混合对流（复合对流）——用Richardson数判定流动区域
混合对流（复合对流）的理论基础
概述——什么是混合对流
老师，复合对流就是强制对流和自然对流都起作用的状态吗？什么时候只考虑其中一种就够了，这个界限我不太清楚……
没错。“混合对流”或“复合对流（mixed convection）”是指强制流动（风扇或泵）和浮力引起的流动（温差产生的密度差）同时起作用的状态。
关键在于，存在一个只假设强制对流或只假设自然对流都会产生较大误差的区域。例如电子设备的风扇冷却中，风扇风速较低时浮力的影响不能忽略；反过来，在数据中心的热通道中，服务器排热产生上升气流，与空调的强制气流相互干扰。
原来如此……那有没有用数值判断“哪一方占主导”的方法？
有，就是 Richardson数（Ri） 。定义为 $\mathrm{Ri} = \mathrm{Gr}/\mathrm{Re}^2$，是表示浮力效应与惯性力效应之比的无量纲数，这一个数值就决定了流动的性质。
用Richardson数判定区域
请告诉我Richardson数的具体判定标准！
Richardson数的定义和流动区域的分类如下：
其中 $g$ 为重力加速度，$\beta$ 为体积膨胀系数，$T_s$ 为壁面温度，$T_\infty$ 为主流温度，$L$ 为特征长度，$U_\infty$ 为主流速度。
| Richardson数范围 | 流动区域 | 主导的传热机理 | 典型场景 |
|---|---|---|---|
| $\mathrm{Ri} < 0.1$ | 强制对流主导 | 惯性力 >> 浮力 | 高速风扇冷却、风洞实验 |
| $0.1 \leq \mathrm{Ri} \leq 10$ | 混合对流区域 | 惯性力 ≒ 浮力 | 低速风扇冷却、数据中心、暖通空调 |
| $\mathrm{Ri} > 10$ | 自然对流主导 | 浮力 >> 惯性力 | 被动散热、自然通风、建筑内温度分层 |
也就是说 $\mathrm{Ri} \approx 1$ 附近最麻烦吧。有具体的数值例子吗？
例如考虑服务器机架排气口附近。设排气温度 $T_s = 60\,^\circ\mathrm{C}$，环境温度 $T_\infty = 25\,^\circ\mathrm{C}$，排气口高度 $L = 0.5\,\mathrm{m}$，空调送风速度 $U_\infty = 0.8\,\mathrm{m/s}$。空气的体积膨胀系数取 $\beta \approx 1/T_\mathrm{avg} \approx 1/316\,\mathrm{K}^{-1}$，则：
$\mathrm{Ri} = \dfrac{9.81 \times (1/316) \times 35 \times 0.5}{0.8^2} \approx \dfrac{0.543}{0.64} \approx 0.85$
$\mathrm{Ri} \approx 0.85$，正好处于混合对流区域。只用强制对流的公式计算会低估换热，只按自然对流计算又会忽略流速的影响。
Nusselt数的合成法则
混合对流时Nu数怎么计算？是把强制对流的Nu和自然对流的Nu相加吗？
不是简单相加，而是使用Churchill-Usagi合成法则 ，形式为幂次和：
其中：
- $n$ 为合成指数。最常用的是 $n = 3$（Incropera的教科书、Morgan的ASME综述等）。也有文献推荐 $n = 4$（Chen的竖直平板）。
- $+$（加号）：助流（Aiding flow）——浮力与强制流动同向
- $-$（减号）：逆流（Opposing flow）——浮力与强制流动反向
诶，$n = 3$ 的意思是不是简单相加，而是三次方之和再开三次方根？为什么是这种形式？
从物理上说，强制对流和自然对流的边界层不是各自独立发展的，而是相互干扰的。简单相加（$n=1$）会高估这种干扰效应。$n=3$ 是与实验数据吻合最好的“经验最优值”，由Churchill在1977年系统整理。
具体写出来是这样的：
这个公式在 $\mathrm{Ri} \ll 1$（强制对流主导）时会自然趋近 $\mathrm{Nu} \to \mathrm{Nu}_{\mathrm{forced}}$ 吗？
