斯托克斯流（低雷诺数）
理论与物理
概述
老师，斯托克斯流动和普通的NS方程有什么区别？
在雷诺数非常小（$Re \ll 1$）的流动中，惯性力与粘性力相比可以忽略不计。从NS方程中去掉对流项（非线性项）得到的线性方程就是斯托克斯方程。它在微小颗粒沉降、微流体装置、生物流体力学等领域非常重要。
斯托克斯方程
定常、不可压缩斯托克斯方程如下。
动量方程:
这是从NS方程中去掉 $\rho(\partial\mathbf{u}/\partial t + \mathbf{u}\cdot\nabla\mathbf{u})$ 项后的形式。压力梯度和粘性力完全平衡。
在什么条件下可以忽略对流项？
用雷诺数判断。
| 对象 | 典型Re数 | 斯托克斯近似 |
|---|---|---|
| 细菌游动 | $10^{-5}$〜$10^{-4}$ | 非常好 |
| 精子游动 | $10^{-2}$ | 良好 |
| 颗粒沉降（$d=10\mu$m，水中） | $10^{-3}$ | 良好 |
| 高粘度聚合物流动 | $10^{-2}$〜$10^{-1}$ | 大致有效 |
| 微流道（$L=100\mu$m） | $0.1$〜$10$ | 视情况而定 |
斯托克斯阻力定律
球体（半径 $R$）在粘性流体中以均匀速度 $U$ 运动时所受的阻力，由斯托克斯于1851年推导得出。
这就是斯托克斯阻力定律。用阻力系数表示则为，
其中 $Re = \rho U (2R)/\mu$。当 $Re < 1$ 时此关系成立。
斯托克斯流动的特性
斯托克斯流动具有独特的数学性质。
- 可逆性: 时间反演后流场相同（视频倒放也无法区分）
- 瞬时响应: 由于没有惯性，对边界条件的变化立即响应
- 线性: 解的叠加原理成立。可以解析处理多个粒子的相互作用
- 唯一性: 给定边界条件后解是唯一的
可逆性真有趣。在普通流动中是不可能的。
Taylor-Couette装置中，对粘性流体中的墨带进行“搅拌”后反向旋转，墨带会恢复原状，这个演示非常有名。这是斯托克斯流动可逆性的直观证明。
细菌生活在“即使向后游也能前进”的世界里
细菌（如大肠杆菌）通过旋转鞭毛游动的机制，只有在斯托克斯流动（Re≪1）的世界中才能成立。有一个著名的“扇贝定理”结果，证明了“在可逆运动（往复运动）下，Re≪1的流动中推进力为零”。这就是细菌无法像人类那样游泳的原因。细菌通过螺旋状旋转鞭毛来实现不可逆运动，从而规避了这个悖论。在微型机器人或医疗纳米机器的设计中，这个原理也是一个重要的约束条件。
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后”——也就是将此项设为零。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？会被水流带到下游，对吧？这就是“对流”——流体运动搬运物体的效果。暖风的暖空气能到达房间角落，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，流速加快时此项会急剧增强，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？因为蜂蜜粘度（$\mu$）高，不易流动。粘度越大扩散项越强，流体的运动就越“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 $-\nabla p$：按下注射器的活塞，液体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——这个压力差推动流体。大坝放水也是同样原理。天气图中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”通常指表压而非绝对压力。切换到可压缩分析时结果突然出错，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。这个浮力作为源项添加到方程中。其他例子还有，燃气灶火焰产生化学反应热、工厂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——就像冬天房间里开了暖气，暖空气却不上浮，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以上需考虑压缩性效应
- Boussinesq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
- 不适用情况：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 | 注意事项·换算备忘 |
|---|---|---|
| 速度 $u$ | m/s | 入口条件从体积流量换算时，注意截面面积单位 |
| 压力 $p$ | Pa | 区分表压和绝对压力。可压缩分析使用绝对压力 |
| 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
