DNS（直接数值模拟）基础
理论与物理
概述
老师，DNS 是直接解析湍流的所有尺度对吧？它的工作原理是怎样的？
DNS（直接数值模拟）是一种无需湍流模型、直接求解 Navier-Stokes 方程的方法。它从 Kolmogorov 最小尺度 $\eta$ 到积分尺度 $L$，解析所有涡旋。虽然能最忠实地再现湍流物理，但所需的计算资源是天文数字。
所需分辨率
DNS 需要多少网格数？
每个方向的网格数与 $L/\eta$ 成正比。Kolmogorov 尺度为 $\eta = (\nu^3/\varepsilon)^{1/4}$，其与积分尺度的比值由 Reynolds 数决定。
在三维中，每个方向都需要这么多网格点，因此总网格点数约为，
$Re = 10^4$ 时大概是多少？
$N \sim (10^4)^{9/4} \approx 10^9$。也就是说大约 10 亿个网格点。此外，时间步数与 $Re_L^{1/2}$ 成正比，因此总计算量与 $Re_L^{11/4}$ 成正比。对于工业级别的 $Re \sim 10^6$，$N \sim 10^{13.5}$，以目前的计算机能力完全不可能。
控制方程
DNS 求解的是什么方程？
对于不可压缩流体，就是通常的 Navier-Stokes 方程本身。
没有任何模型项。这是 DNS 最大的优势，其结果可被视为 N-S 方程的“精确解”。它是验证 RANS 模型或 LES 模型时最可靠的数据。
Kolmogorov 尺度律
请再详细讲讲 Kolmogorov 尺度。
它是湍流能量级串中的最小尺度。
| 尺度 | 公式 | 物理意义 |
|---|---|---|
| 长度尺度 $\eta$ | $(\nu^3/\varepsilon)^{1/4}$ | 粘性耗散占主导的最小涡旋尺寸 |
| 速度尺度 $u_\eta$ | $(\nu\varepsilon)^{1/4}$ | 最小涡旋的速度 |
| 时间尺度 $\tau_\eta$ | $(\nu/\varepsilon)^{1/2}$ | 最小涡旋的翻转时间 |
DNS 需要满足 $\Delta x \leq \pi\eta$（经验上 $\Delta x \approx 2\eta$）和 $\Delta t \leq \tau_\eta$。如果网格不满足此条件，小尺度涡旋会发生混叠，导致计算不稳定。
DNS 的“9/4 次方壁垒”——$Re$ 翻倍，计算量变为几倍？
DNS 所需的网格点数为了解析到 Kolmogorov 尺度，其数量级按 $N \sim Re^{9/4}$ 增长。例如，$Re$ 翻倍，计算量大约变为 $2^{9/4} \approx 4.76$ 倍。对于实用的机翼 DNS（$Re \sim 10^7$），有估算认为即使用现在的超级计算机也需要数十年。DNS 被称为“研究者的理想与现实之壁”的象征，正是这个冷酷的指数关系说明了一切。
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？会被水流带着往下游漂，对吧？这就是“对流”——流体运动搬运物质的效果。暖气的热风能到达房间另一端，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——此项包含“速度×速度”，因此是非线性的。也就是说，流速越快，此项急剧增强，变得难以控制。这就是湍流的根本原因。常见的误解：“对流和传导差不多吧？”→ 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。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。因为蜂蜜的粘性（$\mu$）高，所以难流动。粘性越大，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——这个压力差产生了推动流体的力。水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 Navier-Stokes 方程压力项的物理意义。这里容易误解的点是：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，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？因为比周围空气轻（密度低），所以被浮力推上去。这个浮力作为源项添加到方程中。此外，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，热空气却不上浮，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：Knudsen 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
- 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] 混淆 |
| 雷诺数 $Re$ | 无量纲 | $Re = \rho u L / \mu$。层流/湍流转换的判定指标 |
| 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
DNS 的数值方法
DNS 使用什么样的数值格式？
DNS 中，为了不让数值误差污染湍流物理，高精度格式是必须的。
| 方法 | 空间精度 | 适用 | 代表性代码 |
|---|---|---|---|
| 谱方法 | 指数级（谱精度） | 周期性简单形状 | Channelflow, SIMSON |
| 紧致有限差分（6阶） | 6阶 | 稍复杂的形状 | Incompact3d |
| 标准有限差分（2阶中心差分） | 2阶 | 一般形状 | OpenFOAM, Nek5000 |
| 谱元法 | 高阶（p阶） | 复杂形状 | Nek5000, Nektar++ |
谱方法精度最高吗？
是的。对于具有周期性边界条件的简单形状（槽道流、各向同性湍流方盒等），基于 FFT 的谱方法最有效。使用 3/2 法则或相移法消除高波数分量的混叠。但无法应用于复杂形状。
压力泊松方程
不可压缩 DNS 中压力怎么计算？
为了满足连续性方程，需要求解压力泊松方程。
在谱方法中，可以在波数空间直接求解，因此非常高效。有限差分法则使用迭代法（PCG、FFT-based direct solver 等）。
时间积分
时间方向的格式呢？
标准做法是：粘性项用隐式法（Crank-Nicolson），对流项用显式法（3阶 Adams-Bashforth 或低存储 Runge-Kutta）组合。
| 格式 | 精度 | 稳定性 | 典型用途 |
|---|---|---|---|
| AB3 + CN | 2〜3阶 | 条件稳定（CFL 约束） | 槽道流 DNS |
| RK3 + CN | 3阶 | 良好 | 高精度 DNS |
| RK4 | 4阶 | CFL 约束严格 | 谱方法 DNS |
DNS 的时间步长有多小？
需要同时满足 CFL 条件 $\Delta t \leq \Delta x / U_{\max}$ 和粘性稳定条件 $\Delta t \leq \Delta x^2 / (2\nu)$。对于槽道流 DNS（$Re_\tau = 590$），$\Delta t^+ = \Delta t u_\tau^2/\nu \approx 0.02$ 左右。物理时间上需要数万到数十万步的计算。
DNS 选择谱方法的理由——“微分误差为零”的诱惑
DNS 数值方法中傅里叶谱方法备受青睐，是因为“微分精度在理论上无限高”。物理空间的差分法中，微分误差依赖于网格宽度，而傅里叶谱方法独立处理每个波数模态，因此能得到与解析微分等价的精度。但缺点也很明显：“只能处理周期边界条件”、“无法扩展到非均匀网格”。所以 DNS 处理的问题集中在槽道流、各向同性湍流等“形状简单的问题”——这是追求精度所做出的合理选择。
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：一个时间步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 个数量级可判断为收敛。质量守恒残差尤其重要。
松弛因子
压力：0.2~0.3，速度：0.5~0.7 是常见的初始值。发
相关主题
なった
詳しく
報告