Lagrangian粒子追跡（DPM）
理論と物理
概要
先生、Lagrangian粒子追跡って何ですか？
Lagrangian粒子追跡法（DPM: Discrete Phase Model）は、離散的な粒子・液滴・気泡の軌道を個別に追跡する手法だ。噴霧液滴、粉体輸送、エアロゾル拡散、サイクロン分離、排ガス中の粒子捕集など、分散相の体積分率が低い（通常10%以下）系で使われる。
Euler-Euler法との使い分けはどうなりますか？
分散相の体積分率が低ければDPM、高ければEuler-Euler法が基本だ。DPMは粒径分布や個別粒子の履歴（温度変化、蒸発、反応）を自然に追跡できる利点がある。
支配方程式
粒子の運動方程式を教えてください。
各粒子の運動はNewtonの第2法則に従う。
最も重要なのは抗力 $\mathbf{F}_D$ で、Stokes/Schiller-Naumann相関が標準だ。
抗力以外にどんな力がありますか？
| 力 | 式 | 重要な場面 |
|---|---|---|
| 重力/浮力 | $m_p(1 - \rho_g/\rho_p)\mathbf{g}$ | 沈降・浮上 |
| Saffman揚力 | $C_{LS} \rho_g \nu_g^{1/2} d_{ij} (\mathbf{u}_g - \mathbf{v}_p)$ | せん断流中の横方向移動 |
| 圧力勾配力 | $m_p \frac{\rho_g}{\rho_p} \frac{D\mathbf{u}_g}{Dt}$ | 密度比が1に近い系 |
| 仮想質量力 | $C_{VM} m_p \frac{\rho_g}{\rho_p} \frac{d}{dt}(\mathbf{u}_g - \mathbf{v}_p)$ | 気泡追跡、急加速 |
| 熱泳動力 | $-\frac{6\pi d_p \mu_g^2 C_s}{\rho_g} \frac{\nabla T}{T}$ | 高温壁面近傍の微粒子 |
| Brownian力 | 確率的外力 | サブミクロン粒子 |
固体粒子-空気系（$\rho_p / \rho_g \gg 1$）では抗力と重力が支配的で、他の力は省略可能な場合が多い。気泡追跡や微粒子では追加の力が重要になる。
Basset力——100年以上無視され続けた記憶効果
粒子が非定常流れに晒されると、過去の加速度履歴が現在の流体抗力に影響する「Basset力（歴史力）」が生じます。1888年にBassetが導出したこの力は積分形で計算コストが高いため、実用的なラグランジュ粒子追跡では長らく無視されてきました。しかし急激な速度変化（バルブ開閉、衝撃波通過）を伴う粒子輸送ではBasset力が慣性力の10〜30%に達することがあり、無視すると粒子濃度分布が大きくずれます。近年のGPUコンピューティングによってBasset力の積分計算が現実的になり、半導体製造装置のクリーンルーム汚染粒子解析などで積極的に取り入れられています。
各項の物理的意味
- 時間項 $\partial(\rho\phi)/\partial t$：蛇口をひねった瞬間を思い浮かべてください。最初は水がバタバタと不安定に出て、しばらくすると安定した流れになりますよね？ この「変化している最中」を記述するのが時間項です。心臓の拍動で血流が脈打つのも、エンジンのバルブが開閉するたびに流れが変動するのも、すべて非定常現象。では定常解析とは？ 「十分時間が経って流れが落ち着いた後」だけを見る——つまりこの項をゼロにする。計算コストが大幅に下がるため、まず定常で解いてみるのがCFDの基本戦略です。
- 対流項 $\nabla \cdot (\rho \mathbf{u} \phi)$：川に落ち葉を落としたらどうなりますか？ 流れに乗って下流に運ばれますよね。これが「対流」——流体の動きが物を運ぶ効果です。暖房の温風が部屋の端まで届くのも、空気という「運び屋」が熱を対流で輸送しているから。ここが面白いところ——この項は「速度×速度」を含むため非線形です。つまり、流れが速くなるとこの項が急激に強くなり、制御が難しくなる。これが乱流の根本原因です。よくある勘違い：「対流と伝導は同じようなもの」→ 全然違います！ 対流は流れが運ぶ、伝導は分子が伝える。桁違いの効率差があります。