斯托克斯方程的数值解法
请告诉我数值求解斯托克斯方程的方法。
斯托克斯方程是线性的，因此比NS方程更容易求解。但速度-压力的耦合（鞍点问题）仍然存在。
作为鞍点问题的公式化
用FEM离散化斯托克斯方程，会得到以下鞍点型联立方程。
这里 $A$ 是粘性项的刚度矩阵，$B$ 是散度算子的离散形式。
有零对角块的话，似乎很难求解呢。
没错。需要满足 inf-sup 条件（LBB条件）的单元组合。
| 速度单元 | 压力单元 | LBB稳定 | 名称 |
|---|---|---|---|
| P2（二次三角形） | P1（一次三角形） | 稳定 | Taylor-Hood单元 |
| P1+bubble | P1 | 稳定 | MINI单元 |
| Q2（二次四边形） | Q1（一次四边形） | 稳定 | 标准型 |
| P1 | P1 | 不稳定 | 需要稳定化 |
| P1 | P0 | 不稳定 | 不可用 |
FVM解法
有限体积法中可以直接使用SIMPLE算法，但由于Re数极小，需要特别的考虑。
- 压力松弛系数: 可以设置得比通常更大（0.5〜0.8）。因为没有对流项，更容易稳定
- 对流格式: 不需要（因为对流项为零）
- 收敛: 因为是线性问题，通常数十次迭代即可收敛
边界积分法（BEM）
边界积分法是利用斯托克斯流动线性性的强大方法。使用格林函数（斯托克斯子），只在边界面上布置未知数，而不需要整个区域。
$$ u_j(\mathbf{x}) = -\frac{1}{8\pi\mu}\oint_S G_{ij}(\mathbf{x}, \mathbf{y})f_i(\mathbf{y})\,dS(\mathbf{y}) + \frac{1}{8\pi}\oint_S T_{ijk}(\mathbf{x}, \mathbf{y})u_i(\mathbf{y})n_k(\mathbf{y})\,dS(\mathbf{y}) $$
边界积分法是利用斯托克斯流动线性性的强大方法。使用格林函数（斯托克斯子），只在边界面上布置未知数，而不需要整个区域。
这里 $G_{ij}$ 是 Oseen-Burgers 张量（自由空间的格林函数）。对于3D问题，不需要体积网格，计算量大幅减少。
斯托克斯流动只用边界就能求解呢。NS方程做不到这一点吧？
是的。由于NS方程的非线性，不存在格林函数。这是斯托克斯流动的线性性所赋予的特权方法。
斯托克斯流动的数值解法——边界元法(BEM)比有限体积法更有利的理由
斯托克斯方程（Re→0的低Re极限）是线性偏微分方程，因此边界元法（BEM）特别有效。BEM不需要对流体区域内部进行网格划分，仅离散化边界表面，因此即使是三维问题也只需要二维网格。特别是对于外部流动（开域），可以自然地处理无穷远边界，无需像有限体积法那样人为设置“远场边界”。但BEM的矩阵（N²的稠密矩阵）对于网格数N需要存储容量O(N²)、求解成本O(N³)，对于大规模问题，会结合使用快速多极子法（FMM: Fast Multipole Method）将其压缩到O(N log N)。对于流体中粒子群、气泡群等多体问题，这也是一种有效的方法。
迎风格式（Upwind）
一阶迎风：数值扩散大但稳定。二阶迎风：精度提高但有振荡风险。高雷诺数流动中必不可少。
中心差分（Central Differencing）
二阶精度，但Pe数 > 2时会产生数值振荡。适用于低雷诺数的扩散主导流动。
TVD格式（MUSCL、QUICK等）
通过限制器函数抑制数值振荡，同时保持高精度。对捕捉激波或陡峭梯度有效。
有限体积法 vs 有限元法
FVM: 自然满足守恒定律。CFD的主流。FEM: 对复杂形状、多物理场有利。SPH等无网格法也在发展中。
CFL条件（库朗数）
显式法: CFL ≤ 1 是稳定条件。隐式法: CFL > 1 也稳定，但影响精度和迭代次数。LES: 推荐 CFL ≈ 1。物理意义：在一个时间步长内，信息传播不超过一个网格。
残差监控
连续性方程、动量、能量的各项残差下降3〜4个数量级即可判断为收敛。质量守恒的残差尤其重要。
松弛系数
压力: 0.2〜0.3，速度: 0.5〜0.7 是常见的初始值。发散时降低松弛系数。收敛后可提高以加速。
非定常计算的内部迭代
在每个时间步长内迭代直到收敛到定常解。内部迭代次数：5〜20次为参考值。如果残差在时间步长间波动，则需要重新审视时间步长。
SIMPLE法的比喻
SIMPLE法是“交替调整”的方法。先假设求解速度（预测步），然后根据该速度修正压力以满足质量守恒（修正步），再用修正后的压力修正速度——重复这种“投接球”过程，逐渐接近正确答案。类似于两人调整架子水平：一人调整高度，另一人调整平衡，如此反复。
迎风格式的比喻
迎风格式是“站在河流中重视上游信息”的方法。站在河里的人看下游无法知道水的来源——反映了“上游信息决定下游”这一物理的离散化方法。精度为一阶，但能正确捕捉流动方向，因此稳定性高。
实践指南
实践指南
请告诉我实际工作中进行斯托克斯流动分析的案例。
列举几个主要的应用领域。
相关主题
なった
詳しく
報告