SST k-ω模型（Menter）
SST k-ω模型（Menter）的理论基础
概述
老师！SST k-ω模型在CFD中似乎是最常用的，为什么这么受欢迎呢？
Menter博士（1994）开发的SST（剪切应力输运）k-ω模型是将k-ω模型的近壁优势与k-ε模型的自由流稳定性相结合的混合模型。此外，加入了考虑乱流剪切应力输运的限制器，大幅改善了逆压力梯度下的流动分离预测。
听起来像是一举三得的模型。
没错。它已经成为工业CFD的"默认模型"，应用范围极其广泛。
控制方程
请教一下公式。
k方程：
ω方程：
最后的交叉扩散项（Cross-Diffusion Term）是从k-ε转换中产生的项，由$F_1$混合函数控制。
混合函数：
近壁处$F_1 \to 1$（k-ω特性），远场处$F_1 \to 0$（k-ε特性）。
涡粘性定义（SST限制器）：
$a_1 = 0.31$，$F_2$是第二混合函数。此限制器近似Bradshaw假设（$-\overline{u'v'} = a_1 k$），改善了逆压力梯度下的分离预测。
$F_1$按照离壁面距离切换啊。
准确地说，不仅取决于壁面距离$y$，还取决于流场的局部量（$k$、$\omega$、$\nu$），实现自适应切换。近壁k-ω区域和远场k-ε区域平滑连接。
两个模型的"优势组合"——Menter的设想
Florian Menter在1994年发表的SST模型论文中，采用了融合函数将k-ε的自由流稳定性与k-ω的近壁精度进行组合，这在当时是一项创新的混合方法。翼型周围的边界层使用k-ω动作，自由流接近k-ε行为，这种切换在航空、汽车和涡轮机械CFD中成为了标准模型。迄今为止，这个模型已在世界各地CFD求解器中作为默认设置普遍应用。
SST k-ω模型（Menter）的数值计算方法
数值实现要点
SST的实现中特别需要注意的是什么？
有3个重要的要点。
1. 壁面距离计算
混合函数需要壁面距离$y$，对吧？
壁面距离通过在计算开始前求解Poisson方程获得，或通过几何方法计算到最近壁面网格的距离。在复杂形状中，基于Poisson方程的方法（例如OpenFOAM的wallDist）更加可靠。
Fluent自动计算壁面距离。在OpenFOAM中通过fvOptions中的wallDist指定。由于壁面距离精度通过混合函数影响结果，网格对壁面的正交性非常重要。
2. 生成项的限制器
$\tilde{P}_k$是限制的项吗？
是的。Menter原论文中，$\tilde{P}_k = \min(P_k,\; 10 \beta^* \rho k \omega)$，防止生成项超过耗散项的10倍。这可以防止停滞点处乱流能量过度积累（停滞点异常）。
某些求解器提供基于涡量的生成项选项，进一步缓解停滞点问题。
3. 交叉扩散项处理
ω方程中的交叉扩散项在数值上没有问题吗？
$\frac{\partial k}{\partial x_j}\frac{\partial \omega}{\partial x_j}$可以是正值也可以是负值。设置$CD_{k\omega} = \max\left(2\rho\sigma_{\omega 2}\frac{1}{\omega}\frac{\partial k}{\partial x_j}\frac{\partial \omega}{\partial x_j},\; 10^{-10}\right)$以防止除零。
OpenFOAM设置
请教OpenFOAM中的典型设置。
constant/turbulenceProperties中：
```
RAS
{
RASModel kOmegaSST;
turbulence on;
printCoeffs on;
}
```
壁面边界条件：
k:kqRWallFunction（当$y^+ < 1$时为fixedValue 1e-10）omega:omegaWallFunctionnut:nutUSpaldingWallFunction（全$y^+$范围适用）
Fluent推荐设置
| 参数 | 推荐值 | 备注 |
|---|---|---|
| 模型 | k-omega SST | 默认启用生成项限制器 |
| 壁面处理 | 解析时$y^+ \approx 1$ | 不需要增强壁面处理（SST支持低Re） |
| URF (k, omega) | 0.7-0.8 | 收敛困难时降至0.5 |
| 离散化 | 二阶迎风格式 | k和ω都用 |
混合函数F1的真面目——"从这里开始k-ε，从这里开始k-ω"的边界
SST模型的核心是混合函数F1，它根据离壁面距离、乱流能量和涡粘性等计算得出的无量纲量在0到1之间平滑变化。在F1=1的区域，k-ω主导；在F1=0的区域，方程接近k-ε。实现上需要计算壁面距离，OpenFOAM使用wallDist库，但在复杂形状中，壁面距离的计算可能不精确，导致混合不正确。当"SST结果异常"时，建议从wallDist的可视化开始检查。
SST k-ω模型（Menter）的实务应用