- 拡散項 $\nabla \cdot (\Gamma \nabla \phi)$：コーヒーにミルクを入れて放置したことはありますか？ かき混ぜなくても、しばらく経つと自然に混ざりますよね。あれが分子拡散です。では次の質問——ハチミツとお水、どちらが流しやすいですか？ 当然お水ですよね。ハチミツは粘性（$\mu$）が高いから流れにくい。粘性が大きいと拡散項が強くなり、流体は「もったりした」動きになります。レイノルズ数が小さい流れ（ゆっくり、ドロドロ）では拡散が支配的。逆にRe数が大きい流れでは対流が圧倒し、拡散は脇役になります。
- 圧力項 $-\nabla p$：注射器のピストンを押すと、液体が針先から勢いよく出ますよね？ なぜでしょう？ ピストン側が高圧、針先が低圧——この圧力差が流体を押す力になるからです。ダムの放水も同じ原理。天気図で等圧線がギュッと密になっている場所では？ そう、強風が吹きます。「圧力差があるところに流れが生まれる」——これがナビエ-ストークス方程式の圧力項の物理的意味。ここでの勘違いポイント：CFDの「圧力」は絶対圧ではなくゲージ圧のことが多い。圧縮性解析に切り替えたとたんに結果がおかしくなる場合、絶対圧/ゲージ圧の混同が原因かもしれません。
- ソース項 $S_\phi$：暖められた空気が上に昇る——なぜでしょう？ 周囲より軽く（密度が低く）なったから、浮力で押し上げられるのです。この浮力はソース項として方程式に追加されます。他にも、ガスコンロの炎で化学反応熱が発生する、工場の電磁ポンプで金属溶湯にローレンツ力がかかる…これらはすべて「外部から流体にエネルギーや力を注入する」作用であり、ソース項で表現します。ソース項を忘れるとどうなるか？ 自然対流の解析で浮力を入れ忘れると、流体は一切動かない——冬の部屋で暖房をつけたのに暖かい空気が上に行かない、という物理的にありえない結果になります。
仮定条件と適用限界
- 連続体仮定：クヌッセン数 Kn < 0.01（分子平均自由行程 ≪ 代表長さ）で成立
- ニュートン流体仮定：せん断応力と歪み速度が線形関係（非ニュートン流体では粘度モデルが必要）
- 非圧縮性仮定（Ma < 0.3の場合）：密度を一定として扱う。マッハ数0.3以上では圧縮性効果を考慮
- ブシネスク近似（自然対流）：密度変化を浮力項のみで考慮し、他の項では一定密度を使用
- 適用外ケース：希薄気体（Kn > 0.1）、超音速・極超音速流れ（衝撃波捕捉が必要）、自由表面流れ（VOF/Level Set等が必要）
次元解析と単位系
| 変数 | SI単位 | 注意点・換算メモ |
|---|---|---|
| 速度 $u$ | m/s | 入口条件で体積流量から換算する際、断面積の単位に注意 |
| 圧力 $p$ | Pa | ゲージ圧と絶対圧の区別。圧縮性解析では絶対圧を使用 |
| 密度 $\rho$ | kg/m³ | 空気: 約1.225 kg/m³@20°C、水: 約998 kg/m³@20°C |
| 粘性係数 $\mu$ | Pa·s | 動粘性係数 $\nu = \mu/\rho$ [m²/s] との混同に注意 |
| レイノルズ数 $Re$ | 無次元 | $Re = \rho u L / \mu$。層流/乱流遷移の判定指標 |
| CFL数 | 無次元 | $CFL = u \Delta t / \Delta x$。時間刻みの安定性に直結 |
数値解法と実装
数値解法の詳細
DPMの数値的なポイントを教えてください。
粒子の軌道積分には陽的オイラー法や解析的積分が使われる。粒子位置の更新は気相のCFDタイムステップ内でサブステッピングして行う。
1-way vs 2-way vs 4-way coupling
粒子と気相の相互作用の程度に応じてカップリングレベルが変わる。
| カップリング | 条件 | 粒子→気相 | 粒子間衝突 |
|---|---|---|---|
