雷诺应力模型（RSM）
理论与物理
概述
老师，Reynolds应力模型（RSM）和其他RANS模型有什么不同？
最大的区别在于不使用涡粘性假设（Boussinesq假设）。k-epsilon或k-omega模型通过涡粘性 $\mu_t$ 使雷诺应力 $\overline{u_i'u_j'}$ 与平均应变速度成正比。RSM则放弃这个假设，直接求解雷诺应力张量6个分量各自的输运方程。
6个分量，意思是方程要增加6个吗？
雷诺应力张量是对称的，所以独立分量是6个。再加上 $\varepsilon$（耗散率）的方程，总共需要求解7个附加方程。相比二方程模型（如k-omega等），计算成本会增加2到3倍。
控制方程
请告诉我具体的方程。
雷诺应力 $R_{ij} = \overline{u_i'u_j'}$ 的输运方程如下。
我们来总结一下各项的含义。
| 项 | 公式 | 物理意义 |
|---|---|---|
| 生成 $P_{ij}$ | $-R_{ik}\frac{\partial U_j}{\partial x_k} - R_{jk}\frac{\partial U_i}{\partial x_k}$ | 由平均速度梯度产生（可精确计算） |
| 压力应变 $\Pi_{ij}$ | $\overline{p'\left(\frac{\partial u_i'}{\partial x_j}+\frac{\partial u_j'}{\partial x_i}\right)}$ | 能量在各分量间的再分配（需要建模） |
| 湍流扩散 $D_{ij}^T$ | $-\frac{\partial}{\partial x_k}\overline{u_i'u_j'u_k'}$ | 湍流引起的输运（需要建模） |
| 粘性扩散 $D_{ij}^\nu$ | $\nu\nabla^2 R_{ij}$ | 分子粘性引起的扩散（精确） |
| 耗散 $\varepsilon_{ij}$ | $2\nu\overline{\frac{\partial u_i'}{\partial x_k}\frac{\partial u_j'}{\partial x_k}}$ | 粘性耗散（需要建模） |
并不是所有项都能精确计算啊。
没错。生成项 $P_{ij}$ 和粘性扩散项可以以封闭形式计算，但压力应变项、湍流扩散项和耗散张量需要建模。RSM的精度在很大程度上取决于这些模型的质量。
压力应变项模型
压力应变项有哪些模型？
列举一些代表性模型。
| 模型 | 提出者 | 特点 |
|---|---|---|
| LRR (Linear Return to Isotropy) | Launder, Reece, Rodi (1975) | 线性模型。工业应用标准 |
| SSG (Speziale-Sarkar-Gatski) | Speziale et al. (1991) | 二次非线性模型。精度更高 |
| GL (Gibson-Launder) | Gibson, Launder (1978) | 考虑壁面反射效应 |
在LRR模型中，$\Pi_{ij}$ 被分解如下。
$\Pi_{ij,1}$ 是慢速回归项（使各向异性回归各向同性的效应），$\Pi_{ij,2}$ 是快速项（由平均应变引起的再分配），$\Pi_{ij,w}$ 是壁面反射项。
求解7个方程的奢侈——RSM被称为“理论顶点”的理由
Reynolds应力模型（RSM）分别求解6个应力分量 $\overline{u_i u_j}$ 和耗散率ε的输运方程，是RANS中最严密的模型。由于不使用涡粘性假设，它能自然地表现旋流、曲率、浮力引起的湍流各向异性。代价是计算成本：需要比二方程模型多2~3倍的内存和计算时间，而且收敛困难。在涡轮机械二次流或旋风分离器设计中，确实存在“非用RSM不可”的场景，但它也是“精度高的模型≠应该使用的模型”的一个绝佳例证。
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？是只看“经过足够长时间流动稳定后”的状态——也就是将此项设为零。计算成本因此大幅下降，所以先用定常求解是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？它会随水流被带到下游，对吧？这就是“对流”——流体运动搬运物质的效果。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，流速变快时此项会急剧增强，变得难以控制。这正是湍流的根本原因。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。因为蜂蜜的粘性（$\mu$）高，所以不易流动。