是可靠的。这个逻辑在数学上成立，在物理上未必。

道理很简单。网格无关性验证的是数值离散的收敛性，它回答的问题是“当空间分辨率趋于无穷时，我的离散方程的解收敛到哪个连续方程的解”。但它没有回答的是——你当初写的那个连续方程，到底对不对？

计算流体力学网格划分局部加密示意图

举个例子。你用RANS方程加k-epsilon湍流模型去算一个强旋流燃烧室，网格加密到5000万，残差降到1e-6，收敛曲线漂亮得像教科书插图。但那个旋流数下，k-epsilon模型本身就不成立——它假设湍流各向同性，而强旋流的核心特征恰恰是各向异性。网格越密，你越精确地求解了一个错误的方程。

这就是“物理的报复”。仿真模拟技术最危险的地方，不是它算不出来，而是它算得太像那么回事了。

工程仿真里有个根深蒂固的习惯：看平均值。平均温度、平均应力、平均流速。汇报的时候拿平均说话，评审的时候看云图整体趋势。但破坏从来都是从局部开始的。

我认识一个做电子封装可靠性仿真的朋友。他做过一个统计：在焊点热疲劳寿命预测中，基于平均应变的模型，对失效位置的命中率大概在六成左右。剩下四成呢？失效发生在那些网格平均之后被抹掉的应力集中点上。

这不是仿真技术本身的错。这是使用者的认知偏差——我们太容易把“算出来的场”当成“真实的场”。实际上，每一个仿真结果都是一个经过多次滤波、平均、插值之后的产物。那个真实的、粗糙的、充满奇异性物理场，早就被磨平了棱角。

不过话说回来，要完全捕捉那些奇异性，代价是巨大的。自适应网格加密、子模型技术、扩展有限元……方法有的是。但工程项目的周期和预算，通常不允许你这么做。所以仿真工程师的真正技能，不是把模型建得多精细，而是知道哪里可以糊弄，哪里绝对不能。

大概从2018年开始，圈子里开始流行一个词：降阶模型。后来又来了物理信息神经网络。核心思路都差不多——用数据来补物理模型的短板，或者干脆用数据替代一部分物理求解。

这事儿有意思在哪？有意思在它打破了传统仿真的一个基本假设：模型必须可解释。

传统仿真模拟技术的逻辑链是：物理定律 → 数学模型 → 离散求解 → 结果验证。每一步都有明确的物理或数学意义。但PINN这类方法不是。你给它边界条件和一些观测数据，它给你一个神经网络权重场。预测精度可能比传统方法高，但你要问它“为什么这个位置的温度梯度这么大”，它答不上来。

物理信息神经网络PINN架构示意图

这就带来了一个很实际的困境。在航空、核电、医疗器械这些强监管行业，仿真结果是要作为设计依据甚至安全认证材料的。监管机构会问：你的模型验证和确认（V&V）做了吗？不确定度量化了吗？如果用神经网络，你怎么证明它在训练数据之外的工况下不胡说八道？

目前没有标准答案。ASME的V&V 20标准是针对传统数值模拟写的，对机器学习模型基本不适用。ASTM倒是在推一些增材制造的机器学习标准，但覆盖范围很有限。说白了，技术跑在了标准前面。这不是第一次，也不会是最后一次。

英国诗人济慈有个说法叫“负能力”，意思是一个人能够安处于不确定、神秘、怀疑之中，而不急于去追寻事实和理性。我觉得好的仿真工程师也需要这种能力。

具体来说，就是能忍住不把结果做得太光滑。能接受模型里有说不清道不明的地方。能在报告里写一句“此处存在约15%的预测不确定度，建议通过试验验证”，而不是用一堆漂亮的云图把风险藏起来。

我见过太多反例。一个结构强度分析，应力集中系数算出来3.2，工程师觉得太高了，“不合理”，然后手动把网格调粗，结果降到2.1，报告交差。这不是仿真，这是数字美容。

真正的仿真模拟技术，应该像一面诚实的镜子。镜子不会因为你脸上有疤就自动磨皮。它照出什么就是什么，哪怕那个结果让你不舒服。

当然，这话说着容易。项目节点压着，甲方催着，老板看着，有多少人能顶住压力在报告里保留那些“不好看”的结果？我不知道。但我认识几个这样的人，他们通常不是升职最快的，但他们的模型，十年后还有人信。

老周后来告诉我，他们那次叶片烧穿之后，把那个局部热点区域的网格加密了三倍，换了更贵的LES模型，算了一个星期。结果预测温度比试验值低了80度。还是有偏差。但至少，方向对了。

“模型永远追不上物理，”他说，“但你可以让模型知道自己追不上。”

这句话，大概就是仿真模拟技术最诚实的谦卑。