| 1-way | $\alpha_p < 10^{-6}$ | なし | なし |
| 2-way | $10^{-6} < \alpha_p < 10^{-3}$ | 運動量・熱・質量ソース | なし |
| 4-way | $\alpha_p > 10^{-3}$ | ソース + 粒子間衝突 | あり |
2-way couplingで気相に与える影響はどう計算するんですか？
粒子が通過したCFDセルに対して、運動量ソース（抗力の反作用）、エネルギーソース（熱交換）、質量ソース（蒸発）を累積する。Particle Source in Cell（PSI-Cell）法と呼ばれる。
乱流分散モデル
乱流中で粒子はどう拡散するんですか？
DRW（Discrete Random Walk）モデルが標準だ。乱流速度変動をガウス分布から確率的に生成し、粒子に付加する。
$\zeta$ は標準正規乱数、$k$ は乱流エネルギーだ。変動速度の持続時間は乱流時間スケール $\tau_e = C_L k/\varepsilon$ で制御する。
ツール別の実装
| ツール | DPMモデル名 | 乱流分散 | 壁面相互作用 |
|---|---|---|---|
| Ansys Fluent | Discrete Phase Model | DRW, CRW | Reflect, Trap, Escape, Wall Film |
| STAR-CCM+ | Lagrangian Multiphase | Stochastic | 豊富な壁面モデル |
| OpenFOAM | icoUncoupledKinematicParcelFoam等 | 対応 | カスタマイズ可能 |
| Ansys CFX | Particle Transport | Stochastic | 基本モデル |
FluentのDPMは最も多機能で、蒸発、燃焼、液滴分裂、壁面相互作用のサブモデルが統合されている。
一方向結合 vs 四方向結合——粒子-流体連成の段階
ラグランジュ粒子法における流体-粒子連成の「結合度」は計算精度と計算コストのトレードオフを決定します。一方向結合（One-Way Coupling）は流体が粒子に影響するが粒子は流体に影響しない最も安価な近似で、粒子体積分率α_p < 10^-6の希薄系でのみ妥当です。二方向結合（Two-Way Coupling）では粒子の運動量・エネルギーが流体にフィードバックされ、α_p > 10^-6の系で必須です。四方向結合（Four-Way Coupling）はさらに粒子-粒子衝突も扱い、α_p > 10^-3の高密度系で重要になります。工業集塵機の粒子堆積予測では二方向結合の有無で圧力損失予測が50%以上変わった事例があります。
風上差分（Upwind）
1次風上: 数値拡散が大きいが安定。2次風上: 精度向上するが振動のリスク。高レイノルズ数流れでは必須。
中心差分（Central Differencing）
2次精度だが、Pe数 > 2で数値振動が発生。低レイノルズ数の拡散支配流れに適する。
TVDスキーム（MUSCL、QUICK等）
リミッタ関数により数値振動を抑制しつつ高精度を維持。衝撃波や急勾配の捕捉に有効。
有限体積法 vs 有限要素法
FVM: 保存則を自然に満足。CFDの主流。FEM: 複雑形状・マルチフィジックスに有利。SPH等のメッシュフリー法も発展中。
CFL条件（クーラン数）
陽解法: CFL ≤ 1が安定条件。陰解法: CFL > 1でも安定だが、精度と反復回数に影響。LES: CFL ≈ 1を推奨。物理的意味: 1タイムステップで情報が1セル以上進まないこと。
残差モニタリング
連続の式・運動量・エネルギーの各残差が3〜4桁低下で収束と判断。質量保存の残差は特に重要。
緩和係数
圧力: 0.2〜0.3、速度: 0.5〜0.7が一般的な初期値。発散する場合は緩和係数を下げる。収束後は上げて加速。
非定常計算の内部反復
各タイムステップ内で定常解に収束するまで反復。内部反復数: 5〜20回が目安。残差がタイムステップ間で変動する場合は時間刻みを見直す。
SIMPLE法のたとえ
