OntoHub
能力专题 · Capability Topic

科学计算与物理建模

物理世界不该靠猜，它该被方程算出来——用本体把守恒律、元件端口、材料本构与试验数据绑在一起，让模型既可解释，又可校准，还能自己长出缺失的那部分。

FlyOntOS：语义骨架 · 工况与验收判据ScienceML：Julia / Dyad 因果建模 · 参数标定 · 结构发现10 个公开案例 · 五大物理域
Modeling Dilemma

今天的物理建模，两头都不靠

一边是“结构对但参数靠拍”，一边是“拟合好但外推就崩”。

3 周

传统仿真模型平均搭建周期，改一次结构整链重跑

0

纯数据驱动对守恒律的保证，训练域之外即失效

99%

灰箱标定在未见工况上相对线性基线的误差下降

0.1%

四个物理参数从时序测量中反求复原的误差量级

Three Routes

三条路线，差的不是精度

差的是“模型里到底有没有物理”。

维度传统 CAE 仿真纯数据驱动代理模型FlyOntOS + ScienceML（灰箱）
模型表达手写方程 / 信号框图网络权重，无显式结构因果（acausal）组件 + 守恒方程
守恒律✓ 显式保证✗ 无保证✓ 显式保证 + 神经网络只补全残差项
参数从哪来手册值、经验值、人工试凑端到端训练CalibrationAnalysis 从测量数据反求
缺一块物理怎么办人猜结构，猜错就全错隐式拟合，读不出来NNTrainingAnalysis 从数据里长出结构
外推到未见工况结构对则强✗ 弱✓ 强：结构约束 + 数据补全
可解释性✓ 强✗ 无骨架可读，学到的残差可单独检视
改一个参数重建模型、重跑整链重新训练remake + solve，秒级重解
稳态 / 瞬态 / 设计点各建一套模型不适用✓ 单一真源，同一模型换分析

一句话：物理骨架保证“不会胡说”，数据补全负责“说全”。

Five Physics Domains

我们到底在算哪些物理

十个公开案例，覆盖五大物理问题域。

传热与热管理

Q̇ = hA·ΔT + εσA·ΔT⁴

导热、对流、辐射三路径耦合；从元器件到建筑围护结构的多尺度热网络。

4 个案例

飞行力学与气动

6-DOF 刚体 + 大气 / 气动

升力体再入飞行器的刚体动力学、大气模型、气动系数与飞控律闭环。

1 个案例

车辆动力总成与热机耦合

J·ω̇ = ΣT，Ė = Q̇

功率分流混动的能量管理策略；制动能量转化为热的双向耦合。

2 个案例

材料本构辨识

ż = f(z, θ̇)（Bouc-Wen）

从试验数据反求隐藏的非线性本构参数；用神经网络恢复未知本构项。

2 个案例

场与空间动力学

∂u/∂t = D∇²u + f(u)

反应扩散与 FitzHugh-Nagumo 行波；自定义端口原语构建网格场模型。

1 个案例

Ten Cases, Rebuilt

十个案例，逐个重构

物理场景取自 Dyad 公开案例库，方案是 FlyOntOS + ScienceML 重构后的做法。每张卡按同一结构讲：物理问题 → 重构前的痛点 → 重构后的方案 → 重构效果。

01 · 三区商业办公楼：一份模型，两种分析

传热 · 建筑热工

DynamicSteadyState

物理问题 · 三分区办公建筑的热网络：围护结构（墙 / 窗 / 屋面 / 楼板 / 渗风）热阻 + 分区热容 + HVAC 控制。要同时回答两件事——设备选多大，以及全天怎么跑。

重构前的痛点 · 选型用稳态手算或一套简化模型，运行仿真再搭另一套。两套模型的假设悄悄漂移，最后谁也说不清差在哪。

FlyOntOS + ScienceML 重构

  • 单一真源：一份 ThreeZoneBuilding 热网络，同时挂 SteadyStateAnalysis（设计日设备选型）与 TransientAnalysis（24 h 昼夜运行 + 温控器）
  • 本体解耦：HeatCapacitorNoInit 刻意去掉内置 initial T = T0——瞬态由台架供给初值，稳态则不受初值条件过约束
  • 控制器显式建模：ThermostatHeater 比例律 Q = K·(T_set − T)，再由 Q_max 截断为实际供热
  • 外部真理入仓：ASHRAE 办公 occupancy 逐时曲线（CSV），分段线性插值驱动内扰