粘性越大，扩散项越强，流体的运动就越“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？因为活塞侧压力高，针尖侧压力低——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 $S_\phi$：受热的空气会上升——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。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——就像冬天开了暖气，暖空气却不上浮一样，得到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。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 | 从入口条件的体积流量换算时，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
FVM中的离散化与解法
RSM的7个方程怎么求解？
在分离式求解器（Segregated Solver）中，6个雷诺应力方程和1个 $\varepsilon$ 方程通过逐次迭代求解。动量方程和压力方程之间会插入RSM的更新步骤。
1. 求解动量方程（使用 $R_{ij}$ 直接作为应力张量，而非通过涡粘性）
2. 求解压力修正方程（SIMPLE/PISO）
3. 求解6个雷诺应力方程
4. 求解 $\varepsilon$ 方程
5. 收敛判定，迭代
在动量方程中直接使用雷诺应力是什么意思？
k-epsilon模型使用涡粘性假设 $-\overline{u_i'u_j'} = \mu_t(\partial U_i/\partial x_j + \partial U_j/\partial x_i) - (2/3)k\delta_{ij}$ 将其作为扩散项处理。RSM则将 $\overline{u_i'u_j'}$ 直接作为源项放入动量方程。这样就能精确反映各向异性效应。
数值稳定性问题
听说RSM很难收敛？
因为要解7个强耦合的非线性方程，相比k-epsilon，收敛确实困难得多。列举主要问题及对策。
| 问题 | 原因 | 对策 |
|---|---|---|
| 雷诺应力的可实现性违反 | $R_{ij}$ 变得非正定对称 | 应用可实现性约束 |
| $\varepsilon$ 的高估 | 壁面附近耗散过大 | 使用 $\omega$ 基的RSM（BSL-RSM） |
| 收敛缓慢 | 方程间强耦合 | 将欠松弛因子设为 0.3〜0.5 |
| 对初值敏感 | 初始 $R_{ij}$ 非物理 | 用k-epsilon结果初始化 |
一个实用的TIP是，开始RSM计算时，先用k-epsilon或SST k-omega获得收敛解，然后将其结果作为RSM的初始值，这是铁则。
omega 基的 RSM
也有用 $\omega$ 代替 $\varepsilon$ 的RSM吗？
有。Menter提出的BSL-RSM（Baseline RSM）使用SST k-omega的 $\omega$ 方程代替 $\varepsilon$ 方程。改善了壁面附近的性能，与壁函数的兼容性也更好。
| RSM变体 | 耗散方程 | 壁面处理 | 求解器支持 |
|---|---|---|---|
| LRR-RSM | $\varepsilon$ | 低雷诺数或壁函数 | Fluent, CFX, OpenFOAM |
| SSG-RSM | $\varepsilon$ | 低雷诺数 | Fluent, CFX, STAR-CCM+ |
| BSL-RSM ($\omega$ 基) | $\omega$ | 自动壁面处理 | CFX, Fluent |
| LRR-RSM-w | $\omega$ | 支持壁函数 | OpenFOAM |
在CFX中推荐使用BSL-RSM吗？
在CFX中，BSL-RSM是默认的RSM。可以使用与SST k-omega相同的壁面处理（自动壁面处理），因此对网格的 $y^+$ 具有鲁棒性。
旋风分离器设计中RSM反败为胜的场景
在旋风分离器（利用离心力分离粉尘或液滴的装置）的分析中，已知标准k-ε或SST模型会严重偏离分离效率。这是因为强旋流导致湍流应力显著各向异性，涡粘性假设失效。对这个问题使用RSM，很多案例报告表明，旋流速度分布和压降与实验值大幅接近。这也是为什么有些化工企业的旋风分离器设计将RSM作为标准使用。“特定流动只能用RSM”的现实，使得高成本变得合理。
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
なった
詳しく
報告