基于分区式耦合热传递（Partitioned CHT）的CFD-FEM热耦合分析
理论与物理
概述 — 什么是分离式耦合
老师，分离式耦合是把流体和固体分开求解吗？和一起求解的直接耦合有什么区别？
问得好。分离式耦合（Partitioned Conjugate Heat Transfer）是一种方法，它分别独立地用CFD求解器求解流体侧，用FEM的热传导求解器求解固体侧，然后在流体-固体界面上交替交换温度和热流密度。
原来如此，分开求解有什么好处吗？没必要特意分开吧…
最大的好处是可以直接使用现有的CFD代码和FEM代码。例如，在燃气轮机叶片的冷却设计中，外部高温燃气流道用Ansys Fluent求解，叶片内部的固体热传导用Abaqus求解——这种组合是实际工程中的标准做法。直接耦合则需要把所有东西塞进一个求解器，开发成本和计算成本都会急剧上升。
诶，但是分开求解不会导致精度下降吗？
只要在界面上充分迭代，就能收敛到与直接耦合相同的精度。不过有时收敛需要时间——特别是当固体与流体的热容比接近时，收敛会变慢。这时就需要用到松弛系数和Aitken加速这类技巧。我们稍后再详细讨论。
分离式耦合的基本思想是将共轭传热（CHT）问题分割为以下两个子问题：
- 流体子问题: Navier-Stokes方程 + 能量方程（用CFD求解器求解）
- 固体子问题: 热传导方程（用FEM求解器求解）
通过“界面条件”将这两个求解器耦合起来，迭代地求得一致解。
Dirichlet-Neumann界面条件
您刚才说在界面上交换温度和热流密度，具体是什么样的公式呢？
在界面 $\Gamma$ 上，物理上必须满足两个条件。首先是温度的连续性（Dirichlet条件）：
然后是热流密度的连续性（Neumann条件）：
$k_f$ 和 $k_s$ 分别是流体和固体的热导率吧。$n$ 是界面的法线方向… 也就是说“界面温度一致，流入的热量和流出的热量相等”对吗？
正是如此。在分离式耦合中，这两个条件被交替地赋予各个求解器。典型的Dirichlet-Neumann分割法如下：
- 将界面温度 $T_\Gamma$ 赋予固体求解器（Dirichlet条件）→ 求解固体侧温度场，计算界面热流密度 $q_\Gamma$
- 将界面热流密度 $q_\Gamma$ 赋予流体求解器（Neumann条件）→ 求解流体侧温度场，得到界面温度 $T_\Gamma^{\text{new}}$
- 将 $T_\Gamma^{\text{new}}$ 作为新的界面温度，返回步骤1
重复此过程直到温度收敛。
明白了！就像投接球一样来回传递温度和热流密度呢。
松弛系数与稳定化
刚才您说松弛系数很重要，为什么不能直接使用计算出的温度呢？
如果直接将新得到的界面温度 $T_\Gamma^{\text{new}}$ 用于下一次迭代，可能会产生振荡并导致发散。特别是当固体的热容比流体小时，这种现象会更明显。因此需要施加松弛（under-relaxation）：
这里 $\omega \in (0, 1]$ 是松弛系数（relaxation factor），$k$ 是迭代次数的索引。
$\omega$ 等于1就是直接更新，接近0的话就几乎保持上一次的值，是这个意思吗？
是的。$\omega$ 小则稳定但收敛慢，大则快但有发散风险。实际工程中通常以 $\omega = 0.3 \sim 0.7$ 为起点，根据问题进行调整。这是数值计算中常见的“稳定性与收敛速度的权衡”。
比如燃气轮机叶片，会使用多大的 $\omega$ 呢？
像叶片这样薄的固体受到高温气体冲击的案例中，固体侧的热容相对较小，所以通常从 $\omega = 0.3 \sim 0.5$ 开始尝试。后面会讲到的Aitken加速可以动态调整 $\omega$，这样就不必为固定值而烦恼了。