重构效果 · 1 份模型定义 / 2 种分析类型 / 0 处重复建模；改一个参数，选型结论与运行结论同步更新。

ASHRAE occupancySteadyStateTransientQ_max 截断

02 · 住宅供暖：把 Excel 里的 U 值搬进本体

传热 · 建筑围护

ThermalHouseDemo

物理问题 · 1000 sq ft 住宅，围护结构分项热损失 + 空气渗透 + 太阳得热 + 内扰，算室内温度如何响应天气与控制策略。

重构前的痛点 · U 值、ACH、SHGC 散落在 Excel 里，改一个保温方案要重算整表；控制策略一变，模型就得重搭一遍。

FlyOntOS + ScienceML 重构

  • 参数化围护本体：墙 / 窗 / 门 / 屋面 / 地面各有独立 U 值，几何（面积、层高、窗墙比、门数）与热工参数彻底分离
  • 热质量分层显式：空气体积 + 石膏板 + 楼板三种热容分别计入，不再拍一个等效热容
  • 得热本体化：太阳得热按 SHGC × 朝向因子，内扰按人员 / 照明 / 设备分项
  • 同源双分析：开环 TestHouseWinterDesign（7.5 kW / 0 ℃ / 2 h）与 PI 闭环 TestControlledHouseWinterDesign（15.5 ℃ 起调至 21.1 ℃ 设定点）

重构效果 · 改保温方案 = 改参数；同一模型既验“够不够暖”，又验“控制稳不稳”。

1000 sq ftACH 渗风SHGCPI 闭环

03 · 浓缩咖啡杯：加一个零件，就是加一个组件

传热 · 多路径耦合

CoffeeMugDemo

物理问题 · 60 mL 浓缩咖啡（90 ℃）在瓷杯（20 ℃）中冷却——内部对流 → 杯壁导热 → 外表面对流 + 辐射；另有蒸汽、握杯的手、可选金属勺。

重构前的痛点 · 这类小系统最容易被拍脑袋估；一旦要加一条散热路径（比如勺子），整个方程重写一遍。

FlyOntOS + ScienceML 重构

  • 五个子系统各自建模再拼装：CoffeeMugSubsystem / SteamSubsystem / SpoonSubsystem / HandSubsystem + 固定 20 ℃ 环境
  • 端口语义统一（HeatPort）：加一条散热路径 = 加一个组件并接上去，已有方程一行不动
  • 勺子建模为散热翅片：从液体导热经勺体，再由外露手柄对流 + 辐射散出
  • 手建模为热质量：37 ℃ 热质量 + 接触导热
  • 两条瞬态分析：EspressoCoolingModular / EspressoCoolingWithSpoon，均 6000 s、Rodas5P

重构效果 · 有无勺子的冷却曲线同图对比；“改结构”从重写方程变成增删组件。

模块化热子系统勺子作散热翅片Rodas5P

04 · 火鸡烘焙：分布参数 + 安全阈值可交互

传热 · 分布参数

TurkeyDemo

物理问题 · 火鸡近似为球体，离散成 N 个同心壳层；烤箱经对流（信号驱动换热系数）+ 辐射（BodyRadiation）加热表面，壳层间按傅里叶导热，追踪每一层温度，预测中心达到 165 ℉ 的时刻。

重构前的痛点 · 165 ℉ 是食品安全硬约束，但烤箱温度 / 火鸡质量 / 密度一变就得重算；做成能给非工程师直接用的工具几乎不可能。

FlyOntOS + ScienceML 重构

  • 分布参数离散本体：每层质量 / 体积 / 表面积由几何推导，能量守恒 ODE 逐层列出
  • 参数全部可注入：M、rho、cp、k、T_init；烤箱侧 T_oven、h、epsilon、M_turkey
  • 表面热连接器：让“对流”与“辐射”两条路径可独立开关，便于分辨各自贡献
  • 分析：TurkeySphereCooking 瞬态跑 14400 s，每 60 s 存一点
  • 可视化即交付：GLMakie 仪表盘，烤箱温度 / 质量 / 密度 / 半径文本框实时改参，自动重算并标出中心达到 165 ℉ 的时刻

重构效果 · 从“算一次出一个数”变成“一个可交互的验收工具”。

同心壳层离散对流 + 辐射GLMakie 仪表盘

05 · NASA HL-20：两条提示词长出一套飞行仿真

飞行 · 6-DOF

HL20Demo

物理问题 · 升力体再入飞行器的刚体动力学 + 大气模型 + 气动 + 飞控律 + 舵面混控，跑闭环俯仰脉冲机动。

重构前的痛点 · 这套模型传统上要一个小组写几个月；而“模型是否符合规范”全靠人评审，评审意见和模型之间没有机器可查的链路。

FlyOntOS + ScienceML 重构

  • 从规范生成，而非手写代码：两条提示词——prompt.md（建模型）与 prompt_pitchpulsesim.md（跑仿真出图）
  • 规范即本体：assets/shared/hl20_spec.md 是唯一输入源，模型是它的派生物
  • 边写边验：Agent 读规范 → 写 Dyad 组件 → 编译 → 在 Julia 里逐块验证 → 再进入下一块
  • 验证分析与模型同生：生成时就要求附带一整套验证分析，而不是事后补测试