SIMPLE法は「交互に調整する」手法。まず速度を仮に求め（予測ステップ）、その速度で質量保存が満たされるよう圧力を補正し（補正ステップ）、補正された圧力で速度を修正する——このキャッチボールを繰り返して正解に近づく。2人で棚を水平にする作業に似ている：片方が高さを合わせ、もう片方がバランスを取り、これを交互に繰り返す。
風上差分のたとえ
風上差分は「川の流れに立って上流の情報を重視する」手法。川の中にいる人が下流を見ても水の出所は分からない——上流の情報が下流を決めるという物理を反映した離散化手法。精度は1次だが、流れの方向を正しく捕捉するため安定性が高い。
実践ガイド
実践ガイド
DPM解析の手順を教えてください。
サイクロン集塵機の粒子分離解析を例にとろう。
1. 気相解析: まず粒子なしで気相流れ場を収束させる
2. 乱流モデル: サイクロンは旋回流なのでRSM（Reynolds Stress Model）推奨
3. 粒子投入: 入口からRosin-Rammler分布で粒子を投入
4. 抗力モデル: Spherical drag law（Morsi-Alexander or Schiller-Naumann）
5. 壁面条件: Reflect（壁面で反射）
6. 出口条件: 下部ダストボックスはTrap、上部排気はEscape
7. 分離効率: 粒径ごとのTrap率をプロット
Parcel数と統計精度
どのくらいの数の粒子を追跡すればいいんですか？
DPMでは「parcel」概念を使い、1つの計算粒子が多数の実粒子を代表する。parcel数が少ないと統計誤差が大きくなる。
| 用途 | 推奨parcel数 | 理由 |
|---|---|---|
| 軌跡の可視化 | 100〜1,000 | 定性的確認 |
| 分離効率の評価 | 10,000〜100,000 | 粒径ビンごとの統計 |
| 2-way couplingの精度 | 50,000以上 | セルごとのソース項の滑らかさ |
粒径分布の設定
粒径分布はどう設定するんですか？
Rosin-Rammler分布が最も一般的だ。
$\bar{d}$ は平均径（質量の63.2%がこれ以下）、$n$ は分布の広がりパラメータだ。実測の粒径分布データからフィッティングする。
よくある失敗
| 症状 | 原因 | 対策 |
|---|---|---|
| 粒子が壁面を突き抜ける | DPM積分ステップが大きすぎる | Max Steps数を増やす |
| 分離効率が実験と合わない | 乱流モデルが不適切 | k-εからRSMに変更 |
| 2-way couplingで発散 | parcel密度の不均一 | under-relaxationを下げる |
| 計算が遅い | parcel数が過大 | 適切なparcel数に調整 |
肺内薬物粒子の吸入CFD——DDSエンジニアの新しい武器
吸入型薬剤（DPI/MDI）の肺内到達率を最大化する粒子設計にCFDが活用されています。気管支は左右非対称に分岐を繰り返し、粒子径1〜5 µmが肺胞に到達しやすい「最適窓」です。これより大きい粒子は慣性衝突で上気道に堆積し、小さすぎると拡散で排出されます。AstraZenecaやBoehringerが公開したCFDベンチマークでは、リアルな気管支幾何（CT画像から再構築）を使ったラグランジュ粒子追跡が実験的な放射線標識法と±10%で一致しており、新規吸入器の認可申請資料として規制当局に提出されています。
解析フローのたとえ
CFDの解析フローは「水族館の水槽を設計する」感覚で考えてみてください。まず水槽の形を決め（計算領域）、水の入り口と出口を設計し（境界条件）、ポンプの強さを設定する（流量条件）。魚がどう泳ぐか見たければ粒子追跡。水温が気になれば熱解析を追加。…どうですか？ 意外と直感的ではありませんか？
初心者が陥りやすい落とし穴
「y+って何ですか？」——この質問が出たら要注意。壁面近くのメッシュ解像度を表すy+は、CFDの結果精度を左右する最重要パラメータの1つ。壁関数を使うなら30〜300、壁を完全に解像するなら1以下。これを確認せずに「摩擦抵抗が合わない！」と悩む人がとても多い。体温計の先端をちゃんと脇に挟まないで「熱がないのに37.5度って出た！」と慌てているようなものです。