收敛判定标准
要迭代多少次才能判断为“收敛”了呢？
当界面温度的变化足够小时，即可判定为收敛。一般的标准是：
这里 $\varepsilon_{\text{rel}}$ 是相对收敛阈值，工程精度通常取 $10^{-4} \sim 10^{-6}$。同时也要监控热流密度连续性的残差：
温度和热流密度两者都要看呢。实际案例中大概要迭代多少次？
这取决于问题的性质和松弛方法。固定松弛 $\omega = 0.5$ 时大约需要10~30次。使用Aitken加速的话，通常5~10次就够了。不过，如果存在强非线性（例如辐射或相变），有时可能需要50次以上。
稳定性条件与热容比
刚才您说“固体的热容比流体小时容易发散”，这有理论依据吗？
有的。分离式CHT的稳定性已被Causin, Gerbeau & Nobile（2005）等人严格分析过，对于Dirichlet-Neumann分割且将Neumann条件赋予流体侧的情况，稳定性条件归结于界面的“附加质量效应”。粗略地说，当流体的热容 $\rho_f c_{p,f}$ 相对于固体的 $\rho_s c_{p,s}$ 较大时，无松弛情况下会变得不稳定。
定量地说，松弛系数的稳定上限是：
这里 $L_s, L_f$ 分别是固体和流体侧的特征长度。
例如液态金属（钠冷却）的 $\rho_f c_{p,f}$ 很大，所以容易变得不稳定，对吧？
正是如此。液态钠冷却的核反应堆燃料棒的CHT分析，是分离式耦合最不擅长的案例之一。这种情况下，交换Dirichlet和Neumann的角色（采用Robin-Neumann法或Robin-Robin法）可以实现稳定化。在实际工程中，preCICE库会自动切换这些加速方法。
“乒乓球”还是“投接球”
有些研究者将分离式耦合的迭代称为“乒乓法”，但我个人认为“投接球”更贴近实际。乒乓球是把对方的球直接打回去，而分离式耦合则是在接到球（温度）后，通过求解器的计算施加“变化”再投回去。而且还要用松弛系数调整球速——投得太快对方接不住（发散），所以诀窍是以合适的速度（$\omega$）投回去。
各项的物理意义
- 界面温度 $T_\Gamma$：固体-流体边界面的温度。该值在两侧一致是物理要求。燃气轮机叶片表面约为700~1000℃，电子设备机箱约为50~100℃。
- 界面热流密度 $q_\Gamma$：通过界面的单位面积热量 [W/m²]。由傅里叶定律 $q = -k \partial T / \partial n$ 计算。流体侧的对流传热与固体内部的热传导达到平衡。
- 松弛系数 $\omega$：控制迭代稳定性的无量纲参数。$\omega = 1$（无松弛）对应强耦合的极限，$\omega \to 0$ 则是“几乎不更新”的保守设置。
- 热容比 $\rho c_p$：材料对温度变化的“抵抗”程度。钢的 $\rho c_p \approx 3.6$ MJ/(m³·K)，空气的 $\rho c_p \approx 0.0012$ MJ/(m³·K)，相差约3000倍。这个比值支配着稳定性。
假设条件与适用范围
- 假设界面固定（不变形）。如果界面移动（如流体-结构耦合FSI），则需要额外的处理（如ALE法）
- 假设界面处的温度跳跃（热阻）为零。存在接触热阻时需用Robin条件处理
- 伴随化学反应或烧蚀的情况（如再入飞行器的热防护材料），需要额外的质量·能量界面条件
- 稳态CHT问题只涉及迭代次数，但瞬态问题需要在每个时间步内收敛（子迭代）
数值解法与实现
迭代算法整体概览
理论我明白了，但能给我看看实际的算法伪代码吗？
稳态问题的Dirichlet-Neumann分离式耦合伪代码如下：
- 设定界面温度的初始估计 $T_\Gamma^{0}$
- do $k = 0, 1, 2, \ldots$