重构效果 · 模型代码零手写；瓶颈从“会不会写方程”转移到“规范写得够不够清楚”。

Dyad Agent规范驱动生成俯仰脉冲机动

06 · 功率分流混动：ECMS 实时能量管理

车辆 · 混动能量管理

HybridTransmission

物理问题 · 行星排（速比 2.6）耦合发动机（Atkinson 74 kW）、MG1（25 kW 太阳轮 / 发电）、MG2（70 kW 齿圈 / 牵引），实时最小化 J = fuel_rate + s·P_battery，等效因子 s 由 SOC 反馈动态调整；整车跟随 EPA HWFET 循环（765 s、10.26 mile、最高 60 mph）。

重构前的痛点 · 能量管理策略调参靠试，一次全循环仿真慢；油耗结论追不到底——说不清是哪个部件模型的假设造成的。

FlyOntOS + ScienceML 重构

  • 部件级本体：HybridEngine（BSFC 多项式映射，取自 Guzzella & Sciarretta《Vehicle Propulsion Systems》3rd ed.）/ HybridMG / HybridBattery（NiMH 274–330 V、5.5 kWh 等效电路 SOC 估计）/ HybridVehicle（1750 kg，气动阻力 + 滚阻）/ HybridPlanetaryGear
  • 工况即资产：EPA HWFET 速度曲线由官方数据编码为平滑分段近似，作为源块入仓；另备 UDDS 城市循环可切换
  • 分析：TestPowerSplitHybrid 瞬态跑满 765 s 全循环
  • 交互式：Jupyter + DyadOrchestrator 加载库、跑分析、按符号选变量出图

重构效果 · 策略改动 = 改一个权重；油耗结论可一路追到 BSFC 映射与电池模型假设。

BSFC 映射274–330 V NiMH行星排 2.6EPA HWFET

07 · 摩擦制动：热-机双向闭环

车辆 · 热机耦合

FrictionBrakeDemo

物理问题 · 制动把动能转成热；盘与片各有热质量、随车速变化的对流散热、相互辐射耦合；摩擦系数随温度变化——这就是热衰退。

重构前的痛点 · 热-机耦合通常是“先跑动力学，再把结果丢给热模型”：单向、离线、滞后，捕获不到温度上升反过来削弱制动力的反馈。

FlyOntOS + ScienceML 重构

  • 双向耦合：FrictionBrake 把 0–1 制动指令转成阻力矩，按温度相关摩擦系数算摩擦功率，再经热端口分流到盘与片
  • 热侧独立本体：BrakeThermal 盘 / 片各有热质量 + 速度相关对流 + 辐射耦合，盘还向环境辐射；外加热流端口接收摩擦热
  • 闭环整车：Driver（PID，正输出→油门、负输出→制动）+ SimplePowertrain（扭矩容量随车速的多项式 + 一阶滞后）+ SimpleVehicle（转动惯量 + 理想滚动轮 + 平动质量 + 道路阻力）
  • 三层验证：恒定热流 1800 s 单独验热模型 → 108 km/h 滑行 100 s 验动力学 → 2000 s 正弦车速参考跑主演示

重构效果 · 从“单向离线耦合”变成“闭环同时求解”；每个子系统都能单独验收。

温度相关摩擦系数热端口耦合PID 驾驶员

08 · 传动系隔振器：设计实验，而不是堆数据

本构 · 参数标定

DrivelineScienceML

物理问题 · 两惯量传动系（扭矩源 → 电机惯量 → 扭转隔振器 → 负载惯量 → 接地阻尼）。隔振器三条扭矩通路并行：已知准静态基线 k0·Δθ + c0·Δω；隐藏的 Maxwell 支路（k1 串 c1，拐点 1/(2π·c1/k1) ≈ 48 Hz 以上刚度上升）；隐藏的 Bouc-Wen 单元（α·z，率无关滞回，黏性阻尼在原理上无法复现）。