实务应用
实务中使用SST模型的最佳实践是什么？
SST通用性强，但有几个需要注意的点。
网格要求
壁面的$y^+$应该如何设置？
SST既可作为低Reynolds数模型也可使用壁面函数，因此$y^+ \approx 1$是理想的。但壁面函数也是可用的。
| $y^+$范围 | 行为 | 推荐应用 |
|---|---|---|
| $y^+ < 5$ | 直接解析粘性底层 | 分离和热传递的精密预测 |
| $5 < y^+ < 30$ | 过渡区（精度下降） | 应避免 |
| $30 < y^+ < 300$ | 使用壁面函数 | 概略评估、初步研究 |
壁面第一网格单元推荐高度：当$y^+ \approx 1$时，使用增长率1.2配置15-20层棱柱层。
应用事例与精度
这个模型在哪些领域使用？
| 应用领域 | 精度评价 | 注意事项 |
|---|---|---|
| 翼型空气动力学 | 高 | 分离点和升阻比预测良好 |
| 汽车空气动力学 | 高 | 尾流再循环区也不错 |
| 涡轮机械 | 高 | 叶面遷移预测建议配合γ-Reθ |
| 管道流动 | 高 | 特别是U形管和弯曲管道 |
| 强旋转流 | 中等 | 推荐RC修正 |
| 喷流混合 | 中等 | 喷流扩展率容易低估 |
| 大规模分离 | 中-低 | 考虑转换到URANS或DDES |
SST的局限性
SST无法处理的流动有吗？
以下情况应认识到SST的局限性。
- 大规模分离：定常RANS往往低估再循环区大小。即使URANS也改善有限。推荐使用DDES/IDDES
- 各向异性乱流：SST基于Boussinesq假设（各向同性涡粘性），对二次流的预测不完整。需要RSM
- 层流-乱流遷移：SST假设完全乱流。过渡预测需要使用γ-Reθ SST（过渡SST）
- 强浮力流：浮力对乱流的非对称抑制/促进难以捕捉
虽然不是万能的，但作为第一个尝试的模型是最优的。
完全同意。"不确定就用SST"在实务中是正确的指导原则。如有不足再进行扩展（RC修正、过渡模型、DES化）。
飞机发动机进气道的翼型优化——SST改变了流程
自2000年代以来，飞机发动机进气道外形设计的CFD迅速普及了SST模型。进气道同时存在翼型周围边界层分离和自由流合并，单纯的k-ε或标准k-ω都无法正确捕捉。空中客车和波音采用SST后，"翼型、压缩机、进气道"可使用统一模型，大大缩短了设计周期。这段历史在航空CFD工程师之间广为流传。
SST k-ω模型（Menter）的软件比较
各求解器中的SST实现
主要求解器的SST实现有什么差异吗？
Menter原论文的基本方程在各求解器中都相同，但扩展选项不同。
| 扩展功能 | Fluent | CFX | STAR-CCM+ | OpenFOAM |
|---|---|---|---|---|
| 基础SST | ○ | ○ | ○ | ○ |
| 生成项限制器 | ○（默认开启） | ○ | ○ | ○ |
| 基于涡量的生成 | ○ | ○ | ○ | 自定义 |
| 曲率修正(RC) | ○ | ○ | ○ | ○ |
| 过渡SST(γ-Reθ) | ○ | ○ | ○ | ○ |
| DES/DDES/IDDES化 | ○ | ○ | ○ | ○ |
| Kato-Launder修正 | ○ | ○ | ○ | 自定义 |
CFX的特性
CFX有什么特别的吗？
CFX因为Menter本人曾在Ansys工作，其SST实现最接近"原始"版本。CFX的自动壁面处理（Automatic Wall Treatment）能根据$y^+$值自动在低Re处理和壁面函数间切换，因此即使网格$y^+$分布不均，也能稳定计算。
STAR-CCM+的特性
STAR-CCM+如何？
STAR-CCM+默认提供全$y^+$壁面处理，与SST兼容性好。此外，STAR-CCM+的SST实现有可实现性约束选项，可保证乱流应力张量的物理一致性。
OpenFOAM实现变体
OpenFOAM中有多个SST实现吗？
OpenFOAM v2306及之后版本有：
kOmegaSST：Menter 2003版（带生成项限制器）kOmegaSSTLM：过渡SST（带γ-Reθ模型）kOmegaSSTDES：DES版本kOmegaSSTDDES：DDES版本kOmegaSSTIDDES：IDDES版本
所有这些都可在turbulenceProperties中的RASModel或LESModel中选择。
OpenFOAM选择很多啊。
因为源代码开放，可以自定义修改。对研究用途而言是巨大优势。
"SST-2003版本"问题——细微差异引发巨大影响
Menter在1994年原论文之后，2003年发表了SST模型的微调版本。改动相对较小，但涡粘性分母中使用涡度的部分定式有所改变，在强旋转流中的表现差异明显。Fluent和STAR-CCM+中有"SST""Modified SST"等选项，如未仔细阅读文档就选择，可能不清楚使用的是哪个版本。修改已验证的工业设置时，务必查看发布说明中SST版本的确认。