会的。若 $\mathrm{Nu}_{\mathrm{natural}} \ll \mathrm{Nu}_{\mathrm{forced}}$，它的三次方几乎为零，于是 $\mathrm{Nu}_{\mathrm{mixed}} \approx \mathrm{Nu}_{\mathrm{forced}}$。反之若 $\mathrm{Ri} \gg 1$，则 $\mathrm{Nu}_{\mathrm{mixed}} \approx \mathrm{Nu}_{\mathrm{natural}}$。也就是说，这个合成法则在两个极限下都有正确的渐近行为，这正是Churchill合成法则的高明之处。
Aiding flow vs. Opposing flow
刚才公式里的“$\pm$”让我很在意。助流和逆流具体有什么不同？
考虑一块被加热的竖直壁就容易理解。壁面附近，被加热的流体会产生上升的浮力流。
- 助流（Aiding flow）：强制流动从下往上吹时，与浮力流同向 → 边界层变薄，Nu增大
- 逆流（Opposing flow）：强制流动从上往下吹时，与浮力流反向 → 边界层变厚，Nu降低，最坏情况下会出现分离或回流
- 横向流（Transverse flow）：强制流动为水平方向时，与浮力正交 → 产生三维的二次流
逆流会发生分离吗？这在实务上很糟糕吧？
非常糟糕。例如把电路板竖直放置、从上往下送风的设计，电路板下部（温度较高的部分）浮力与强制流动相互抗衡，会形成回流区，出现局部高温点（热点） 。曾有车载ECU的分析案例：采用逆流布置后，电路板中央的IC发生热失控；在设计阶段改为助流布置后，$\Delta T$ 改善了15 K以上。
控制方程（Boussinesq近似）
混合对流的控制方程是什么样的？和普通的Navier-Stokes方程有什么不同？
基本上还是Navier-Stokes方程，但在动量方程中加入浮力项 是关键。最常用的是Boussinesq近似：密度变化只出现在浮力项中，其他地方密度视为常数。温差较小（$\beta \Delta T \ll 1$）时有效。
连续性方程：
动量方程（Boussinesq近似）：
能量方程：
动量方程最后一项 $\rho_0 \beta (T - T_0) \mathbf{g}$ 就是浮力项吧。有温差就会在重力方向产生力。
没错。这里有三个重要的注意点：
- Boussinesq近似的适用界限：大致以 $\beta \Delta T < 0.1$ 为标准。空气的 $\Delta T > 30\,\mathrm{K}$ 左右时，应考虑非Boussinesq模型（变密度模型）
- 重力方向设置错误：在CFD求解器中把重力矢量方向设错，浮力方向就会反过来，结果完全没有意义。这是初学者多得惊人的错误
- 参考温度 $T_0$ 的选取：一般使用入口温度或环境温度。不合适的参考温度会使浮力项的大小失真
Richardson数名称的由来
Richardson数得名于英国数学家、气象学家Lewis Fry Richardson（1881-1953）。他在1920年代为评价大气稳定性，提出了“浮力效应与流动剪切效应之比”的概念。这个数原本诞生于气象学，后来被引入工程热流体领域，成为混合对流的支配参数而被广泛使用。顺便一提，Richardson也是第一个实践“用数值计算做天气预报”这一想法的人，被称为现代数值天气预报的鼻祖。
混合对流（复合对流）的数值计算方法
离散化策略
用CFD求解混合对流时，离散化上有什么特别需要注意的吗？
混合对流中，动量方程和能量方程通过浮力项强烈耦合。所以离散化的要点比普通CFD更严格：
- 空间离散：对流项至少使用二阶精度的格式（二阶迎风、QUICK、MUSCL等）。一阶迎风格式的数值扩散太大，会抹掉浮力产生的细微流动结构
- 压力-速度耦合：SIMPLE类（SIMPLE、SIMPLEC）是常规选择。浮力较强时，Coupled Solver往往更稳定
- 时间离散：非稳态分析（逆流时常出现振荡）推荐二阶隐式格式，CFL数保持在1以下
一阶迎风不行吗？结构的FEM里低阶单元也还能用……
CFD的对流项与结构的性质完全不同。一阶迎风的数值扩散与网格粗细成正比，浮力羽流（上升流）会被模糊掉直至消失。如果得到“明明有风扇，浮力效应却看起来为零”的结果，首先要怀疑离散格式。