重构前的痛点 · 只挂一个 Maxwell 支路去拟合，k1 会系统性偏低约 28%；而且分不清到底是“优化器没找到”，还是“结构上根本不可辨识”。

FlyOntOS + ScienceML 重构

  • 阶段 1 · chirp：1→500 Hz、±2 Nm 叠加在 30 Nm 均值上——扫频把 Maxwell 松弛（拐点 ≈ 48 Hz）与频率平坦的 Bouc-Wen 切向刚度 α·A 分开 → k1、c1、α
  • 阶段 2 · 慢循环：1 Hz 正弦、±100 Nm——Maxwell 支路冻结（已松弛），只剩满幅滞回环 → α、β、γ
  • 验证 · tip-in：30→150 Nm 斜坡 + 600 Hz 纹波，两条通路同时活跃，只验证不拟合
  • 链式编排：两级 CalibrationAnalysis 由 run_calibration.jl 串联，阶段 2 用去偏后的 k1/c1 通过构造关键字冻结
  • 可辨识性本体化：Bouc-Wen 增益 A 约定固定为 1——流动法则在 (A→s·A, α→α/s) 下严格不变，同时拟合两者在结构上不可辨识
  • 诊断：diagnose_calibration.jl 报优化器健康度并重建目标函数，检验真值是否真是损失最小点

重构效果 · k1 ≈ 294（真值 300）、c1 ≈ 1.02（1.0）、τ ≈ 3.5 ms（3.3 ms）、α ≈ 49.6、β ≈ 4.97、γ ≈ 0.44；未见 tip-in 工况 RMSE 下降约 99%。

Maxwell 支路Bouc-Wen 滞回可辨识性设计

09 · 1/4 卡车：已知骨架 + 未知非线性 = 灰箱

本构 · 灰箱结构发现

QuarterTruckScienceML

物理问题 · 1/4 卡车平顺性，三个未知非线性——立方轮胎刚度（含压缩-only 脱胎）、轮胎-车身库仑摩擦、座椅-驾驶员黏弹性阻尼。

重构前的痛点 · 全黑箱网络能拟合但读不出来、外推即失效；全参数模型一旦本构猜错就全错。两条路都不敢用在认证工况上。

FlyOntOS + ScienceML 重构

  • 结构发现：NNTrainingAnalysis（DyadModelDiscovery）——保留已知线性骨架，未知项换成 NeuralNetworkBlock，Adam → LBFGS 两阶段训练
  • 留出验证：训练用正弦激励，验证用 ISO 8608 A 级随机路面（ISO8608Road / DenseISO8608Road），统计特性完全不同
  • 参数标定：CalibrationAnalysis（DyadModelOptimizer）——从轮胎接地力、悬架行程、座椅加速度时序反求车身质量、悬架刚度、悬架阻尼、摩擦力
  • 扰动真值：质量 +5%、刚度 +10%、阻尼 +20%、摩擦 +50%，专门用来检验标定器的分辨力
  • 权重入仓：预训练 LBFGS 权重提交入库，验证可立即复现，不必重训

重构效果 · 四参数复原到 ~0.1%；NN 增强模型在 ISO 8608 留出集上比线性基线准数倍（三面板叠加对比）。

NNTrainingAnalysisISO 8608 A 级路面Adam + LBFGS

10 · 反应扩散场：把扫参从跑批变成拖滑块

场 · 空间动力学

MakieWebinar

物理问题 · 20×20 反应扩散与 FitzHugh-Nagumo 行波在网格上的演化；以及 RC 充电、RLC 谐振（欠阻尼 / 临界 / 过阻尼）、受控振子 PID 等经典瞬态。

重构前的痛点 · 空间场模型通常是一次性脚本——网格一改、参数一改全部重写；可视化与模型是两套代码，改模型就得改图。

FlyOntOS + ScienceML 重构

  • 自定义端口原语：DiffusionPort / DiffusionCapacitor / DiffusionResistor——让“网格上的场”也能用因果组件表达，5×5 / 20×20 / 100×100 只改参数
  • 四条实时调参路径按速度递进：重跑分析 → remake + solve（只更新变化参数后重解）→ SliderGrid 滑块网格 → ComputeGraph（Makie ComputePipeline 把文本框输入经依赖图接到求解器）
  • 域无关：同一套流程覆盖热（牛顿冷却）、机械（弹簧质量 / 受控振子）、电气（RC / RLC）、空间动力学（diffusion_2d / reaction_diffusion）
  • 可视化即交付：固定平面网格几何、每帧只更新顶点颜色，20×20 与 100×100 并排 3D mesh + 2D heatmap 动画
  • 进阶：ModelingToolkitInputs 让 PID 增益在运行时改变；DyadControlSystems 的 PID 自整定设计器可直接拉起

重构效果 · 模型改一个参数 → 秒级重解 → 动画刷新；扫参从“跑一批作业”变成“拖一个滑块”。

Makie 实时扫参remake + solveComputeGraph

十个案例的物理场景取自 Dyad 公开案例库（JuliaHub），重构方案由 FlyOntOS + ScienceML 实现。

Get Started

把你们的物理现场，写成可求解、可校准的方程

把物理现场变成可求解、可校准、可交付的方程。

预约物理建模诊断查看资源库

十个案例的物理场景取自 Dyad 公开案例库（JuliaHub），重构方案由 FlyOntOS + ScienceML 实现。