维度分析与CAE仿真
理论与物理
为何量纲分析对CAE不可或缺
老师，量纲分析和CAE有什么关系？我在大学物理课上听过“要把单位统一”之类的说法，但在仿真实践中真的会用到吗？
简单来说，它对于仿真结果的合理性检查至关重要。仅仅检查输出的应力量纲是否为Pa，热流密度是否为W/m²，就能发现一半因输入错误导致的bug。
诶，一半？单位错误有那么多吗？
很多。一个著名的例子是1999年的NASA火星气候轨道器。洛克希德公司以磅力（lbf）输出的数据，被NASA当作牛顿（N）读取用于轨道计算，结果导致探测器坠入火星大气层损毁。3.28亿美元的损失，仅仅源于一个单位制错误。
3亿美元…！这太可怕了。CAE中也会发生同样的事啊。
而且量纲分析还有另一个强大的用途。利用白金汉π定理将参数无量纲化，可以推导出实验的缩放定律。比如将风洞试验1/10模型得到的结果外推到实物，或者缩小CFD的计算域以减少网格数量，这些都是日常实务中使用的技术。
量纲基础与量纲齐次性原理
那请从基础开始教我。“量纲”具体指的是什么？
是表示物理量“种类”的标签。SI单位制中有7个基本量纲。CAE中特别重要的是以下4个：
- 质量 M（kg）
- 长度 L（m）
- 时间 T（s）
- 温度 Θ（K）
所有物理量都可以用这些基本量纲的幂次乘积来表示。例如力：
应力是力除以面积，所以：
然后是量纲齐次性原理（principle of dimensional homogeneity）：在有物理意义的方程中，等号两边的量纲必须一致。如果不一致，那么这个方程就是错误的。
也就是说，即使是FEM的控制方程 $[K]\{u\} = \{F\}$，如果左边的量纲（刚度×位移）和右边的量纲（力）不一致也不行，是吗？
没错。我们来确认一下。刚度的量纲是 $[K] = \mathrm{M \, T^{-2}}$（N/m = kg/s²），位移是 $[u] = \mathrm{L}$（m）。所以左边是 $\mathrm{M \, L \, T^{-2}}$ = 力的量纲。完全吻合。如果这个关系不成立，就证明输入数据的单位制混用了。
白金汉π定理
老师刚才提到的白金汉π定理，具体是什么定理呢？
一言以蔽之，它是“告诉我们支配物理问题的独立无量纲参数数量的定理”。
白金汉π定理的主张：
当某个物理现象由 $n$ 个物理量 $q_1, q_2, \ldots, q_n$ 描述，并且它们可以用 $k$ 个独立的基本量纲（M, L, T, Θ等）表示时，支配该现象的独立无量纲参数（π 群）的数量为：
也就是说，原始的物理问题可以完全用 $p$ 个无量纲数来描述。由于变量数量减少，参数研究的次数会急剧减少。
我想看一个具体例子。比如管道流动的压力损失会怎么样？
问得好。我们来列举与管道流动压力损失 $\Delta p$ 相关的物理量：
- $\Delta p$（压力损失）: $\mathrm{M \, L^{-1} \, T^{-2}}$
- $V$（流速）: $\mathrm{L \, T^{-1}}$
- $D$（管径）: $\mathrm{L}$
- $L$（管长）: $\mathrm{L}$
- $\rho$（密度）: $\mathrm{M \, L^{-3}}$
- $\mu$（粘度）: $\mathrm{M \, L^{-1} \, T^{-1}}$
- $\varepsilon$（表面粗糙度）: $\mathrm{L}$
变量数 $n = 7$，基本量纲 $k = 3$（M, L, T），所以存在 $p = 7 - 3 = 4$ 个π群。
也就是说，管道的压力损失可以表示为 $f = \phi(Re, L/D, \varepsilon/D)$ 的形式。7个变量的问题被整理成了4个无量纲参数。在CFD的参数研究中，无需进行所有组合，只需调整Re、$L/D$ 和 $\varepsilon/D$ 即可。
原来如此！假设原来7个变量各取5个水平，需要 $5^7 = 78,125$ 个案例，但如果是4个变量，就只需要 $5^4 = 625$ 个案例。计算成本降到百分之一以下…！
正是如此。这就是量纲分析的真正精髓——同时实现计算成本的显著降低和物理本质参数的识别。
主要无量纲数的推导
除了雷诺数，CAE中常用的无量纲数还有哪些？希望也能教一下推导方法。
我们来看三个在CAE中频繁出现的无量纲数，连同推导过程一起。
1. 雷诺数 Re — 流体分析的最重要参数
惯性力与粘性力之比。用于判断流动是层流还是湍流。
推导： 用特征长度 $L$、特征速度 $V$ 对Navier-Stokes方程进行无量纲化。对流项 $\rho(\mathbf{v} \cdot \nabla)\mathbf{v}$ 的量级是 $\rho V^2/L$，粘性项 $\mu \nabla^2 \mathbf{v}$ 的量级是 $\mu V/L^2$。两者之比为：