SST k-ω模型（Menter）的前沿研究
前沿课题
请讲SST模型的最新进展。
SST在不断进化。Menter本人也发表了改进版本。
SST-2003修订版
与1994年的原版相比改变了吗？
Menter et al.（2003）对常数和公式进行了微调。主要改动：
- $\sigma_{k1}$从0.85改为0.5
- 生成项限制器标准化
- 改进壁面边界条件
目前大多数求解器实现的是这个2003年版本。
SAS（尺度自适应模拟）
SAS是什么？
Menter与Egorov（2010）提出的SST-SAS模型引入了von Karman尺度$L_{vK}$，实现类LES的行为。
将此附加项加入ω方程，在非定常区域，模型根据网格尺度自适应实现LES级解析，在壁面近处保持常规RANS行为。这避免了DES的网格依赖切换问题。
GEKO（广义k-ω）模型
最近常听说GEKO模型。
Menter等（2019）提出的广义k-ω模型有6个可调参数（$C_{SEP}$、$C_{NW}$、$C_{MIX}$、$C_{CORNER}$、$C_{JET}$、$C_{REC}$），分别独立控制分离、壁面近处、混合层、角落流、喷流和再循环的行为。
这使得可以针对特定流动进行调优的可定制RANS模型成为现实。Fluent 2020R1及之后版本可用。
与机器学习的融合
有SST与机器学习结合的研究吗？
这是一个活跃的研究领域。
- 现场反演：通过使SST的β*、α等系数空间变化，与DNS/LES数据匹配进行优化
- 神经网络增强SST：学习根据流场动态变化SST限制器中的$a_1$的神经网络
- 贝叶斯校准：概率量化模型常数的不确定性
特别是用贝叶斯优化自动调优GEKO的6个参数的研究受到关注。
用机器学习进一步完善SST——数据驱动乱流建模
SST模型因其广泛的实用成功，成为机器学习辅助乱流建模研究中应用最广泛的基础模型。框架很简单：用SST计算雷诺应力张量，与DNS/LES数据的差学习神经网络，将修正项加入SST。NASA Langley、DLR、东京大学等多家机构研究这种"RANS-ML"方法，在特定流动类别（分离·再附着）中已报告了比SST高出10～30%的精度。SST并非"完成型"，而是"进化中的平台"。
SST k-ω模型（Menter）的故障排查
故障排查
使用SST遇到的常见问题和解决方案是什么？
整理一些实务中常见的情况。
1. ω的壁面边界值不适当
ω的壁面边界条件怎么设置？
理论上壁面处$\omega \to \infty$，但数值上要设有限值。Menter推荐：
$\Delta y_1$是壁面第一网格单元高度，$\beta_1 = 0.075$。$\Delta y_1$越小，ω越大，可能导致迭代不稳定。
解决方案：即使$y^+ \approx 1$，ω的值约为$O(10^6)$-$O(10^8)$。将URF设为0.5-0.7，检查ω的削减上限。
2. 停滞点处乱流过度生成
翼前缘附近的乱流能量异常高。
原因：停滞点的应变速率$S$大，但实际乱流生成很小。$P_k = \mu_t S^2$过度评估（停滞点异常）。
解决方案：
- 确认生成项限制器$\tilde{P}_k = \min(P_k, 10\beta^*\rho k\omega)$已启用
- Kato-Launder修正：$P_k = \mu_t S \Omega$（基于涡量）。Fluent中称"Strain/Vorticity Based"选项
- 某些求解器允许将限制器系数从10降至5
3. 自由流中ω的衰减
进口远处的ω变得极小，乱流粘性比$\mu_t/\mu$异常大。
原因：自由流（离壁远处）ω过度耗散，$\mu_t = \rho k/\omega$暴增。
解决方案：
- 合理设置进口ω值。$\omega_{inlet} = \frac{\varepsilon}{C_\mu k}$或$\omega = \frac{k^{0.5}}{C_\mu^{0.25} l}$
- 设置乱流粘性比$\mu_t/\mu$的上限（Fluent默认10^5）
- 远场边界固定$k$和$\omega$为常数
4. 非定常计算的收敛
URANS中每个时间步内的内部迭代无法收敛。
解决方案：
- 减小时间步长$\Delta t$。调整CFL数至10-50
- 增加内部迭代数至20-30
- 最初数百步用定常求解发展流场，再切换非定常
- 乱流量URF低于动量（0.5-0.7）
SST易用但ω壁面值和停滞点问题是要掌握的要点。
抓住这两点，大部分问题能顺利解决。
SST过度预测分离时——现场常见误解
SST模型以逆压力梯度下分离预测著称，但实际上分离起点容易过度向前预测。翼高迎角失速分析中，"分离来得太早"导致实验对比偏差的情况被报告过。这是SST的剪切应力限制器过强的原因之一。航空设计中使用SST进行失速分析时往往加入经验修正。"SST不是万能"的认识，才是正确的模型使用的第一步。
关联主题
更详细
错误