这问题太常见了——我当初刚用Dymola的时候也踩过这个坑，不同积分器跑出来结果差得让人头大。其实选积分方法核心是匹配你的模型特性和仿真目标，给你拆解几个关键判断标准：

1. 先判断模型是刚性还是非刚性 #

这是最核心的第一步，直接决定了积分器的大方向：

• 如果模型里有快慢差异极大的动态过程（比如电子电路里的快速开关+热系统的慢响应，或者液压系统里的高频压力波动+机械臂的慢运动），那就是刚性模型。这种情况别碰非刚性积分器（比如Euler、基础版Runge-Kutta），要么慢到离谱，要么直接发散。优先选刚性积分器，比如DASSL、带刚性模式的CVode。
• 非刚性模型（比如大部分简单机械系统、无强耦合的热系统）用标准的显式积分器就够了，比如Runge-Kutta 4、CVode的非刚性模式，速度快还能保证精度。

怎么快速判断？可以先试CVode的自动模式，或者看仿真时的步长——如果积分器被迫用极小步长才能稳定，大概率是刚性模型。

2. 明确你的仿真核心需求：精度VS速度 #

• 如果是做高精度验证（比如和实验数据对标、关键参数的敏感性分析），优先选自适应步长的积分器，比如CVode、DASSL。它们能根据误差自动调整步长，完美平衡精度和速度，别用固定步长的Euler除非你能把步长设得极小（但那样会巨慢）。
• 如果是做快速迭代的优化、批量仿真（比如参数扫描、DOE），在精度能接受的前提下，可选固定步长的显式积分器（比如Runge-Kutta 3/4的固定步长版本），或者对刚性模型用Radau这类效率高的刚性积分器。

3. 针对模型的特殊特性选 #

• 存在不连续点（比如摩擦力的库伦模型、开关逻辑、离散状态）：很多积分器对不连续处理不好，容易跳步或者精度暴跌。这时候优先选专门处理不连续的积分器，比如Dymola里的IDA（DASSL的改进版），一定要启用积分器的“事件检测”功能——别省这个，不然结果失真到你怀疑人生。
• 有代数环：如果模型里有代数约束（比如某些守恒方程、闭环的代数关系），刚性积分器（DASSL、CVode）处理代数环的能力比显式积分器强太多，显式的可能直接报错或者收敛慢到崩溃。

4. 参考官方示例+交叉验证 #

Dymola自带的模型库（比如Modelica Standard Library）里，很多示例模型会标注推荐的积分器——比如热液压模型通常推DASSL，机械系统推CVode。另外，不管选哪个，最好用两种不同类型的积分器跑同一个仿真，对比结果差异：如果差异在你能接受的误差范围内，说明选的积分器没问题；如果差异很大，那大概率是积分器不匹配模型特性，得换。

总之，没有“万能积分器”，核心是先搞懂你的模型是什么类型，再结合仿真目标去选，多试几次对比结果就有数了。

内容的提问来源于stack exchange，提问作者Magdaanne