势流理论
理论与物理
势流是什么
老师，势流是什么？ 也叫无旋流对吧？
势流是非粘性、非旋转（涡度为零）的流动。如果涡度为零，速度场就可以表示为标量势 $\phi$ 的梯度。
将其代入不可压缩的连续性方程 $\nabla \cdot \mathbf{u} = 0$，就得到拉普拉斯方程。
拉普拉斯方程在很多领域都会出现呢。
没错。静电场、稳态热传导、地下水流等，许多物理现象都归结为拉普拉斯方程。势流理论与这些领域在数学上是等价的。
基本流动要素
拉普拉斯方程是线性的，所以解可以叠加对吧？
非常好的观察。这正是势流理论最强大的武器。可以通过叠加基本流动要素来构建复杂的流动。
| 流动要素 | 速度势 $\phi$ | 流函数 $\psi$ | 物理意义 |
|---|---|---|---|
| 均匀流（x方向） | $U_\infty x$ | $U_\infty y$ | 远方的自由来流 |
| 源（强度 $m$） | $\frac{m}{2\pi}\ln r$ | $\frac{m}{2\pi}\theta$ | 点源处的流体释放 |
| 涡（环量 $\Gamma$） | $\frac{\Gamma}{2\pi}\theta$ | $-\frac{\Gamma}{2\pi}\ln r$ | 点涡周围的旋转 |
| 偶极子（强度 $\mu$） | $-\frac{\mu \cos\theta}{2\pi r}$ | $-\frac{\mu \sin\theta}{2\pi r}$ | 源+汇的极限 |
如果把源和均匀流组合起来会怎么样？
会得到兰金半体（Rankine half-body）。在均匀流 $U_\infty$ 中放置一个强度为 $m$ 的源，驻点会出现在 $(x,y) = (-m/(2\pi U_\infty), 0)$，通过该点的流线会形成物体表面。
圆柱绕流
最著名的例子就是圆柱绕流对吧？
均匀流 $U_\infty$ 中半径为 $a$ 的圆柱周围的势流，可以通过叠加偶极子和均匀流得到。
表面（$r=a$）的速度是 $u_\theta = -2U_\infty \sin\theta$，在 $\theta = \pi/2$（顶部）达到最大值 $2U_\infty$。
用伯努利定理也能求出压力分布对吧？
压力系数是 $C_p = 1 - 4\sin^2\theta$。这里就产生了著名的达朗贝尔佯谬。因为压力分布前后对称，所以在非粘性势流中阻力为零。
库塔-茹科夫斯基定理与升力
阻力为零却能产生升力吗？
在圆柱绕流上叠加环量 $\Gamma$ 就会产生升力。在速度势上加上涡
根据库塔-茹科夫斯基定理，单位展长的升力为
环量的大小决定了升力。对于翼型，库塔条件（后缘处流动平滑离开的条件）唯一地决定了环量的值。
这个定理是翼型设计的基础对吧。
没错。使用茹科夫斯基变换，还可以从圆柱的解解析地求出翼型周围的流动。可以说是航空工程的起点理论。
适用范围与局限
势流理论在什么情况下有效呢？
在满足以下条件时是很好的近似。
- 高雷诺数: 粘性效应仅限于边界层内的情况
- 远离物体的区域: 边界层外侧涡度几乎为零
- 无分离的流动: 翼型小迎角（失速前）等
- 定常或准定常: 无涡脱落的条件
相反，对于伴随分离的流动、低雷诺数、强非定常涡流则不适用。在实际的CFD中虽然求解纳维-斯托克斯方程，但势流理论至今仍在初步设计阶段的快速评估或CFD结果的合理性验证中发挥着重要作用。
达朗贝尔佯谬——“阻力为零”的矛盾
18世纪，让·勒朗·达朗贝尔利用势流理论证明了“在理想流体中运动的物体阻力为零”。这被称为“达朗贝尔佯谬”。现实中当然不为零——这个矛盾长达100多年未得到解决，阻碍了流体力学的发展。解决它的是普朗特的边界层理论（1904年）。答案是“即使粘性极其微小，也会通过薄薄的边界层改变压力分布，从而产生阻力”。极限（粘性→0）的行为与粘性为零的解完全不同——这种“奇异摄动”的概念至今仍是数学和物理的重要主题。
各项的物理意义
- 时间项 $\partial(\rho\phi)/\partial t$：想象一下拧开水龙头的瞬间。最初水流不稳定地喷溅，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样？会被水流带着向下游移动，对吧？这就是“对流”——流体运动搬运物质的效果。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“速度×速度”，因此是非线性的。也就是说，流速变快这项会急剧增强，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！对流是流动搬运，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，对吧？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？因为蜂蜜的粘性（$\mu$）高，所以不易流动。粘性越大扩散项越强，流体就变得“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，扩散则处于次要地位。