- 固体求解器：以 $T_\Gamma^k$ 为Dirichlet边界条件求解热传导方程 → 计算界面热流密度 $q_s^k$
- 流体求解器：以 $q_s^k$ 为Neumann边界条件求解NS + 能量方程 → 获取界面温度 $T_f^k$
- 松弛：$T_\Gamma^{k+1} = \omega \, T_f^k + (1 - \omega) \, T_\Gamma^k$
- 收敛判定：若 $\| T_\Gamma^{k+1} - T_\Gamma^k \| / \| T_\Gamma^{k+1} \| < \varepsilon$ 则结束
- end do
很简单呢！但实际实现中麻烦的是，两个求解器之间如何传递数据吧？
很敏锐。数据传递有三个课题：
- 网格不一致：CFD网格和FEM网格在界面上的节点位置不同 → 需要插值
- 数据格式差异：不同求解器的温度·热流密度输出格式不同
- 进程间通信：MPI并行时，不同进程组之间的数据传输
能自动处理这些的就是MpCCI或preCICE这类耦合中间件。
Aitken加速与拟牛顿法
您说固定的 $\omega$ 太慢，请告诉我动态优化的方法。
最广泛使用的是Aitken $\Delta^2$ 加速。它自动估计每次迭代的最优松弛系数：
这里 $r^k = T_f^k - T_\Gamma^k$（残差），$\Delta r^k = r^k - r^{k-1}$（残差差分）。
也就是说根据前两次的迭代结果来估计最优的 $\omega$ 对吧。有点像牛顿法？
概念上是的。更高级的方法还有拟牛顿法（Quasi-Newton: IQN-ILS）。它利用过去数次迭代的历史来近似界面的“雅可比矩阵”，从而求得多维空间中的最优更新方向。在preCICE中，IQN-ILS是默认的加速方法，在许多CHT基准测试中显示出最快的收敛速度。
| 加速方法 | 收敛速度 | 内存使用 | 实现难度 |
|---|---|---|---|
| 固定松弛 | 慢（线性） | O(1) | 简单 |
| Aitken $\Delta^2$ | 中等 | O(N) | 简单 |
| IQN-ILS（拟牛顿） | 快（超线性） | O(N·m) | 中等 |
| Anderson加速 | 快 | O(N·m) | 中等 |
异种网格间的插值
当CFD和FEM的界面网格不同时，如何传递温度或热流密度呢？
主要有三种方法：
- 最近邻插值：使用最近节点的值。简单但精度低
- RBF（径向基函数）插值：从所有节点的值构建光滑的插值面。精度高，但在大规模问题中成本高
- 投影法（Mortar法）：精确计算界面元素的重叠部分，实现守恒性传递。热流密度的守恒性最高
重要的是，温度可以用点对点插值，但热流密度需要守恒性传递（界面整体热量总和一致）。否则能量会产生或消失。
瞬态问题的时间积分
瞬态分析的话，每个时间步都需要迭代吗？那岂不是要花非常多时间…
这正是分离式耦合最大的计算成本因素。每个时间步 $\Delta t$ 内都需要进行界面迭代（子迭代）。不过也有对策：
- 松耦合：每个时间步只交换一次（不迭代）。精度低但速度快。如果时间步长足够小，可以接受
- 紧耦合：每个时间步迭代到收敛。保证精度
- 利用预测器：根据前一步的解外推下一个界面温度，提高初始估计精度以减少迭代次数
对于瞬态问题，流体侧和固体侧也可以使用不同的时间步长（子循环）。流体的对流时间尺度 $\Delta t_f \sim \Delta x / u$ 和固体的热扩散时间尺度 $\Delta t_s \sim \Delta x^2 / \alpha_s$ 常常差异很大，通过子循环可以大幅提高计算效率。
显式与隐式的比喻
松耦合与紧耦合的区别，类似于“天气预报只报一次 vs 反复修正后发布”。
なった
詳しく
報告