衝突噴流冷却（Jet Impingement Heat Transfer）

理論と物理

概要 — 衝突噴流冷却とは

噴流の流れ構造

1. 自由噴流領域（Free jet region）：ノズル出口から壁面に向かう途中。ポテンシャルコア（速度がほぼ一様な中心部分）と、周囲流体を巻き込むせん断層がある。ポテンシャルコアの長さは大体 $4 \sim 6d$（$d$ はノズル径）。
2. よどみ領域（Stagnation region）：壁面近傍で流れが急減速し、方向を変える領域。ここでNu数が最大になる。半径方向の範囲は約 $r/d < 1$。
3. 壁面噴流領域（Wall jet region）：よどみ点から放射状に広がる薄い境界層流れ。$r/d$ が増すとNu数は単調に低下する——ただし、ある条件ではNuが $r/d \approx 2$ 付近で二次ピークを示すことがある。これは遷移や渦構造が原因だ。

Martin相関式（単一円形噴流）

ここで $V_j$ は噴流速度 [m/s]、$d$ はノズル径 [m]、$\nu$ は動粘度 [m²/s]。

よどみ点（$r = 0$）のヌセルト数は：

実用的によく使われる形としては：

ここで $F(Re_j) = 2\sqrt{Re_j} \cdot (1 + 0.005 Re_j^{0.55})^{0.5}$ であり、これが噴流速度の効果を表す。適用範囲は $2{,}000 \leq Re_j \leq 400{,}000$。

H/d比の影響

• $H/d < 4$：ポテンシャルコアが壁面に直接衝突する。よどみ点のNu数は最大になるが、空間的な均一性は悪い（中心だけ冷えて周囲が冷えない）。
• $H/d = 4 \sim 8$：ポテンシャルコアが崩壊し、乱流混合が発達した状態で壁面に衝突する。Nu数の面積平均値が最大になるスイートスポット。実務ではこの範囲を狙う。
• $H/d > 10$：噴流が壁面到達前に大幅に減衰する。よどみ点のNu数が低下し、冷却効率が悪化。

配列噴流（Array Jet）

配列噴流の設計パラメータは：

• 噴流間ピッチ $p/d$：一般に $p/d = 4 \sim 8$。$p/d$ が小さすぎると干渉が激しく、大きすぎると噴流間の「冷却されない谷」ができる
• 排気方向：片側排気（one-side exhaust）ではクロスフロー効果が大きく、下流側ほど冷却性能が低下。両側排気なら均一性が改善
• 配列パターン：正方配列 vs. 千鳥配列（staggered）。千鳥配列の方がNuの面積平均が5〜15%高いことが実験で示されている

数値解法と実装

支配方程式

連続の式：

運動量方程式（RANS）：

エネルギー方程式：

ここで $\mu_t$ は乱流粘性、$Pr_t \approx 0.85$ は乱流プラントル数。衝突噴流で特に注意が必要なのはよどみ点近傍での乱流運動エネルギーの異常生成だ。これが乱流モデル選択の最大のポイントになる。

乱流モデル選択 — SST k-ω が推奨される理由

よどみ点では流れが急減速するため、速度勾配が大きい。標準k-εモデルは $k$ の生成項を

で計算するが、よどみ点ではこの $S$（ひずみ速度テンソルの大きさ）が非常に大きくなる。結果、$k$ が過大に生成され、$\mu_t$ が不当に大きくなり、Nu数を最大40%過大予測する。

SST k-ωモデル（Menter, 1994）は以下の2点でこの問題を緩和する：

1. 壁面近傍でk-ω定式化に切り替わるため、壁面での$k$の境界条件が自然に処理される
2. 渦粘性リミッター（Bradshaw仮説に基づく $\mu_t$ の上限制御）がよどみ点での過大生成を抑制する

実務的にはSST k-ω一択と思ってよい。v2-fモデルは理論的に優れているが、Fluentでの実装が限定的で、STAR-CCM+では使いやすい。RSMは自由度が高い分、収束が難しく初心者にはお勧めしない。

メッシュ戦略

具体的な数値で見てみよう。空気噴流で $Re_j = 23{,}000$、$d = 10\ \mathrm{mm}$ の場合：

• 噴流速度 $V_j \approx 35\ \mathrm{m/s}$
• 壁面摩擦速度 $u_\tau \approx 1.5\ \mathrm{m/s}$（よどみ点近傍）
• $y^+ = 1$ に対応する第1セル高さ：$\Delta y \approx 10\ \mu\mathrm{m}$

かなり薄いセルが必要になるね。プリズム層（inflation layer）を15〜25層、成長率1.15〜1.2で積むのが定石だ。

• 軸対称化：単一噴流なら2D軸対称で十分な場合が多い
• 周期境界条件：配列噴流の最小繰り返し単位だけをモデル化
• ノズル上流省略：十分発達した速度プロファイルをノズル出口に入口条件として与える
• 壁面から離れた領域の粗メッシュ化：壁面近傍だけ細かく、ノズル上方は粗くてOK