湍流模型的选择
湍流模型用哪个好？普通的k-ε可以吗？
先说结论：不推荐标准k-ε。混合对流中浮力对湍流的生成和抑制很重要，而标准k-ε对浮力项的处理不够充分。推荐顺序如下：
| 湍流模型 | 对混合对流的适用性 | 计算成本 | 备注 |
|---|---|---|---|
| SST k-ω | 良好 | 中 | 能较好地捕捉壁面附近的浮力效应 |
| Realizable k-ε + 浮力修正 | 良好 | 中 | 必须启用Fluent的Full Buoyancy Effects |
| k-ε-v²-f (V2F) | 优秀 | 中〜高 | 能捕捉壁面附近的各向异性，可在STAR-CCM+中使用 |
| RSM（雷诺应力模型） | 优秀 | 高 | 能准确再现浮力湍流的各向异性，收敛稍难 |
| LES | 精度最高 | 非常高 | 用于研究或最终验证 |
Fluent的“Full Buoyancy Effects”是什么？默认是关闭的吗？
对，默认是关闭的。打开这个设置后，湍动能方程（k方程）中会加入浮力引起的湍流生成项 $G_b = -\beta g_i \dfrac{\mu_t}{\mathrm{Pr}_t} \dfrac{\partial T}{\partial x_i}$。在混合对流中这是必须启用的设置。关闭状态下分析，浮力对湍流的增强和抑制会被完全忽略，尤其在逆流时误差很大。
收敛技巧
印象中混合对流很难收敛，有什么诀窍吗？
混合对流确实难以收敛。浮力与惯性力相互抗衡，解容易振荡。下面总结一些实务中有效的技巧：
- 初始条件的设计：先在无浮力（$g=0$）条件下只求强制对流的解并使其收敛，以此为初值再逐步打开重力（用亚松弛逐步增大 $g$）
- 亚松弛因子：动量从0.5降到0.3，压力从0.3降到0.2。能量保持在0.8〜0.9这样较高的值
- 稳态→非稳态切换：逆流时有些情况本质上只存在非稳态解。稳态不收敛时就毫不犹豫地切换到非稳态分析
- 残差的监测点：不仅看整体残差，还要监测“壁面Nu”“特定截面的速度分布”，确认物理上已经收敛
混合对流（复合对流）的实务应用
电子设备的混合对流冷却
电子设备冷却中混合对流成为问题的，具体是哪些场景？
最典型的是“风扇转速下降时”。正常工作时风扇风速足够高，$\mathrm{Ri} \ll 0.1$，按强制对流处理没有问题。但是：
- 风扇老化导致转速下降
- 省电模式下风扇低速运行
- 进风口过滤网堵塞
在这些情况下风速下降、$\mathrm{Ri}$ 上升，进入混合对流区域。尤其是笔记本电脑的薄型机箱，风扇变弱时CPU周围的局部浮力流会占主导，实际温度分布可能与设计时的设想相差很大。
那么设计阶段不仅要模拟风扇全速的情况，也要模拟低速的情况吧？
没错。实务中至少计算3种工况：
- 风扇额定运行（$\mathrm{Ri} < 0.1$，确认强制对流）
- 风扇最低速运行（计算 $\mathrm{Ri}$，检查是否进入混合区域）
- 风扇停止（$\mathrm{Ri} \to \infty$，仅自然对流）
尤其第3种风扇停止工况，从安全设计角度看是必需的，用来确认在TDP（热设计功耗）以下零件不超过允许温度。
数据中心的热通道管理
数据中心也会有混合对流的问题吗？那里给人的印象是空调开得很足……
数据中心可以说是混合对流的宝库。在热通道（服务器背面的排热通道）中，服务器的高温排气因浮力上升，而天花板上的CRAC（机房空调）则向下送冷风。这两股气流的相互干扰正是混合对流。
实务中特别成问题的是：
- 热点形成：排热在机架上部积聚，上层服务器温度比下层高。这正是逆流布置
- Re-circulation：冷通道的冷气绕到热通道的短路气流，不考虑浮力的影响就无法预测
- 未安装盲板：排热从空槽位倒流，是 $\mathrm{Ri} > 1$ 的典型自然对流主导的回流
网格设计要点
混合对流的网格有什么特别要注意的吗？
壁面附近的网格质量至关重要。因为需要同时准确捕捉壁面的温度梯度（→ 浮力的来源）和速度梯度（→ 壁面摩擦）。
| 项目 | 推荐值 | 备注 |
|---|---|---|
| 壁面第一层 $y^+$ | $y^+ \leq 1$（壁面解析） | 壁函数不能正确反映浮力效应，不推荐 |
