🎓
简单来说，就是在一个方盒子里研究水流。盒子顶部像盖子一样滑动，带动里面的水流动。这是流体力学和CFD（计算流体力学）里最经典的测试案例之一。你可以在模拟器里选择“Lid-Driven Cavity”模式，直接看到这个方盒子里的流动动画。
🧑🎓
诶，真的吗？那旁边的“雷诺数”滑块是干嘛的？我拖动它会发生什么？
🎓
雷诺数（Re）是惯性力和粘性力的比值。你可以把它想象成“流动的混乱程度”。试着把滑块从100慢慢拖到1000，你会看到流线图发生巨大变化。在Re=100时，流体粘性主导，盒子中心只有一个大而稳定的漩涡；但当Re=1000时，惯性力变强，盒子底部角落会生成新的、更小更复杂的漩涡结构。
🧑🎓
好神奇！那另一个“障碍物绕流”模式呢？和这个有什么不同？
🎓
在实际工程中，比如汽车或桥墩的设计，我们更关心流体绕过物体时的状态。切换到“Flow Past Obstacle”模式，你会看到流体从左向右流动，遇到中间一个方形障碍物。改变雷诺数，观察障碍物后方“尾流”的变化：Re低时，流线平滑地分开再汇合；Re高时，障碍物后方会产生交替脱落的漩涡，也就是著名的“卡门涡街”，这在工程现场是导致振动和噪音的常见原因。
本模拟器求解的是描述粘性牛顿流体运动的控制方程——非定常、不可压缩Navier-Stokes方程。第一个方程是动量方程，描述了流体微团速度的变化；第二个是连续性方程，保证了流体的不可压缩性。
$$\frac{\partial \mathbf{u}}{\partial t}+ (\mathbf{u}\cdot\nabla)\mathbf{u}= -\nabla p + \frac{1}{Re}\nabla^2\mathbf{u}$$
$$\nabla \cdot \mathbf{u}= 0$$
其中，$\mathbf{u}$是速度矢量，$p$是压力，$t$是时间，$Re$是雷诺数。$(\mathbf{u}\cdot\nabla)\mathbf{u}$是非线性对流项，是流动复杂性的来源；$\frac{1}{Re}\nabla^2\mathbf{u}$是粘性扩散项。
在2D模拟中，我们经常使用“涡量”来直观观察漩涡结构。涡量是流体局部旋转强度的度量，其定义如下：
$$\omega = \frac{\partial v}{\partial x}- \frac{\partial u}{\partial y}$$
这里，$u$和$v$分别是速度在x和y方向的分量。涡量$\omega$为正表示逆时针旋转，为负表示顺时针旋转。模拟器中的彩色云图（例如从蓝色到红色）通常就表示涡量的大小和方向，让你一眼就能看出哪里是漩涡的核心。
常见误解与注意事项
开始使用本模拟器时，有几个需要注意的要点。首先，请勿误认为“色度图数值直接对应物理压力”。此处显示的是“涡量”，代表流体的“旋转强度”。压力是另一个物理量，本工具并未将其可视化。例如，障碍物后方蓝红相邻的区域，表示方向相反的涡流正在相互抗衡。
其次，请勿过度极端地调整参数。特别是若将雷诺数（Re）一次性设为10000等极大值，可能导致计算失稳、出现网格状噪声（数值振荡）甚至发散。在实际CFD应用中，也不会直接使用最终条件计算，而是从较低Re值逐步提升以确认解的收敛性。例如，若想观察盖驱动方腔在Re=10000时的流动特性，建议按1000→3000→5000…的顺序逐步提升参数。
最后，切勿认为“2D结果能完全代表3D现象”。本工具旨在通过本质理解帮助学习流动现象。实际流动是三维的，例如盖驱动方腔流动在具有深度方向的三维空间中会产生复杂的涡结构（如泰勒-戈特勒涡等）。虽然二维模拟成本较低且有助于理解现象本质，但需谨记实际设计中三维分析不可或缺。
相关工程领域
本工具求解的基础流动方程，实际上广泛应用于众多工程领域的底层逻辑。首推“热流体工程”领域。在纳维-斯托克斯方程中加入能量守恒方程（温度输运方程），即可构成发动机冷却水流或电子元件散热模拟的基础。例如，若对腔体内壁面加热，会因温差浮力产生自然对流。
另一领域是“化学过程工程”。要提高反应槽内化学药剂的混合效率，需理解流动模式与物质扩散规律。此处观察到的涡流与循环正是促进混合的关键因素。此外，“生物力学”也是重要应用方向。血管内血液流动（血液虽属非牛顿流体但基础原理相通）及心脏瓣膜周围流动分析的第一步，都借鉴了此类绕障碍物流动分离与涡流的研究成果。
或许有些令人意外，“气象学与海洋学”的大规模数值模拟在原理上也基于相同方程体系。计算大气或洋流的大环流时，虽需添加地球自转产生的科里奥利力等附加项，但表征惯性力与粘性力平衡的雷诺数概念仍至关重要。通过本工具改变Re值观察流动复杂化的过程，正是理解小尺度湍流生成的入门途径。
进阶学习指引
熟悉本模拟器后若产生“想深入了解内部原理”的想法，可尝试进入下一阶段。首先建议学习“离散化”与“算法”基础。计算机无法直接求解连续微分方程，需通过网格划分区域并用差分近似微分。例如，速度梯度 $\frac{\partial u}{\partial x}$ 可通过相邻网格点值的差值 $(u_{i+1}-u_{i-1})/(2\Delta x)$ 计算（中心差分法）。本工具后台也运行着此类计算。
其次，可探究该领域的核心课题——“压力-速度耦合解法”。在不可压缩流动中，压力起着调整速度场以满足连续性方程 $\nabla \cdot \mathbf{u}=0$ 的作用。如何高效求解此问题是CFD的核心议题之一，存在“SIMPLE法”与“投影法”等经典算法。学习这些方法后，便能切身理解CFD计算耗时长的原因。
数学背景方面，掌握“向量分析”与“偏微分方程”基础知识有助于深入理解方程含义。特别当理解 $\nabla$（纳布拉）算子的运算实质（梯度、散度、旋度）后，就能透彻领悟纳维-斯托克斯方程各项分别表征“加速度”“压力梯度力”与“粘性扩散”的物理意义。建议首先通过本工具进行探索，尝试用语言描述参数变化时流场的演变规律，这将是迈向进阶学习的最佳第一步。