温度境界層

加熱（または冷却）された壁面上を流体が流れるとき、壁面近傍に温度が急変する薄い層が形成される。これが温度境界層だ。速度境界層と同様に壁面から離れるにつれて主流温度に漸近する。両者の厚さの比はPrandtl数 $Pr$ で決まる。

常温空気で $Pr \approx 0.71$ なので、温度境界層は速度境界層より若干厚い。水は $Pr \approx 7$ なので温度境界層が速度境界層の約半分の厚さになる。エンジンオイルでは $Pr \sim 1000$ を超え、温度境界層は極めて薄くなる。

等温平板上の層流境界層では、Blasius解（速度場）とPohlhausen解（温度場）が古典的な理論解だ。局所Nu数は

乱流境界層では $Nu_x = 0.0296 Re_x^{4/5} Pr^{1/3}$ が経験的相関式だ。乱流では速度と温度の輸送が渦拡散（turbulent diffusivity）で支配されるため、温度境界層と速度境界層の厚さの比は乱流Prandtl数 $Pr_t \approx 0.85$〜$0.9$ で決まる。

壁面垂直方向のメッシュ設計は、乱流モデルの壁面処理と密接に関連する。Low-Reynolds number approach（直接解像）なら壁面第一セルを $y^+ \approx 1$ に配置し、粘性底層内に最低5層、遷移層に5〜10層配置するのが目安だ。

$Pr > 1$ の流体では温度境界層が速度境界層より薄いので、熱伝達を正確に予測するには速度場よりもさらに細かいメッシュが必要になる場合がある。具体的には $y^+_{T} = y u_\tau / \alpha < 1$ を満たすべきで、これは $y^+ \cdot Pr < 1$ に相当する。$Pr = 7$（水）なら $y^+ < 0.14$ が理想。

実用的には $y^+ \approx 0.5$〜$1$ で十分な精度が得られることが多い。水の場合でも $y^+ < 1$ を満たせばNu数の誤差は5%以内に収まる。重要なのは壁面法線方向の成長率（growth ratio）で、1.1〜1.2倍以内に抑えるべきだ。

Fluentでは Results > Surfaces > Wall y+ で壁面の $y^+$ 分布を可視化できる。STAR-CCM+ではWall Y+ フィールド関数を表示する。OpenFOAMではyPlus utility（postProcessingのyPlus関数）で計算後の $y^+$ を出力できる。

Inflation layer（prism layer）の第一層厚さを小さくするか、層数を増やす。ただし流速が分布する場合（例：入口付近と下流で流速が違う）、壁面全体で $y^+ < 1$ を満たすのは難しいこともある。FluentのEnhanced Wall Treatment やSTAR-CCM+のAll y+ Wall Treatmentは $y^+$ の値に応じて壁面処理を自動切り替えするので、実用上はこれらを使うのが安全だ。

標準的な壁面関数は $Pr$ が大きくなると精度が著しく悪化する。FluentのEnhanced Thermal Wall Treatmentには高Pr数補正が含まれているので、これを有効化すべきだ。OpenFOAMではalphatJayatillekeWallFunctionがJayatilleke（1969）の補正を含んでいる。メッシュ面では $y^+$ をできるだけ小さくすることが鉄則だよ。

遷移点を境にNu数が急激に増加する。これは乱流渦による混合が温度境界層を薄くし、壁面の温度勾配を急峻にするためだ。航空機翼の前縁や風力タービンブレードでは遷移位置が外表面温度分布を決定するので、正確な予測が重要だ。

Transition SST（$\gamma$-$Re_\theta$）モデルが標準的な選択肢だ。入口の自由流れ乱流強度 $Tu$ が遷移位置に大きく影響するので、実験条件に合わせて正確に設定する必要がある。タービン翼型のCFDでは $Tu = 1$〜$10$%の範囲で感度分析を行うのが一般的だよ。

剥離点の直後は壁面近傍の流速が低下してNu数が減少する。再付着点ではジェット衝突に似た流動構造になりNu数がピークを示す。再付着点下流で境界層が再発達するに従いNu数は徐々に完全発達値に近づく。

標準k-εモデルは再付着長さを過小評価する傾向があり、これがNu数分布のずれに直結する。SST k-ωモデルのほうが再付着長さの予測が良好で、熱伝達分布もより正確だ。

再付着点付近は温度勾配が特に急峻なので、壁面平行方向のメッシュも局所的に細かくする必要がある。ステップ高さ $h$ に対して $\Delta x / h \approx 0.05$〜$0.1$ の流れ方向解像度が推奨される。壁面垂直方向は当然 $y^+ < 1$ だ。

もちろん。壁面の熱伝導率が高い場合（銅、アルミ）、壁面内部で熱が拡散して表面温度が均一化される。逆に熱伝導率が低い（セラミック、プラスチック）場合は表面温度の非一様性が大きくなる。これを正確に予測するにはCHT（共役熱伝達）解析が必要で、温度境界層の精密なモデリングとセットで考えるべき問題だよ。