境界条件の考え方
入口の境界条件は「蛇口をどのくらい開けるか」と同じ。ちょろちょろ出すか（低速）、全開にするか（高速）。でもCFDではもう一つ——「どのくらい暴れた水を出すか」（乱流強度）も指定する必要があります。蛇口の開け方を間違えると、下流のシンク全体の流れが変わりますよね？ CFDでも入口条件のミスは下流全体に波及します。
ソフトウェア比較
商用ツール比較
DPMに対応しているツールを比較してください。
| ツール | モデル名 | 蒸発 | 燃焼 | 液滴分裂 | 壁面相互作用 |
|---|---|---|---|---|---|
| Ansys Fluent | DPM | 多成分 | 対応 | TAB, KHRT | Wall Film連携 |
| STAR-CCM+ | Lagrangian Multiphase | 多成分 | 対応 | TAB, KHRT | Thin Film連携 |
| OpenFOAM | 各種parcelFoam | 対応 | coalChemistry等 | TAB, KHRT | 基本対応 |
| Ansys CFX | Particle Transport | 限定的 | 限定的 | 限定的 | 基本 |
| CONVERGE | Lagrangian Spray | 詳細 | 詳細化学 | KH-ACT | AMR連携 |
用途別推奨
| 用途 | 推奨ツール | 理由 |
|---|---|---|
| サイクロン・集塵 | Fluent, STAR-CCM+ | DPM + RSM乱流 |
| 噴霧乾燥 | Fluent | DPM + 蒸発 + Wall Film |
| 燃料噴射・燃焼 | CONVERGE, Fluent | 詳細化学 + AMR |
| エアロゾル輸送 | Fluent, STAR-CCM+ | Brownian力 + 熱泳動 |
| 粉体空気輸送 | Fluent + DEM | Dense phase対応 |
| 学術研究 | OpenFOAM | ソースコードアクセス |
FluentのDPMが最も多機能ということですか？
DPM単体の機能としてはFluentが最も充実している。蒸発、燃焼、液滴分裂、壁面相互作用、VOF-to-DPM転換まで統合されている。ただし噴射+燃焼のトータルワークフローではCONVERGEのAMR自動メッシュが強力で、エンジン系ではCONVERGEの採用が増えている。
STAR-CCM+は最近のバージョンでLagrangian機能を大幅強化しており、ポリヘドラルメッシュとの組み合わせで複雑形状への適用が容易だ。
Fluent DPM vs OpenFOAM MPPICFoam——粒子追跡ツールの選択基準
ラグランジュ粒子追跡の商用実装ではANSYS Fluent DPM（Discrete Phase Model）が最も広く使われており、多数の実績と充実したドキュメントが強みです。一方、OpenFOAMはMP-PIC法をMPPICFoamとして実装しており、粒子数が10^6を超える大規模系でもメモリ効率の良い計算が可能です。選択の実務的基準は「粒子数（10^4以下ならDPM、10^6以上ならMP-PIC）」「連成物理の複雑さ（燃焼・電磁場ならFluent優位）」「ライセンスコスト（年間200万〜500万円の差）」の三点に集約されます。
選定で最も重要な3つの問い
- 「何を解くか」：Lagrangian粒子追跡（DPM）に必要な物理モデル・要素タイプが対応しているか。例えば、流体ではLES対応の有無、構造では接触・大変形の対応能力が差になる。
- 「誰が使うか」：初心者チームならGUIが充実したツール、経験者ならスクリプト駆動の柔軟なツールが適する。自動車のAT車（GUI）とMT車（スクリプト）の違いに似ている。
- 「どこまで拡張するか」：将来の解析規模拡大（HPC対応）、他部門への展開、他ツールとの連携を見据えた選択が長期的なコスト削減につながる。