| 壁面法向网格层数 | 温度边界层内至少10层 | 温度边界层 ≠ 速度边界层，随 $\mathrm{Pr}$ 而不同 |
| 增长率 | 1.1〜1.2 | 急剧增长会增大数值扩散 |
| 羽流区域 | 必须加密 | 浮力羽流上升区域需要足够的分辨率 |
最好不用壁函数吗？计算成本好像会增加……
理想情况是低雷诺数壁面解析，但实务中也常用可扩展壁函数（Enhanced Wall Treatment等）。不过，壁函数建立在“壁面附近的速度和温度分布服从对数律”这一假设之上，在浮力使对数律失效的逆流条件下可靠性会降低。网格收敛性确认绝对不能偷懒。
边界条件的设置方针
听说混合对流中边界条件的设置错误很多。需要注意什么？
列举几个混合对流特有的陷阱：
- 出口边界条件：使用压力出口（pressure outlet）。有些求解器的outflow边界条件不允许回流，逆流中出现浮力引起的回流时会发散
- 开放边界：自然对流中流入流出不确定的开放端，在pressure inlet上设置静水压分布。指定均匀压力的话，温差产生的密度差无法正确地作为驱动力起作用
- 重力方向与参考密度：如前所述，重力矢量的设置错误是致命的。使用Boussinesq近似时要正确设置Operating Density（Fluent中在“Operating Conditions”里指定）
- 壁面热条件：等温壁（Dirichlet）还是等热流壁（Neumann），结果差别很大。电子元件多为TDP恒定（等热流），管道壁面多为外界温度恒定（接近等温壁）
混合对流（复合对流）的软件比较
商用求解器对混合对流的支持
做混合对流分析推荐用什么软件？
主要的CFD求解器都支持混合对流，但设置的难易程度和精度有差别。比较如下：
| 求解器 | Boussinesq支持 | 变密度 | 浮力修正湍流 | 特别说明 |
|---|---|---|---|---|
| Ansys Fluent | 标准配备 | Incompressible Ideal Gas等 | 有Full Buoyancy Effects设置 | Coupled Solver擅长混合对流 |
| STAR-CCM+ | 标准配备 | 多种密度模型 | 自动考虑 | 多面体网格自动生成壁面层 |
| COMSOL Multiphysics | 标准配备 | Weakly Compressible Flow | 手动设置 | 易于多物理场耦合 |
| OpenFOAM（buoyant系列） | buoyantBoussinesqSimpleFoam | buoyantSimpleFoam | 手动实现 | 免费，设置自由度最高 |
| Ansys CFX | 标准配备 | 支持 | Buoyancy Turbulence | 默认使用Coupled Solver |
有专门用于电子设备热设计的软件吗？
有。FloTHERM（Siemens）和Icepak（Ansys）专门用于电子设备冷却，混合对流的设置被简化了。只需输入风扇的P-Q特性曲线，就能自动求解风扇加浮力的混合对流。不过灵活性不如通用CFD，复杂形状或特殊条件下还是要回到通用求解器。
在OpenFOAM中的实现
想用OpenFOAM做混合对流，应该用哪个求解器？
OpenFOAM中代表性的求解器选择如下：
- buoyantBoussinesqSimpleFoam：Boussinesq近似、稳态、不可压缩。最适合 $\beta \Delta T < 0.1$ 的混合对流，最常用
- buoyantBoussinesqPimpleFoam：上述的非稳态版，用于逆流时振荡的情况
- buoyantSimpleFoam：变密度、稳态，用于温差大的情况
- buoyantPimpleFoam：变密度、非稳态，最通用但计算成本高
constant/transportProperties 中设置 $\beta$（体积膨胀系数）和参考温度 $T_\mathrm{Ref}$，在constant/g 中指定重力矢量。初学者常忘记的是 p_rgh（去除静水压后的压力）的初始条件设置。
混合对流（复合对流）的前沿研究
用LES/DNS分析混合对流
混合对流的研究中会用LES或DNS吗？