壁面近傍の温度プロファイルを扱うモデルは以下のように分かれる。

実務的にはそうだ。$y^+$ が壁面上で不均一になっても自動的に適切な処理に切り替わるので、ロバスト性が高い。ただし意図的に $y^+ < 1$ を目指してメッシュを設計するのがベストプラクティスであることに変わりはないよ。

等温平板上の層流境界層（Blasius-Pohlhausen問題）を解いて、(1) 壁面摩擦係数 $C_f = 0.664 Re_x^{-1/2}$ との一致、(2) 局所Nu数 $Nu_x = 0.332 Re_x^{1/2} Pr^{1/3}$ との一致、(3) 速度・温度プロファイルのBlasius解との比較、を確認する。3つ全てで理論値と2%以内の一致が得られるべきだ。

平板乱流境界層の壁面摩擦係数 $C_f$ のSchultz-Grunow式や、管内流れのDittus-Boelter式と比較する。さらにDNSデータ（Kasagi et al.の加熱チャネル流DNSなど）と速度・温度プロファイルを比較すると乱流モデルの性能評価ができる。

Johns Hopkins Turbulence Databases (JHTDB)や、東京大学の笠木研究室のWebサイトでチャネル流DNSデータが公開されている。壁面近傍の $u^+$-$y^+$ プロファイルと $T^+$-$y^+$ プロファイルの両方が入手できるので、温度境界層モデルの検証に最適だよ。

乱流境界層内の温度変動の統計量（温度分散、乱流熱流束、温度散逸率）がすべて直接得られる。これらはRANSモデルの閉じ込め（closure）に不可欠な情報で、DNSデータからRANSモデルの定数を最適化する研究が盛んだ。

特に乱流Prandtl数 $Pr_t$ が壁面からの距離や流れの条件によって変化することがDNSで示されている。RANSの $Pr_t = 0.85$ という定数仮定は単純化であり、特に高Pr数流体やbuoyancy効果がある場合に精度が低下する原因になっている。

Kays & Crawford（1993）の可変 $Pr_t$ モデルが有名だ。FluentではUDFで実装可能で、壁面近傍で $Pr_t$ を大きくし、コア領域で小さくする。OpenFOAMではcustomized alphat boundary conditionで同様のことができる。

できる。WMLESでは壁面近傍をモデル（壁面関数やRANS）で処理し、外層をLESで解くので、壁面解像のメッシュ要件が大幅に緩和される。温度場に対してもWall Modeled approach が適用され、壁面近傍の温度プロファイルをモデルで近似する。

FluentのSBES（Stress-Blended Eddy Simulation）やSTAR-CCM+のIDDESが実用的なWMLES手法だ。温度場の予測精度は完全LESには及ばないが、RANSよりは遥かに良好で、計算コストは完全LESの1/10〜1/100で済む。

活発に研究されている。DNSデータを教師データとして、乱流熱流束 $\overline{u'T'}$ をニューラルネットワークで直接予測するアプローチや、$Pr_t$ のマップを学習するアプローチがある。Tensor Basis Neural Network（TBNN）を温度場に拡張したモデルも提案されている。まだ研究段階だが、特定の問題クラスではRANSの精度を大幅に改善できることが示されているよ。

まず基本を確認しよう。(1) 流れは本当に層流か？ Re数を確認して $Re_x < 5 \times 10^5$ であること。(2) 壁面温度条件は等温か等熱流束か？ Pohlhausen解は等温壁の式なので、等熱流束なら $Nu_x = 0.453 Re_x^{1/2} Pr^{1/3}$ を使うべき。(3) 入口条件は一様流か？ 入口にフリーストリーム乱流があると遷移が早まってNu数が増加する。

離散化スキームの精度を確認しよう。First Order Upwindは数値拡散が大きく、温度境界層を実際より厚く（=Nu数を低く）する。Second Order Upwindに変更すべきだ。また、流れ方向のメッシュが粗いと前縁付近の急峻なNu数変化を捉えられない。前縁近傍で $\Delta x$ を特に小さくすること。

壁面第一セルの $y^+$ がセルサイズの変化に伴って変わり、壁面関数の切り替えが起きている可能性がある。FluentのEnhanced Wall Treatmentでもブレンディング領域で微小な不連続が出ることがある。対策は壁面近傍のメッシュを均一化すること。Inflation layer の成長率を壁面に沿って一定に保つのがポイントだ。

高Pr数では温度境界層が極めて薄いので、壁面第一セルが温度境界層外に出てしまっている可能性がある。$y^+ \cdot Pr < 5$ を目安にメッシュを設計しよう。$Pr = 500$ なら $y^+ < 0.01$ が理想だが、これは現実的に厳しい。

$y^+ < 1$ まで細かくした上で、壁面関数に高Pr数補正が含まれているモデルを使う。FluentのEnhanced Wall Treatment + Thermal Effectsの組合せが最も信頼性が高い。OpenFOAMならalphatJayatillekeWallFunctionを必ず使うこと。それでもGnielinski式との乖離が大きい場合は、物性値の温度依存性（特に粘度）を入力しているか確認しよう。