RNG k-ε模型

分类: 流体分析(CFD) | 综合版 2026-04-06
CAE visualization for k epsilon rng theory - technical simulation diagram
RNG k-ε模型

RNG k-ε的理论基础

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。


$$ \frac{\partial(\rho k)}{\partial t} + \frac{\partial(\rho u_j k)}{\partial x_j} = P_k - \rho\varepsilon + \frac{\partial}{\partial x_j}\left[\left(\mu + \frac{\mu_t}{\sigma_k}\right)\frac{\partial k}{\partial x_j}\right] $$

ε方程中增加了RNG特有的R项。


$$ \frac{\partial(\rho\varepsilon)}{\partial t} + \frac{\partial(\rho u_j \varepsilon)}{\partial x_j} = C_{\varepsilon 1}\frac{\varepsilon}{k}P_k - C_{\varepsilon 2}^{*}\rho\frac{\varepsilon^2}{k} + \frac{\partial}{\partial x_j}\left[\left(\mu + \frac{\mu_t}{\sigma_\varepsilon}\right)\frac{\partial \varepsilon}{\partial x_j}\right] $$

这里修正后的耗散系数是:


$$ C_{\varepsilon 2}^{*} = C_{\varepsilon 2} + \frac{C_\mu \eta^3 (1 - \eta/\eta_0)}{1 + \beta \eta^3} $$

$$ \eta = S k / \varepsilon, \quad S = \sqrt{2S_{ij}S_{ij}} $$

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。


Coffee Break 闲谈

“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方法,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。

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$30 < y^+ < 300$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$y^+ \approx 1$传热、分离预测

OpenFOAM中的设置

🧑🎓

在OpenFOAM中使用RNG k-ε要怎么做?


🎓

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 nutkWallFunctionepsilon 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。


Coffee Break 闲谈

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。

RNG k-εRNG k-ε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

相关模拟器

的分野的理論体感

模拟器列表

相关领域

熱分析V&V品質保証结构分析
评价本文
感谢您的反馈!
有帮助
更详细
报告错误
有帮助
0
更详细
0
报告错误
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — 网站地图
关于作者
流动类型RNG的优势理由
室内空调的CFD