实践中，管内流动 $Re < 2300$ 为层流，$Re > 4000$ 为湍流。这是CFD中判断是否使用湍流模型（$k$-$\varepsilon$、SST $k$-$\omega$ 等）的基准。
2. 努塞尔数 Nu — 传热分析的基础
对流换热与导热之比。换热系数的无量纲表示。
推导： 对能量方程进行无量纲化。取壁面热流密度 $q = h(T_w - T_\infty)$ 与流体内导热 $q = k_f \Delta T / L$ 之比，得到 $Nu = hL/k_f$。$Nu = 1$ 意味着“即使没有对流也一样”，$Nu = 100$ 意味着“对流使热量传递快了100倍”。
也就是说，在Ansys Fluent中进行共轭传热仿真时，计算壁面的努塞尔数就能知道“对流冷却的效果如何”，对吧？
没错。而且努塞尔数有很多经验关联式。例如湍流管内流动的Dittus-Boelter公式：
如果CFD的结果与这个关联式偏差很大，就应该怀疑网格不足或湍流模型选择错误。这就是基于量纲分析的合理性检查。
3. 毕渥数 Bi — 固体内部温度分布的判定
外部热阻与内部热阻之比。判断能否使用集总参数模型的基准。
这里 $L_c$ 是特征长度（= 体积/表面积），$k_s$ 是固体的热导率。如果 $Bi < 0.1$，则可以认为固体内部的温度分布几乎均匀，因此无需进行3D热分析，使用集总参数模型（牛顿冷却定律）就足够了。
这在实践中怎么用呢？
例如，用自然对流冷却铝制电子元件（$k_s \approx 200$ W/(m·K)）的情况。元件尺寸10mm，$h \approx 10$ W/(m²·K) 时：
毕渥数极小，因此可以忽略元件内部的温度梯度。也就是说，不需要划分3D网格进行热分析。另一方面，对于塑料外壳（$k_s \approx 0.2$ W/(m·K)），$Bi = 0.5$，就需要考虑内部温度分布的3D分析。
在分析之前，只要计算一下毕渥数，就能判断是否需要3D分析。太实用了…！
CAE中常见的无量纲数一览
| 无量纲数 | 定义 | 物理意义 | CAE中的用途 |
|---|---|---|---|
| $Re$ | $\rho V L / \mu$ | 惯性力/粘性力 | 湍流模型选择、网格设计（$y^+$） |
| $Nu$ | $h L / k_f$ | 对流/导热 | 传热分析验证、与关联式比较 |
| $Bi$ | $h L_c / k_s$ | 外部/内部热阻 | 集总参数模型适用性判定 |
| $Pr$ | $\nu / \alpha = c_p \mu / k_f$ | 动量扩散/热扩散 | 热边界层厚度估算 |
| $Ma$ | $V / c$ | 流速/声速 | 可压缩流判定（$Ma > 0.3$） |
| $Gr$ | $g \beta \Delta T L^3 / \nu^2$ | 浮力/粘性力 | 自然对流分析的状态判定 |
| $We$ | $\rho V^2 L / \sigma$ | 惯性力/表面张力 | 液滴·喷雾分裂判定 |
| $CFL$ | $V \Delta t / \Delta x$ | 信息传播/网格间距 | 显式方法的稳定条件（$CFL \leq 1$） |
相似准则与缩放
相似准则的3个条件
“相似准则”这个词经常听到，但我觉得自己并没有真正理解。是风洞试验缩小模型之类用到的吧？
是的。相似准则（Similitude）是指“将缩小模型（模型）的结果正确缩放到实物的条件”。有三个相似条件：
- 几何相似：形状相似（所有尺寸按比例 $\lambda_L$ 一致）
- 运动相似：速度场相似（速度比 $\lambda_V$ 在所有点一致）
- 动力相似：作用力的比例一致（所有相关的无量纲数一致）
第三个“动力相似”看起来最难。同时满足所有无量纲数是不可能的吧？
很敏锐。实际上，一般来说不可能同时满足所有无量纲数。例如，在船舶模型试验中，无法同时满足雷诺数（粘性主导）和弗劳德数（重力波主导）。因此，在实践中使用“只匹配主导的无量纲数”的部分相似。
缩放定律推导示例
我想看看具体推导缩放定律的步骤。
以风洞试验为例。对实物汽车（全长 $L_p = 5$ m）的1/5模型（$L_m = 1$ m）进行风洞试验。如果想使雷诺数一致：
如果使用相同的空气（$\nu_m = \nu_p$）：
如果实车以时速100 km/h行驶，那么模型就需要500 km/h（约 Mach 0.4）的风速。由于会开始出现压缩性影响，实际上要么使用加压风洞提高密度，要么放弃完全匹配雷诺数并进行修正。
原来如此，缩放也有极限啊。阻力系数和升力系数会怎么样呢？
如果雷诺数一致，阻力系数 $C_D$ 在模型和实物中是相同的：
なった
詳しく
報告