量纲分析与π定理
理论与物理
量纲分析基本原理
老师，我对量纲分析的认识就是“检查单位”，它在CFD中真的那么重要吗？
不止如此。量纲分析是一种强大的方法，可以最小化支配物理问题的独立参数数量。其核心是白金汉π定理。
π定理的表述如下：如果一个物理现象由 $n$ 个物理量描述，并且这些量包含 $k$ 个基本量纲（如质量M、长度L、时间T等），那么该现象可以完全由 $n - k$ 个独立的无量纲数来描述。
具体是什么意思呢？
例如，考虑圆管中的压力损失 $\Delta p$。相关的物理量有 $\Delta p, \rho, U, D, \mu, L, \varepsilon$ 这7个。基本量纲是M, L, T这3个，所以可以用 $7 - 3 = 4$ 个无量纲数来表示。
这里 $\text{Re} = \rho U D / \mu$ 是雷诺数，$L/D$ 是长径比，$\varepsilon/D$ 是相对粗糙度。
7个变量减少到4个，这差别很大啊！
主要无量纲数及其物理意义
我们来整理一下CFD中常见的无量纲数。每一个都代表了“两种力或效应的比值”。
| 无量纲数 | 定义 | 物理意义 |
|---|---|---|
| 雷诺数 Re | $\rho UL/\mu$ | 惯性力/粘性力 |
| 马赫数 Ma | $U/c$ | 流速/音速（可压缩性指标） |
| 弗劳德数 Fr | $U/\sqrt{gL}$ | 惯性力/重力 |
| 韦伯数 We | $\rho U^2 L/\sigma$ | 惯性力/表面张力 |
| 斯特劳哈尔数 St | $fL/U$ | 非定常振荡特性 |
| 普朗特数 Pr | $\nu/\alpha = c_p\mu/k$ | 动量扩散/热扩散 |
| 努塞尔数 Nu | $hL/k$ | 对流传热/传导传热 |
| 格拉晓夫数 Gr | $g\beta\Delta T L^3/\nu^2$ | 浮力/粘性力 |
我知道雷诺数，但没想到有这么多啊。
根据问题选择合适的无量纲数，这才是量纲分析展现功力的地方。例如，在自然对流中，$\text{Gr}$ 和 $\text{Pr}$ 的乘积，即瑞利数 $\text{Ra} = \text{Gr} \cdot \text{Pr}$，会成为主导参数。
Navier-Stokes方程的无量纲化
将量纲分析应用到Navier-Stokes方程上会怎么样？
用特征长度 $L$、特征速度 $U$、特征时间 $L/U$、特征压力 $\rho U^2$ 进行无量纲化后，不可压缩N-S方程变为如下形式。
从这个形式可以看出，Re 越大，粘性项的贡献越小；Fr 越大，重力项的影响越小。CFD的解最终是由这些无量纲数决定的。
所以风洞试验中匹配Re数才这么重要啊！
没错。如果几何形状相似且Re数一致，那么流场的无量纲解就是相同的。这就是动力相似准则。
弗劳德的船模实验——尺度律的发现
19世纪，造船工程师威廉·弗劳德致力于解决“能否通过船模的阻力测量来预测实船性能”这一问题。他发现了一个尺度律：“如果弗劳德数（Fr = V/√(gL)）相等，那么波形在几何上就是相似的”。这是π定理的原型之一。即使在现代，船舶设计也基本是模型水槽实验与CFD的结合，弗劳德数的一致是必要条件。如果没有量纲分析，将1/100缩尺模型实验结果外推到实船，就根本没有合理的依据。
各项的物理意义
- 时间项 $\partial(\rho\phi)/\partial t$：想象一下打开水龙头的瞬间。最初水流会不稳定地喷溅，过一会儿才变成稳定的水流，对吧？描述这个“变化过程中”的就是时间项。心脏搏动导致血流脉动，发动机阀门每次开闭引起流动变化，这些都是非定常现象。那么定常分析是什么？就是只看“经过足够时间流动稳定之后”——也就是令此项为零。计算成本会大幅降低，因此先用定常求解是CFD的基本策略。
- 对流项 $\nabla \cdot (\rho \mathbf{u} \phi)$：把落叶扔进河里会怎么样？会被水流带着流向下游，对吧？这就是“对流”——流体运动携带物体的效应。暖风的暖气能到达房间的另一端，也是因为空气这个“搬运工”通过对流输送热量。这里有趣的是——这项包含了“速度×速度”，因此是非线性的。也就是说，流速越快，这项会急剧增强，变得难以控制。这就是湍流的根本原因。常见的误解：“对流和传导差不多”→ 完全不一样！对流是流动携带，传导是分子传递。效率有天壤之别。
- 扩散项 $\nabla \cdot (\Gamma \nabla \phi)$：有过在咖啡里倒入牛奶后放置不管的经历吗？即使不搅拌，过一会儿也会自然混合。那就是分子扩散。那么下一个问题——蜂蜜和水，哪个更容易流动？当然是水，对吧？因为蜂蜜的粘度（$\mu$）高，所以不易流动。粘度越大，扩散项越强，流体的运动就变得“粘稠”。雷诺数小的流动（缓慢、粘稠）中扩散占主导。相反，Re数大的流动中，对流占压倒性优势，扩散则成为配角。
