RNG k-ε模型
理论与物理
概述
老师！RNG k-ε模型和标准k-ε模型有什么区别？
RNG k-ε模型是Yakhot & Orszag (1986)运用重正化群（Renormalization Group）理论从统计力学推导出的模型。与标准k-ε模型的模型常数由经验决定不同，RNG版的常数是理论推导的，这是主要区别。
理论推导就意味着精度会提高吗？
常数本身变化不大，关键是在 $\varepsilon$ 方程中增加的R项（附加应变率项）。这使得在快速变形流和旋流中的精度得到改善。
控制方程
请告诉我具体的方程。
k方程和标准k-ε几乎相同。
ε方程中增加了RNG特有的R项。
这里修正后的耗散系数是：
RNG常数：$C_{\varepsilon 1}=1.42$、$C_{\varepsilon 2}=1.68$、$C_\mu=0.0845$、$\eta_0=4.38$、$\beta=0.012$。
这个 $\eta$ 参数是关键呢。
是的。当 $\eta > \eta_0 \approx 4.38$ 时（快速应变流），分子 $(1-\eta/\eta_0)$ 变为负值，$C_{\varepsilon 2}^*$ 增大。这增加了 $\varepsilon$ 的耗散，结果导致湍流粘度 $\mu_t = \rho C_\mu k^2/\varepsilon$ 减小。也就是说，它具有抑制快速变形流中过度湍流粘度的效果。
这样就缓解了标准k-ε模型中旋流过度扩散的问题呢。
正确。不过，R项只在 $\eta$ 较大的地方效果显著，因此并非在所有情况下都能戏剧性地改善。
“重正化群”是何方神圣？——物理学的技法来到CFD之日
听到RNG（Renormalization Group）这个名字，觉得“这名字听起来好难”是理所当然的。重正化群原本是粒子物理学中发展起来的数学手法，是系统处理不同尺度现象的工具。Yakhot 和 Orszag在1986年想到“湍流的尺度间能量传递或许也能用”，并将其引入CFD，这就是开端。高应变区的修正ε项，正是从这种群论操作中自然推导出来的。“将物理学的工具转用于工程学”这种想法的大胆之处，正是RNG k-ε的有趣之处。
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。最初水流不稳定地哗啦哗啦流出，过一会儿就变成稳定的水流了，对吧？描述这个“正在变化的过程中”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。计算成本大幅下降，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？会被水流带着运往下游，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，液体就会从针尖有力地射出，对吧？为什么呢？因为活塞侧是高压，针尖是低压——这个压力差成为推动流体的力。水坝放水也是同样原理。天气图上等压线密集的地方呢？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的“压力”多为表压而非绝对压力。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。其他还有，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——冬天房间里开了暖气，暖空气却不上升，得到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）：将密度视为常数处理。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
- 不适用情况：稀薄气体（Kn > 0.1）、超音速·极超音速流动（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 | 注意点·换算备忘 |
|---|---|---|
| 速度 $u$ | m/s | 入口条件从体积流量换算时，注意截面积单位 |
| 压力 $p$ | Pa | 区分表压与绝对压力。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 |
| 粘度系数 $\mu$ | Pa·s | 注意与运动粘度系数 $\nu = \mu/\rho$ [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
数值实现
实现RNG k-ε时，与标准k-ε的区别是什么？
从求解器的角度看，k方程的离散化是相同的，只是在ε方程的源项中增加了 $R$ 项。但是，$R$ 项依赖于 $\eta = Sk/\varepsilon$，而 $\eta$ 本身又依赖于 $\varepsilon$，因此需要进行隐式处理。
R项的线性化
隐式处理具体怎么做？
将 $R$ 项对 $\varepsilon$ 进行线性化。因为 $R = \frac{C_\mu \rho \eta^3(1-\eta/\eta_0)}{(1+\beta\eta^3)} \frac{\varepsilon^2}{k}$，所以当 $\eta < \eta_0$ 时 $R > 0$（源项），$\eta > \eta_0$ 时 $R < 0$（汇项）。
汇项的情况加到对角项进行隐式处理，源项的情况则加到源向量中。这种分离提高了数值稳定性。
壁面处理
壁面附近怎么处理？
RNG k-ε模型本质上是高Re数模型，所以使用壁函数。不过Fluent或CFX中有“Enhanced Wall Treatment”选项，可以用两层模型处理低Re数区域。
| 壁面处理 | 所需$y^+$ | 精度 | 用途 |
|---|---|---|---|
| 标准壁函数 | $30 < y^+ < 300$ | 中 | 一般工业用途 |
| 非平衡壁函数 | $30 < y^+ < 300$ | 中-高 | 分离·再附着流动 |
| 增强壁面处理 | $y^+ \approx 1$ | 高 | 传热、分离预测 |
OpenFOAM中的设置
在OpenFOAM中使用RNG k-ε要怎么做？
在 constant/turbulenceProperties 中如下设置。
```
RAS
{
RASModel RNGkEpsilon;
turbulence on;
printCoeffs on;
}
```
壁函数在 0/ 目录的各变量文件中指定。例如，nut 使用 nutkWallFunction，epsilon 使用 epsilonWallFunction。
Fluent中的设置
Fluent呢？
Models → Viscous → k-epsilon → 选择 RNG。选项中：
- Differential Viscosity Model: 使用包含低Re数效应的有效粘度公式
- Swirl Dominated Flow: 添加旋流修正（旋流数大时有效）
这些选项是标准k-ε所没有的RNG特有功能。
RNG k-ε在旋流燃烧器中闪耀的理由
燃气轮机的燃烧器设计中，利用旋流（Swirl）流动来混合燃料和空气。已知标准k-ε对这种强旋流会高估涡粘性，导致旋流强度比实验值衰减得更快。RNG k-ε的高应变修正项缓解了这个问题，因此燃气轮机制造商形成了在燃烧器初期设计使用RNG k-ε，详细设计时转向RSM的固定流程。这是在计算成本和模型精度之间取得平衡的现实选择。
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。高雷诺数流动中必备。
中心差分（Central Differencing）
二阶精度，但Pe数 > 2时会发生数值振荡。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：即使CFL > 1也稳定，但影响精度和迭代次数。LES：推荐CFL ≈ 1。物理意义：一个时间步内信息前进不超过一个网格。
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。质量守恒的残差尤其重要。
松弛因子
压力：0.2~0.3、速度：0.5~0.7是一般的初始值。发散时降低松弛因子。收敛后可提高以加速。
非定常计算的内部迭代
在每个时间步内迭代直到收敛到定常解。内部迭代次数：5~20次为参考值。残差在时间步间波动时需重新审视时间步长。
SIMPLE法的比喻
SIMPLE法是“交替调整”的方法。先假设求出速度（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”过程来逼近正确答案。类似于两人调整架子水平的作业：一人调整高度，另一人调整平衡，如此交替进行。
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也无法知道水的来源——反映了上游信息决定下游的物理规律。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RNG k-ε能发挥作用的实际应用场景。
存在一些RNG k-ε明显优于标准k-ε的情况。
推荐应用案例
| 流动类型 | RNG的优势 | 理由 |
|---|---|---|
| 室内空调的CFD | 高 |