会用。尤其要准确捕捉逆流中的转捩现象和层流-湍流共存，LES必不可少。介绍几个最近的研究趋势：
- 竖直管内混合对流的DNS（You et al., 2003；笠木研究室）：阐明了 $\mathrm{Ri} = 0.01 \sim 1$ 范围内湍流结构的变化，表明在逆流中壁面附近的湍流被浮力抑制，会发生“再层流化（laminarization）”
- 用LES分析数据中心室内环境：用LES求解机架列之间混合对流模式的研究在增加，可以捕捉RANS无法再现的间歇性热羽流行为
- Wall-modeled LES：对壁面附近建模，大幅降低计算成本，正逐渐可以用于工业规模的混合对流
机器学习代理模型
混合对流也开始用机器学习了吗？
是的，尤其在设计优化场景中应用在推进。混合对流的CFD一个工况需要几小时到几天，直接用于探索设计空间效率很低。因此：
- Physics-Informed Neural Networks (PINNs)：把Boussinesq方程嵌入损失函数的神经网络，用少量CFD数据预测温度分布
- 代理模型：以风扇风速、发热量和机箱形状为参数，用高斯过程等近似Nu数或Tjunction（器件结温）
- 数据驱动的湍流模型修正：根据DNS/LES数据学习并修正RANS湍流模型浮力项系数的方法
不过，对于逆流中流动的双稳态（存在两个稳定解）等本质上非线性的现象，使用机器学习也需要注意。
混合对流（复合对流）的故障排除
残差振荡与发散
混合对流分析的残差完全不收敛……是什么原因？
混合对流残差不收敛时，原因大多可以归为以下三类：
- 本质上的非稳态性：在 $0.5 \lesssim \mathrm{Ri} \lesssim 5$ 的区域，浮力与惯性力相互抗衡，流动呈振荡性。这是物理上正确的行为，稳态求解器不会收敛。→ 对策：切换到非稳态求解器，用时间平均评价Nu等量
- 亚松弛因子过大：混合对流中动量方程与能量方程耦合很强，需要把亚松弛因子设得比普通CFD更低。→ 对策：动量设为0.3以下，压力设为0.2以下
- 初始条件不合适：从零速度场起步时，浮力项一开始就全力作用，变得不稳定。→ 对策：先在 $g=0$ 下求强制对流的解，然后逐步打开 $g$
非物理的温度分布
计算收敛了，但出现了壁面温度低于环境温度的地方。明明是加热壁……
这是典型的数值伪影。按以下顺序检查原因：
- 参考温度 $T_0$ 设置错误：Boussinesq近似中参考温度过高时，即使是加热壁，浮力也可能朝“冷却”方向作用。确认Operating Temperature是否与入口温度一致
- Operating Density：在Fluent中使用Boussinesq时，Operating Density设置不正确会使压力场异常，进而使温度场也崩坏
- 数值扩散引起的温度下冲：用一阶迎风格式离散对流项时，在温度急剧变化的下游一侧可能出现下冲。→ 改用二阶以上精度的格式
- 网格质量：壁面附近网格畸变时，温度梯度的计算精度显著下降。启用Non-orthogonality correction
逆流（Opposing flow）条件下难以收敛
助流时能正常收敛，一改成逆流就发散。有什么不同？
逆流本质上就很难。浮力与惯性力方向相反，壁面附近会发生分离与再附着，流场变得复杂。尤其在 $\mathrm{Ri} \approx 1$ 附近，会出现流动方向局部反转的“回流区”，这是数值不稳定的根源。
对策总结如下：
- 允许出口边界回流：在Pressure outlet的“Backflow”条件中设置合适的温度。保持默认的300 K不管的话，回流时会流入非物理的冷空气，使温度场崩坏
- 延长计算域：出口离开壁面足够远（10D以上）。回流到达计算域边界会造成数值不稳定
- Coupled Solver：与压力基分离式求解器（SIMPLE）相比，Coupled（压力-速度联立）求解器更稳定
- 非稳态分析：逆流时有时不存在稳态解（类似周期性涡脱落）。这时非稳态分析是唯一选择
原来如此……逆流时一开始就用非稳态计算更安全。混合对流真是很深奥。
这个判断是对的。混合对流“看似简单，实际上是两种物理机理的竞争”，在CAE中有独特的难度。先用Richardson数判定区域，再据此制定分析策略，这是最有效的方法。
价值
详细
错误