- 压力项 $-\nabla p$：推注射器的活塞，液体会从针头有力地射出，对吧？为什么呢？因为活塞侧压力高，针头侧压力低——这个压力差产生了推动流体的力。大坝放水也是同样的原理。天气图上等压线密集的地方会怎样？没错，会刮强风。“有压力差的地方就会产生流动”——这就是纳维-斯托克斯方程压力项的物理意义。这里的误解点：CFD中的“压力”大多是表压而非绝对压力。切换到可压缩分析时结果突然变得奇怪，原因可能就是混淆了绝对压力/表压。
- 源项 $S_\phi$：被加热的空气会上升——为什么呢？因为比周围空气轻（密度低），被浮力推上去了。这个浮力作为源项添加到方程中。此外，燃气灶的火焰产生化学反应热、工厂的电磁泵对金属熔液施加洛伦兹力……这些都是“从外部向流体注入能量或力”的作用，都用源项来表示。如果忘记源项会怎样？在自然对流分析中忘记加入浮力，流体就完全不动——就像冬天在房间里开了暖气，但暖空气却不上升，这种物理上不可能的结果。
假设条件与适用范围
- 连续介质假设：克努森数 Kn < 0.01（分子平均自由程 ≪ 特征长度）时成立
- 牛顿流体假设：剪切应力与应变速率呈线性关系（非牛顿流体需要粘度模型）
- 不可压缩假设（Ma < 0.3 时）：将密度视为常数。马赫数0.3以上需考虑可压缩性效应
- 布辛涅斯克近似（自然对流）：仅在浮力项中考虑密度变化，其他项使用恒定密度
- 不适用的情形：稀薄气体（Kn > 0.1）、超音速/高超音速流动（需要捕捉激波）、自由表面流动（需要VOF/Level Set等方法）
量纲分析与单位制
| 变量 | SI单位 | 注意点·换算备忘 |
|---|---|---|
| 速度 $u$ | m/s | 从入口条件的体积流量换算时，注意截面积的单位 |
| 压力 $p$ | Pa | 区分表压与绝对压力。可压缩分析中使用绝对压力 |
| 密度 $\rho$ | kg/m³ | 空气：约1.225 kg/m³@20°C，水：约998 kg/m³@20°C |
| 粘性系数 $\mu$ | Pa·s | 注意与运动粘性系数 $\nu = \mu/\rho$ [m²/s] 的混淆 |
| 雷诺数 $Re$ | 无量纲 | $Re = \rho u L / \mu$。层流/湍流转捩的判断指标 |
| CFL数 | 无量纲 | $CFL = u \Delta t / \Delta x$。直接关系到时间步长的稳定性 |
数值解法与实现
CFD中无量纲化的实现
实际上在CFD中怎么使用量纲分析呢？输入求解器的时候是有量纲的吧？
问得好。实现上有两种方法。
方法1：有量纲计算，后处理时无量纲化
- 直接以SI单位输入物理量
- 结果除以特征量进行无量纲化（例：$C_p = \Delta p / (\frac{1}{2}\rho U_\infty^2)$）
- Ansys Fluent或STAR-CCM+主要采用这种方法
方法2：从一开始就求解无量纲化后的方程
- 输入用特征量归一化后的变量
- 用于研究代码或OpenFOAM的自定义求解器
- 优点是可以只将Re数作为参数来设置
商业软件通常用有量纲的啊。
利用相似准则的缩放方法
量纲分析最大的应用就是利用相似准则进行缩放。识别出实机与模型必须一致的无量纲数，从而决定实验条件。
例如，考虑汽车风洞试验中使用1/5缩尺模型的情况。
如果使用相同的空气（相同的 $\rho, \mu$），则需要 $U_m = 5 \times U_f$。实车100 km/h的话，模型就需要500 km/h，这样可压缩性效应就无法忽略了。
原来完全相似有时也很难做到啊。
是的。当无法实现完全相似时，就使用部分相似。只让主导的无量纲数一致，对影响较小的无量纲数则妥协。船舶设计中，使Fr数一致（造波阻力），对Re数的不一致则用修正公式处理，就是典型例子。
CFD中无量纲数的计算与监控
从CFD结果计算无量纲数时有什么需要注意的吗？
特征量的选择会影响结果的解读。需要注意以下几点。
| 无量纲量 | 特征量的选择 | 注意点 |
|---|---|---|
| 阻力系数 $C_D$ | 迎风投影面积 $A$、$U_\infty$ | 统一面积的定义 |
| 压力系数 $C_p$ | 自由来流速度 $U_\infty$、静压 $p_\infty$ | 参考压力的选择 |
| 摩擦系数 $C_f$ | 壁面剪切应力 $\tau_w$ | 区分局部值与平均值 |
| $y^+$ | $u_\tau = \sqrt{\tau_w/\rho}$ | 壁面第一层网格的质量指标 |
特别是 $y^+$，它是判断湍流模型适用与否的重要无量纲数。如果使用壁函数模型，目标范围是 $30 < y^+ < 300$；如果使用壁面解析模型，则目标约为 $y^+ \approx 1$。
没想到 $y^+$ 在这里会和量纲分析联系起来。
无量纲数是“大幅减少计算次数”的工具
量纲分析在实际工作中的威力在于“减少参数数量”。例如，圆管中的压力损失似乎依赖于“流速V、密度ρ、粘性μ、管径D、长度L、粗糙度ε”这6个变量，但使用π定理可以压缩为“Re数和ε/D（相对粗糙度）”这2个变量的函数。这就是穆迪图。如果对6个变量进行独立变化的实验设计，需要6^3=216次实验，而使用无量纲数则只需……
なった
詳しく
報告