ソルバー設定の推奨

実践ガイド

解析ワークフロー

1. 1. 手計算で目標を設定 — Martin式で概算Nu数・$h$ を算出し、必要な噴流速度・ノズル径・$H/d$ の目安を決める
2. 2. 形状モデリング — 対称性を最大限利用（2D軸対称 or 周期境界）。ノズル上流は $5d$ 以上確保
3. 3. メッシュ生成 — 壁面プリズム層（$y^+ \leq 1$、15〜25層）＋よどみ領域の局所細分化
4. 4. 境界条件設定 — ノズル入口（速度入口）、出口（圧力出口）、壁面（No-slip + 熱条件）
5. 5. ソルバー実行 — SST k-ω、2次精度、Pseudo-Transient推奨
6. 6. 後処理・検証 — よどみ点Nuと面積平均Nuを抽出し、Martin式と比較
7. 7. メッシュ独立性確認 — 3水準以上でNu数の変化が2%以内に収束することを確認

境界条件の設定

• 等温壁（$T_w = \text{const}$）：Martin式の検証、実験との比較に向く。電子チップの表面温度が一様と仮定できる場合にも使う
• 等熱流束壁（$q'' = \text{const}$）：電子機器やヒーターのように発熱量が既知の場合。壁面温度分布が結果として得られる
• 共役熱伝達（CHT）：固体の熱伝導も同時に解く。ガスタービンブレードのように固体内の温度分布が重要な場合は必須

注意点として、等温壁は物理的に「壁面の熱伝導率が無限大」を意味する。実際の固体壁は有限の熱伝導率を持つので、厳密にはCHTが最も正確だ。

検証（Validation）のポイント

• Baughn & Shimizu (1989)：単一円形噴流、$Re = 23{,}750$、$H/d = 2, 6, 10$。局所Nu数分布の実験データが広く引用される
• Cooper et al. (1993)：$Re = 23{,}000$、$H/d = 2$。よどみ点付近の詳細な速度・乱流量の測定
• Goldstein & Behbahani (1982)：配列噴流の面積平均Nu数データ

検証のチェックポイント：

1. よどみ点Nu数が実験値の±15%以内か
2. $r/d$ に沿ったNu分布のプロファイル形状が実験と定性的に一致するか
3. メッシュ独立性：3水準で2%以内の変動
4. $y^+$ が全壁面で1以下を満たしているか（後処理で確認）

ソフトウェア比較

主要CFDツール比較

ガスタービン関連企業ではFluent/STAR-CCM+が主流、大学の研究ではOpenFOAMの利用が増えている。電子冷却ではCOMSOLのCHT連成が便利だ。

OpenFOAMでの設定例

simulationType RAS;
RAS
{
    model           kOmegaSST;
    turbulence      on;
    printCoeffs     on;
}

壁面には omegaWallFunction ではなく、fixedValue で $\omega$ の壁面値を直接指定する（低Re解法）。$y^+ \leq 1$ のメッシュが前提だ。温度場は 0/T で指定し、壁面に fixedValue（等温）か fixedGradient（等熱流束）を設定する。

先端技術

LES/DNSによる高精度解析

• DNS：Dairay et al. (2015) が $Re_j = 10{,}000$ のDNSを実施。メッシュ数は約20億セル。計算コストは膨大だが、物理の完全な理解に貢献
• Wall-Resolved LES：$Re_j \leq 30{,}000$ 程度なら現実的。1000万〜1億セル規模。壁面近傍を $\Delta x^+ < 50$, $\Delta z^+ < 20$, $\Delta y^+_1 < 1$ で解像
• Wall-Modeled LES (WMLES)：壁面近傍にRANSモデルを使うハイブリッド手法。より高$Re$に適用可能だが、よどみ点でのRANS/LES切替領域の処理に課題

実務的には、RANSで設計を進め、最終検証でLESを1ケース回すというのが現実的なアプローチだろう。

共役熱伝達（CHT）との連成

CHT解析のポイント：

• 流体-固体界面で温度と熱流束の連続条件を正確に満たすこと
• 固体側メッシュは流体側の壁面メッシュと一致（conformal）させるのがベスト
• 収束が遅い場合は、流体→固体の熱流束を緩和係数（0.5〜0.8）で受け渡す

トポロジー最適化との融合

1. トポロジー最適化：噴流ノズルの形状（円形→星形→ロブ付きなど）を自動最適化。3Dプリンティングと組み合わせることで従来製法では作れなかった流路設計が可能に
2. 機械学習サロゲートモデル：$Re_j$, $H/d$, $p/d$, ノズル形状をパラメータとして数千ケースのCFD結果を学習させ、ミリ秒で応答するNu数予測モデルを構築。設計初期段階の探索に活用

特に金属3Dプリンティング（SLM/DMLS）の進展により、冷却チャネルの自由度が飛躍的に向上し、トポロジー最適化が実際の製品設計に適用され始めている。GEのLEAPエンジンのタービン翼がその先駆的な事例だ。

トラブルシューティング

よくあるエラーと対策

デバッグチェックリスト

1. $y^+$ コンター確認 — 壁面全体で $y^+ \leq 1$ か？ 局所的に $y^+ > 5$ の箇所がないか？
2. メッシュ独立性 — 少なくとも粗・中・細の3水準でNuを比較。GCI（Grid Convergence Index）を算出できればなお良い
3. 流量バランス — 入口と出口の質量流量の差が$10^{-4}$以下か確認
4. 残差履歴 — 単調減少しているか。振動していたら緩和係数を調整
5. 乱流モデル確認 — 標準k-εを使っていないか？ Enhanced Wall Treatment が有効か？
6. 入口境界条件 — 乱流強度と長さスケールが妥当か。$TI = 1\%$ と $5\%$ でNuが10%変わることもある
7. 手計算との比較 — Martin式による概算値と桁違いにずれていないか