- 压力项 $-\nabla p$：按下注射器的活塞，液体就会从针头有力地射出，对吧？为什么？因为活塞侧压力高，针头侧压力低——这个压力差成为推动流体的力。大坝放水也是同样原理。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出错，原因可能就是混淆了绝对压力/表压。
- 源项 $S_\phi$：受热的空气会上升——为什么？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。还有，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，用源项表示。忘记源项会怎样？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，暖空气却不上浮，得到这种物理上不可能的结果。
假设条件与适用极限
- 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 的情况）：将密度视为常数。马赫数0.3以上需考虑可压缩性效应
- 布西内斯克近似（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）
量纲分析与单位制
| 变量 | SI单位 | 注意事项·换算备忘 |
|---|---|---|
| 速度 $u$ | m/s | 入口条件中从体积流量换算时，注意截面面积的单位 |
| 压力 $p$ | Pa | 区分表压和绝对压力。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] 混淆 |
| 雷诺数 $Re$ | 无量纲 | $Re = \rho u L / \mu$。层流/湍流转换的判断指标 |
| 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
面元法基础
如何数值求解势流呢？
最广泛使用的是面元法（Panel Method）。将物体表面分割成面元（线段或面单元），在每个面元上布置奇点分布（源、偶极子、涡）。这是一种将边界积分方程离散化来求解奇点强度的方法。
这里 $G$ 是格林函数（2D中 $G = -\frac{1}{2\pi}\ln|\mathbf{x}-\mathbf{x'}|$），$\sigma$ 是源强度，$\mu$ 是偶极子强度。
与在三维空间中求解N-S方程相比，计算只在表面上就完成了呢。
这正是面元法最大的优点。三维问题归结为二维表面问题，计算量大幅减少。网格生成也只需表面网格。
赫斯-史密斯面元法
请告诉我最基本的面元法算法。
赫斯-史密斯面元法用于无升力物体周围的流动。算法如下。
1. 将物体表面分割成 $N$ 个面元
2. 在每个面元上布置恒定强度的源 $\sigma_j$
3. 在每个面元的控制点（中点）施加法向速度 = 0 的条件
4. 求解 $N \times N$ 的联立方程组 $[A]\{\sigma\} = \{b\}$
5. 计算每个面元上的切向速度，用伯努利公式求压力
影响系数矩阵 $A_{ij}$ 是面元 $j$ 的源对面元 $i$ 的控制点产生的法向速度分量。
要计算升力该怎么办？
在赫斯-史密斯法中加入涡面元。在每个面元上添加涡分布 $\gamma$，并将库塔条件（后缘上下表面元速度相等）添加到联立方程组中。这样就可以求出环量和升力了。
高阶面元法
要提高精度该怎么做？
基本的赫斯-史密斯法中每个面元上的奇点分布是恒定值（0阶），但有以下改进。
| 面元法类型 | 奇点分布 | 精度 | 计算成本 |
|---|---|---|---|
| 常值面元（赫斯-史密斯） | 恒定 | 1阶 | 低（$O(N^2)$） |
| 线性面元 | 线性分布 | 2阶 | 中（$O(N^2)$） |
| 二次面元 | 二次分布 | 3阶 | 高（$O(N^2)$） |
| 高阶面元 + FMM | 任意 | 高阶 | $O(N \log N)$ 或 $O(N)$ |
用FMM可以降低计算量呢。
结合快速多极子法（FMM），将远处面元的影响用多极子展开汇总计算，可以将计算量削减到 $O(N)$。对于面元数达到数万至数十万的3D全机分析，这是必不可少的技术。
代表性的面元法代码
なった
詳しく
報告