先端技術
先端技術と研究動向
DPMの最新研究にはどんなものがありますか？
いくつかの方向性を見ていこう。
Stochastic粒子衝突モデル
4-way coupling（粒子間衝突）を効率的に扱うために、O'Rourke（1981）の確率的衝突モデルやSommerfeld（2001）のstochastic inter-particle collisionモデルが研究されている。同一セル内のparcel間で確率的に衝突を判定する手法で、DEMより遥かに低コストだ。
Point-Particle DNS
乱流のDNS中でpoint particle（粒子径 < Kolmogorov長さスケール）を追跡し、既存の抗力モデルや乱流分散モデルの検証・改良を行う研究が活発だ。Maxey & Riley方程式に基づく精密な力のモデリングが行われている。
粒子が乱流構造に集中するって聞いたことがあります。
Preferential concentration（選択的集中）だ。慣性パラメータ $St = \tau_p / \tau_\eta$（Stokes数）が1程度の粒子は渦の外縁に集中する。この現象はDRWモデルでは再現困難で、改良型の乱流分散モデル（CRW: Continuous Random Walk等）の研究が進んでいる。
非球形粒子の追跡
実際の粒子は球形ではない。繊維状、板状、不規則形状の粒子の抗力・揚力・トルクのモデリングが重要な研究テーマだ。形状係数（sphericity, aspect ratio）で補正する経験モデルや、DNSデータから機械学習で導出するモデルが提案されている。
GPU加速
DPMの粒子追跡は各parcelが独立に計算可能なため、GPUとの親和性が高い。Fluent 2024ではGPUソルバーでDPMをサポートし始めている。数百万parcelの追跡が大幅に高速化される見込みだ。
Coffee Break よもやま話
光ピンセット——レーザーで粒子を操るCFD的視点
光ピンセット（Optical Tweezers）は集束レーザービームの放射圧で微粒子（細胞・ウイルス・コロイド）を非接触で操作する技術で、2018年のノーベル物理学賞の対象になりました。この「放射圧」もラグランジュ粒子法の範疇で、電磁場と粒子運動のCFD的連成として定式化できます。Mie散乱理論から計算される光圧（約pN/µm²程度）は重力の10^6分の1以下ですが、µm径粒子に対しては十分な操作力を生じます。マイクロ流体チップでの細胞選別（Cell Sorting）設計に「光力学CFD」を組み込んだ研究が2020年代から報告されており、生物学とCFDの融合領域の最前線に位置しています。
乱流のDNS中でpoint particle（粒子径 < Kolmogorov長さスケール）を追跡し、既存の抗力モデルや乱流分散モデルの検証・改良を行う研究が活発だ。Maxey & Riley方程式に基づく精密な力のモデリングが行われている。
粒子が乱流構造に集中するって聞いたことがあります。
Preferential concentration（選択的集中）だ。慣性パラメータ $St = \tau_p / \tau_\eta$（Stokes数）が1程度の粒子は渦の外縁に集中する。この現象はDRWモデルでは再現困難で、改良型の乱流分散モデル（CRW: Continuous Random Walk等）の研究が進んでいる。
実際の粒子は球形ではない。繊維状、板状、不規則形状の粒子の抗力・揚力・トルクのモデリングが重要な研究テーマだ。形状係数（sphericity, aspect ratio）で補正する経験モデルや、DNSデータから機械学習で導出するモデルが提案されている。
DPMの粒子追跡は各parcelが独立に計算可能なため、GPUとの親和性が高い。Fluent 2024ではGPUソルバーでDPMをサポートし始めている。数百万parcelの追跡が大幅に高速化される見込みだ。
光ピンセット——レーザーで粒子を操るCFD的視点
