标准k-ε模型

分类: 流体解析(CFD) | 综合版 2026-04-06
CAE visualization for k epsilon standard theory - technical simulation diagram
標準k-εモデル

理论与物理

概述

🧑‍🎓

老师,标准k-ε模型在湍流领域是最有名的模型吧?能再从头教我一遍基础吗?


🎓

这是Launder和Spalding(1974)提出的两方程湍流模型。它求解湍流动能 $k$ 及其耗散率 $\varepsilon$ 的输运方程。在工业CFD中有着最广泛的使用历史。


🧑‍🎓

两方程模型,是因为要解 $k$ 和 $\varepsilon$ 这两个方程吗?


🎓

没错。它基于涡粘性假设(Boussinesq假设),用涡粘性系数 $\mu_t$ 来近似雷诺应力张量。也就是说,形式如下。


$$ -\rho\overline{u_i'u_j'} = \mu_t\left(\frac{\partial U_i}{\partial x_j}+\frac{\partial U_j}{\partial x_i}\right) - \frac{2}{3}\rho k \delta_{ij} $$

输运方程

🧑‍🎓

$k$ 和 $\varepsilon$ 各自的输运方程是什么形式呢?


🎓

首先是湍流动能 $k$ 的方程。


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

🎓

接下来是耗散率 $\varepsilon$ 的方程。


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

🎓

这里涡粘性定义如下。


$$ \mu_t = \rho C_\mu \frac{k^2}{\varepsilon} $$

🎓

生成项 $P_k$ 使用平均应变率张量 $S_{ij}$ 可以写成如下形式。


$$ P_k = \mu_t S^2, \quad S = \sqrt{2S_{ij}S_{ij}} $$

模型常数

🧑‍🎓

请告诉我各常数的标准值。


🎓

标准k-ε模型的常数如下。这些是Launder-Spalding根据均匀各向同性湍流的衰减数据和对数律等确定的数值。


常数确定依据
$C_\mu$0.09对数律区域的匹配性
$C_{\varepsilon 1}$1.44均匀剪切流实验
$C_{\varepsilon 2}$1.92网格湍流衰减实验
$\sigma_k$1.0湍流扩散的经验值
$\sigma_\varepsilon$1.3湍流扩散的经验值
🧑‍🎓

这些常数不能改吗?


🎓

原则上基本不更改。但是,为了匹配圆射流的扩展率,存在将 $C_{\varepsilon 1}$ 改为1.60的"圆射流修正"方法。这些知识在实际工作中有时也会用到。


优势与劣势

🧑‍🎓

能整理一下标准k-ε的擅长和不擅长之处吗?


🎓

优势:

  • 鲁棒性好,易于收敛
  • 在工业内部流动(管道、风道)中经验丰富
  • 计算成本低
  • 初始条件设置容易(从湍流强度和尺度计算 $k$, $\varepsilon$)

🎓

劣势:

  • 对旋流、曲率强的流动会高估湍流动能
  • 无法准确捕捉逆压梯度下的分离
  • 近壁面需要壁面函数(标准模型是高雷诺数型)
  • 各向同性涡粘性假设的局限,不适用于强各向异性湍流

🧑‍🎓

为什么在旋流中会高估呢?


🎓

因为 $C_\mu$ 被固定为常数0.09。在旋流或曲率强的区域,有效的 $C_\mu$ 应该更小,但标准模型无法反映这一点。这是Realizable k-ε模型改进的地方。


Coffee Break 闲谈

C_μ=0.09这个数字的分量——Launder与Spalding的执着

标准k-ε模型的常数C_μ=0.09,是Brian Launder和D. B. Spalding在1972年发表的论文中提出的值。这个数字并非理论推导得出,而是针对管内湍流、边界层、后向台阶等多个实验数据,通过反复拟合确定的。当时超级计算机还不存在,数值计算依靠穿孔卡片的批处理。据说他们等待数天得到结果,然后看着结果微调常数。正是这种执着的标定工作,才使得半个世纪后的今天,依然有"首先用k-ε"这样的信任感产生。

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"正在变化的过程"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。计算成本会大幅下降,因此先用定常求解是CFD的基本策略。
  • 对流项 $\nabla \cdot (\rho \mathbf{u} \phi)$:把落叶丢进河里会怎样?会被水流带着运往下游对吧。这就是"对流"——流体的运动搬运物体的效果。暖风的暖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 $-\nabla p$:按压注射器的活塞,液体就会从针头有力地射出对吧?为什么呢?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。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——为什么呢?因为比周围更轻(密度更低),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,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但暖空气不上升,这种物理上不可能的结果就会出现。
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

基于有限体积法的离散化

🧑‍🎓

请告诉我如何在CFD求解器中求解标准k-ε的输运方程。


🎓

CFD中有限体积法(FVM)是标准方法。对 $k$ 和 $\varepsilon$ 的输运方程在单元体积上积分,利用高斯散度定理转换为面上的通量。一般离散格式的选择如下。


推荐格式备注
对流项二阶迎风(Second Order Upwind)抑制数值扩散
扩散项中心差分二阶精度为标准
时间项(非定常)二阶隐式法兼顾稳定性与精度
🧑‍🎓

一阶迎风不行吗?


🎓

一阶迎风数值扩散大,会显著降低湍流场的预测精度。尤其在分离区域和剪切层会出现问题。不过,在收敛困难时,先只用一阶迎风进行初始几次迭代再切换到二阶的方法,在实际工作中经常使用。


与SIMPLE系列算法的耦合

🧑‍🎓

压力-速度耦合与k-ε方程的关系是怎样的?


🎓

在SIMPLE、SIMPLEC、PISO等压力基求解器中,一次迭代内按以下顺序求解。


1. 求解动量方程(速度场临时更新)

2. 求解压力修正方程

3. 修正速度与压力

4. 求解 $k$ 方程

5. 求解 $\varepsilon$ 方程

6. 更新 $\mu_t$

7. 收敛判定 → 若未收敛则返回1


🎓

$k$ 和 $\varepsilon$ 通常采用分离解法(segregated)依次求解。在密度基求解器(coupled)中,有时也会同时求解所有变量。


松弛系数的设置

🧑‍🎓

松弛系数重要吗?


🎓

非常重要。标准k-ε模型中推荐的欠松弛因子(URF)大致如下。


变量推荐URF(定常)备注
压力0.3若收敛慢可降至0.2
动量0.7
$k$0.8
$\varepsilon$0.8
湍流粘性比1.0通常无需更改
🧑‍🎓

$k$ 或 $\varepsilon$ 的松弛系数设得太低会怎样?


🎓

收敛会变得极其缓慢。而且 $\mu_t$ 的更新会延迟,可能导致与速度场不匹配而产生振荡。如果无论如何都发散,可以将 $\varepsilon$ 的URF单独降至0.5左右,这是一个办法。


边界条件

🧑‍🎓

入口的湍流边界条件怎么设置呢?


🎓

通常根据湍流强度 $I$ 和湍流长度尺度 $l$ (或水力直径 $D_H$)来计算。


$$ k = \frac{3}{2}(U_{avg} \cdot I)^2 $$
関連シミュレーター

この分野のインタラクティブシミュレーターで理論を体感しよう

シミュレーター一覧

関連する分野

熱解析V&V・品質保証構造解析
この記事の評価
ご回答ありがとうございます!
参考に
なった
もっと
詳しく
誤りを
報告
参考になった
0
もっと詳しく
0
誤りを報告
0
Written by NovaSolver Contributors
Anonymous Engineers & AI — サイトマップ
关于作者