光ピンセット（Optical Tweezers）は集束レーザービームの放射圧で微粒子（細胞・ウイルス・コロイド）を非接触で操作する技術で、2018年のノーベル物理学賞の対象になりました。この「放射圧」もラグランジュ粒子法の範疇で、電磁場と粒子運動のCFD的連成として定式化できます。Mie散乱理論から計算される光圧（約pN/µm²程度）は重力の10^6分の1以下ですが、µm径粒子に対しては十分な操作力を生じます。マイクロ流体チップでの細胞選別（Cell Sorting）設計に「光力学CFD」を組み込んだ研究が2020年代から報告されており、生物学とCFDの融合領域の最前線に位置しています。
トラブルシューティング
トラブルシューティング
DPMでよくあるトラブルを教えてください。
順番に見ていこう。
1. 粒子が壁面を突き抜ける
症状: 粒子が壁面を貫通して計算領域外に出る。
対策:
- DPMのMax Number of Stepsを増やす（デフォルトが低すぎることがある）
- 粒子の積分タイムステップを小さくする（Step Length Factorを下げる）
- 壁面メッシュの法線方向が正しいか確認
- 薄い壁の場合、壁面厚さが粒子径より大きいか確認
2. 2-way couplingで気相が発散する
粒子のフィードバックを入れると計算が壊れます…
対策:
- DPMのunder-relaxationを下げる（0.1〜0.3）
- parcel数を増やして各セルのソース項を滑らかにする
- まず1-wayで気相を収束させてから2-wayに切り替え
- メッシュを細かくして1セル内のparcel密度を下げる
3. 粒子軌跡が乱流を反映していない
対策:
- Turbulent Dispersion（DRW）が有効になっていることを確認
- Number of Tries（Stochastic tracking）を十分に大きくする（5〜10以上）
- CRW（Continuous Random Walk）を検討
4. 蒸発する液滴が消えない
対策:
- Species Transportモデルが有効で蒸気成分が定義されていることを確認
- 液滴の沸点・潜熱が正しく設定されているか確認
- Minimum Particle Diameterの設定を確認（液滴が極小になっても消えない）
5. ツール固有の注意点
| ツール | 注意点 |
|---|---|
| Fluent | Unsteady Particle Tracking有効時、DPM iteration intervalの設定に注意 |
| STAR-CCM+ | Lagrangian phaseのtime step設定が気相と独立なので整合性確認 |
| OpenFOAM | 粒子の並列計算時、領域分割境界での粒子受け渡しが問題になることがある |
| CFX | Particle transportのOne-Way/Full couplingの切り替えを適切に |
粒子が壁を突き抜ける——インジェクション設定の落とし穴
ラグランジュ粒子追跡で頻繁に遭遇するバグが「粒子が固体壁を通り抜けて消える」現象です。原因の多くは粒子の初期位置が壁面にめり込んでいること、または時間刻みが大きすぎて粒子が1ステップで壁を飛び越えることです。前者の対策は注入位置を壁から粒子径の0.5〜1倍分だけ内側に設定すること、後者はCFL < 0.3の確保です。また壁面での反射係数（restitution coefficient）設定次第で堆積パターンが劇的に変わり、塗装ブースの粒子堆積予測ではこの係数を材料ごとに実験値から決定することが信頼性ある設計の前提です。
「解析が合わない」と思ったら
- まず深呼吸——焦って設定をランダムに変えると、問題がさらに複雑になる
- 最小再現ケースを作る——Lagrangian粒子追跡（DPM）の問題を最も単純な形で再現する。「引き算のデバッグ」が最も効率的
- 1つだけ変えて再実行——複数の変更を同時に行うと、何が効いたか分からなくなる。科学実験と同じ「対照実験」の原則
- 物理に立ち返る——計算結果が「重力に逆らって物が浮く」ような非物理的な結果なら、入力データの根本的な間違いを疑う
関連トピック
なった
詳しく
報告